据我了解，Strassen 的矩阵相乘方法应该是最快的……但分而治之的方法显然是我测试中最快的……我做错了什么吗？或者这是正确的吗？
说明是:“然后将花费的总时间除以执行算法的次数，以获得解决给定实例所花费的时间”
所以我只是在每个方法中都有一个单独的“counter++”并将时间划分为“recorded/counter++”
到目前为止，这是我的时间:(按自上而下的顺序:经典、分而治之、施特拉森)(大小 = 矩阵的大小)
尺寸 2
耗时:8660 纳秒
耗时:3849 纳秒
耗时:5377 纳秒
尺寸 4
耗时:24864 纳秒
耗时:3080 纳秒
耗时:5229 纳秒
尺寸 8
耗时:125435 纳秒
耗时:2920 纳秒
耗时:5196 纳秒
16 号
耗时:867149 纳秒
耗时:1559 纳秒
耗时:2853 纳秒
尺寸 32
耗时:5191721 纳秒
耗时:972 纳秒
耗时:1722 纳秒
64 码
耗时:8155785 纳秒
耗时:874 纳秒
耗时:1696 纳秒
样本输出 这是我对大小为 4 的矩阵的输出示例:
第一个随机生成矩阵:
10 57 33 70
6 12 38 70
20 41 65 98
83 0 31 73
第二个随机生成的矩阵:
11 70 54 79
2 51 38 71
27 53 37 86
48 87 20 41
经典乘法矩阵:
4475 11446 5327 10545
4476 9136 3586 7464
6761 15462 7003 14099
5254 13804 7089 12216
已用时间:21232 纳秒
分而治之乘法矩阵:
4475 11446 5327 10545
4476 9136 3586 7464
6761 15462 7003 14099
5254 13804 7089 12216
已用时间:3042 纳秒
Strassen 乘法矩阵:
4475 11446 5327 10545
4476 9136 3586 7464
6761 15462 7003 14099
5254 13804 7089 12216
已用时间:5303 纳秒
最佳答案
Strassen 中的常数因子非常高，因此对于大多数输入，分而治之会更快。尝试使用更大的矩阵(数千个以上的元素)运行测试，看看 Strassen 是否超越了分而治之
关于performance - 矩阵乘法 - 分而治之 vs Strassen，分而治之更快？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/9253286/