我一直在努力加速以下功能,但没有结果:
function beta = beta_c(k,c,gamma)
beta = zeros(size(k));
E = @(x) (1.453*x.^4)./((1 + x.^2).^(17/6));
for ii = 1:size(k,1)
for jj = 1:size(k,2)
E_int = integral(E,k(ii,jj),10000);
beta(ii,jj) = c*gamma/(k(ii,jj)*sqrt(E_int));
end
end
end
到目前为止,我是这样解决的:
function beta = beta_calc(k,c,gamma)
k_1d = reshape(k,[1,numel(k)]);
E_1d =@(k) 1.453.*k.^4./((1 + k.^2).^(17/6));
E_int = zeros(1,numel(k_1d));
parfor ii = 1:numel(k_1d)
E_int(ii) = quad(E_1d,k_1d(ii),10000);
end
beta_1d = c*gamma./(k_1d.*sqrt(E_int));
beta = reshape(beta_1d,[size(k,1),size(k,2)]);
end
在我看来,它并没有真正提高性能。你怎么看这件事?
你介意点一盏灯吗?
先谢谢你了。
编辑
我将介绍一些涉及我的问题的理论背景。 一般情况下,beta的计算方式如下
因此,在一维k数组的缩减情况下,E_int可以计算为
E = 1.453.*k.^4./((1 + k.^2).^(17/6));
E_int = 1.5 - cumtrapz(k,E);
或者,或者,作为
E_int(1) = 1.5;
for jj = 2:numel(k)
E =@(k) 1.453.*k.^4./((1 + k.^2).^(17/6));
E_int(jj) = E_int(jj - 1) - integral(E,k(jj-1),k(jj));
end
尽管如此,k
目前是一个矩阵k(size1,size2)
。
最佳答案
这是另一种方法,并行化,因为使用 spmd
或 parfor
很容易。考虑 quad
而不是 integral
,请参阅 link例如...
关于performance - 加速嵌套 for 循环,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/14428190/