我真的很努力在MATLAB上优化微积分代码。嵌套循环优化
获取非线性材料的材料属性是一项繁重的计算。
此计算需要超过240万步。 它本身相当简单,因为它包含了大量的sum
。 唯一的问题是数字存储在各种数组和列表中,这有点令人困惑。
下面是原来的代码:
Tensor=zeros(3,3,3,3);
for m=1:3
for n=1:3
for o=1:3
for p=1:3
for x=1:16
for y=1:16
for z=1:16
for i=1:3
for j=1:3
for k=1:3
for l=1:3
for r=1:3
for s=1:3
sum=sum+(1/(8*(pi()^2))*P{x,y,z}(i,m)*P{x,y,z}(j,n)*P{x,y,z}(k,o)*P{x,y,z}(l,p)*(TensorC(i,j,k,l)-TensorC0(i,j,r,s))*TensorA(r,s,k,l)*sin(omega(x))*p_omega(x)*p_phi(y)*p_beta(z);
end
end
end
end
end
end
end
end
end
Tensor(m,n,o,p)=sum;
end
end
end
end
P{x,y,z}(i,m)
是依据式I的变化(同为其他):i and m
确定式的类型并且将结果与x
,y
和z
变量计算。
总和中的所有其他数字都是在数组和张量中拾取的实数。
我试图以尽快计算出它们的减少操作次数,提取从最后的循环尽可能多的变量:
Tensor=zeros(3,3,3,3);
CO1=1/(8*(pi()^2));
for m=1:3
for n=1:3
for o=1:3
for p=1:3
sum=C0_tensor(m,n,o,p);
for x=1:16
CO7=sin(omega(x));
CO8=p_omega(x);
for y=1:16
CO9=p_phi(y);
for z=1:16
CO10=p_beta(z);
for i=1:3
CO2=P{x,y,z}(i,m);
for j=1:3
CO3=P{x,y,z}(j,n);
for k=1:3
CO4=P{x,y,z}(k,o);
for l=1:3
CO5=P{x,y,z}(l,p);
CO6=TensorC(i,j,k,l);
for r=1:3
for s=1:3
CO11=TensorC0(i,j,r,s);
CO12=TensorA(r,s,k,l);
sum=sum+CO1*CO2*CO3*CO4*CO5*(CO6-CO11)*CO12*CO7*CO8*CO9*CO10;
end
end
end
end
end
end
end
end
end
Tensor(m,n,o,p)=sum;
end
end
end
end
尽管如此,计算实在是太长了。
我看不出并行或矢量化计算的任何方式......
从一个阵列或一个矩阵检索一个特定值的操作似乎很慢...
待办事项你认为我应该建立一个包含所有值而不是使用多个值的巨大张量?
如果真的很难避免循环,你应该开始考虑使用其他有利于循环的编程语言,比如'C++' – Ray
8o ...好亲切......并祝你好运。你对matlab代码有很大的依赖性吗? – Brian
量化*太长*。 –