优化循环：操作简单但大量迭代耗时长

【问题标题】：Optimising loop: simple operations but large number of iterations taking long优化循环：操作简单但大量迭代耗时长
【发布时间】：2020-05-20 17:26:16
【问题描述】：

我正在运行一段 Matlab 代码，它需要将近 70 个小时，我确信有一种更有效的编写脚本的方法，但我不知道怎么做。循环 1 次迭代需要 1 秒。问题当然是 length(i) 是 186144。

braindip = normrnd(0, 50, 186144,3);
nobrain = normrnd(0, 45, 25014656,3);

ok = 1; 
alpha = 2;
h = waitbar(0,'Please wait...');
dip_away = nan(size(braindip));
for i = 1:size(braindip,1)
  tic
  h_norm = repmat(braindip(i,:), size(nobrain,1),1);
  nn = sqrt(sum((h_norm - nobrain).^2,2));

  if min(nn) > alpha
    dip_away(ok,:) = braindip(i,:);
    ok = ok+1;
  end
  toc
  waitbar(i / size(braindip,1))
end

有人对优化这个循环有什么聪明的建议吗？非常感谢！

【问题讨论】：

刚刚意识到您正在寻找最近的点。 dsearchn 可能比自己编码更快。

标签： matlab loops optimization

【解决方案1】：

假设您使用的是支持自动广播的 MATLAB 2016b 或更高版本，您可以更改：

h_norm = repmat(braindip(i,:), size(nobrain,1),1);
nn = sqrt(sum((h_norm - nobrain).^2,2));

到

nn = sqrt(sum((braindip(i,:) - nobrain).^2,2));

第二种选择是消除 sqrt。使用：

nn_qbd = sum((braindip(i,:) - nobrain).^2,2);
if min(nn_qbd) > alpha_qbd

其中alpha_qbd=alpha.^2，显然只提前计算了一次。这导致第三步，无需将 nn_qbd 存储在变量中。您只对最低限度感兴趣：

nn_qbd_min = min(sum((braindip(i,:) - nobrain).^2,2));
if nn_qbd_min > alpha_qbd

将原始代码与第三个选项相比，执行时间大致减少了一半。

【讨论】：

bsxfun() 也是旧版本支持的选项。