讨论和代码
这可能是一种使用 bsxfun(@plus
的方法,它有助于在函数格式中编写的线性索引
。
function out = bsxfun_linidx(A,a)
[A_nrows,A_ncols] = size(A);
N_a = numel(a);
off1 = A_nrows*N_a;
off2 = off1*A_ncols+A_nrows;
vals = bsxfun(@times,A,permute(a,[1 3 2]));
block1_idx = bsxfun(@plus,[1:A_nrows]',[0:A_ncols-1]*off1);
out(A_nrows*N_a,A_ncols*N_a) = 0;
out(bsxfun(@plus,block1_idx(:),(0:N_a-1)*off2)) = vals;
return;
如何使用:要使用上面列出的函数代码,假设您已将 a1、a2、a3、....、an 存储在向量 a 中,则可以像这样执行 out = bsxfun_linidx(A,a) 以获得所需的输出到 out。
基准测试:本节将运行时性能方面的方法与其他两个答案中列出的方法进行比较或基准测试。
其他答案被转换为函数形式,如下所示-
function B = bsxfun_blkdiag(A,a)
B = bsxfun(@times, A, reshape(a,1,1,[])); %// step 1: compute products as a 3D array
B = mat2cell(B,size(A,1),size(A,2),ones(1,numel(a))); %// step 2: convert to cell array
B = blkdiag(B{:}); %// step 3: call blkdiag with comma-separated list from cell array
and,
function out = kron_diag(A,a_arr)
out = kron(diag(a_arr),A);
为了比较,测试了四种A
和a
大小的组合,它们分别是:
A
为500 x 500
,a
为1 x 10
A
为200 x 200
,a
为1 x 50
A
为100 x 100
,a
为1 x 100
A
为50 x 50
,a
为1 x 200
使用的基准测试代码如下:
N_a = [10 50 100 200];
N_A = [500 200 100 50];
timeall = zeros(3,numel(N_a));
for iter = 1:numel(N_a)
a = randi(9,1,N_a(iter));
A = rand(N_A(iter),N_A(iter));
func1 = @() kron_diag(A,a);
timeall(1,iter) = timeit(func1); clear func1
func2 = @() bsxfun_blkdiag(A,a);
timeall(2,iter) = timeit(func2); clear func2
func3 = @() bsxfun_linidx(A,a);
timeall(3,iter) = timeit(func3); clear func3
end
figure,hold on,grid on
plot(N_A,timeall(1,:),'-ro'),
plot(N_A,timeall(2,:),'-kx'),
plot(N_A,timeall(3,:),'-b+'),
legend('KRON + DIAG','BSXFUN + BLKDIAG','BSXFUN + LINEAR INDEXING'),
xlabel('Datasize (Size of A) ->'),ylabel('Runtimes (sec)'),title('Runtime Plot')
figure,hold on,grid on
plot(N_a,timeall(1,:),'-ro'),
plot(N_a,timeall(2,:),'-kx'),
plot(N_a,timeall(3,:),'-b+'),
legend('KRON + DIAG','BSXFUN + BLKDIAG','BSXFUN + LINEAR INDEXING'),
xlabel('Datasize (Size of a) ->'),ylabel('Runtimes (sec)'),title('Runtime Plot')
我得到的运行时图如下:
![enter image description here](https://istack.dev59.com/XhdxO.webp)
![enter image description here](https://istack.dev59.com/XBodv.webp)
结论: 如你所见,根据你处理的数据大小,可以考虑使用其中一种基于bsxfun
的方法!
timeit
进行基准测试会更可靠? - Luis Mendo