怎么提高matlab运行速度

Matlab是一种解释性语言，存在计算速度慢的问题，为了提高程序的运行效率，matlab提供了多种实用工具及编码技巧。

1. 循环矢量化，尽量避免使用循环结构

Matlab是为矢量和矩阵操作而设计的，因此，可以通过矢量化方法加速M文件的运行。

矢量化是指将for循环和while循环转换为等价的矢量或矩阵操作。下面给出一个循环的例子：

i=0;
 
for n = 0:0.1:1000
 
i=i+1;
 
y(i)=cos(n)；
 
end

上述程序段把数组中的每个元素都进行函数值计算，这样会耗费大量的运算时间，我们可以把数组看作一个整体来处理，计算函数值，可以修改这个程序段如下。

n= 0:0.1:1000;
 
y=cos(n);

用tic和toc函数来查看上述各代码运行的时间，采用for循环的程序0.39秒(具体时间和计算机配置有关)，而矢量化后几乎耗时为0。

可以发现，把数组看作一个整体，进行操作后，执行效率提高约300倍。

另外，在必须使用多重循环的情况下，建议在循环的外环执行循环次数少的，内环执行循环次数多的，这样也可以显著提高程序执行速度。

最常用的使用vectorizing技术的函数有：All、diff、ipermute、permute、reshape、ueeze、y、find、logical、prod、shiftdim、sub2ind、cumsum、ind2sub、ndgrid、repmat、sort、sum等。”

2.在使用数组或矩阵之前先定义维数，给数组或矩阵预分配内存

MATLAB中的变量在使用之前不需要明确地定义和指定维数。但当未预定义数组或矩阵的维数时，当需赋值的元素下标超出现有的维数时，MATLAB 就为该数组或矩阵扩维一次，这样就会大大降低程序的执行效率。因此，在使用数组或矩阵之前，预定义维数可以提高程序的执行效率。

在MATLAB中，矩阵元素的引用可用两个下标来表示。例如：A(i,j)

表示矩阵的第i行第j列的元素；A(1:k,j)表示矩阵A的第j列的前k个元素；A(:,j)

表示矩阵的第j列的所有元素。求矩阵A的第j列元素的平均值的表达式为mean(A(:,j))。

特别是使用大型数组或矩阵时，Matlab进行动态内存分配和取消时，可能会产生内存碎片，这将导致大量闲置内存产生，预分配可通过提前给大型数据结构预约足够空间来避免这个问题。

3. 用函数代替脚本文件

因为每次调用MATLAB的脚本文件都需要将不必要的中间变量加载到内存中，每执行一次，就加载一次。

函数在调用时被编译成了伪代码，只需要加载到内存一次。当多次调用同一个函数时会运行快一些。

因此尽量多使用函数文件而少使用脚本文件，也是提高执行效率的一种方法。

4. 用Mex文件编写循环代码

Matlab提供了与C和C++的接口，那么我们可以在用C或C++语言编写耗时的循环代码，然后通过接口程序在Matlab中转换成dll文件，这就是我们所要的Mex文件，通过这种方法可以极大地提高计算速率。

当必须使用耗时的循环时，可以考虑将循环体中的语句转换为C-MEX。C-MEX是将M文件通过MATLAB的编译器转换为可执行文件，是按照MEX技术要求的格式编写相应的程序，通过编译连接，生成扩展名为.dll的动态链接库文件，可以在MATLAB环境下直接执行。这样，循环体中的语句在执行时不必每次都解释(interpret)。一般来说，C-MEX文件的执行速度是相同功能的M文件执行速率的20~40倍。编写C-MEX不同于M文件，需要了解MATLAB C-MEX规范。幸运的是MATLAB提供了将M文件转换为C-MEX的工具。