同样功能的程序，matlab 为什么比VC++6.0 运行慢很多

开发的层次不一样。VC更接近于系统低层，甚至可以直接访问硬件，效率很高。编译后的代码能独立运行。而matlab则是封装了许多功能的一个应用软件，其开发的程序必须在这个系统的支持下才能运行，效率低是肯定的。甚至matlab这个软件也是用C语言编写的。

MATLAB是一种解释性语言，从运行效率来说肯定远不如其他基本语言。但还是有些方法可以提高运行速度的：

1，MATLAB擅长于矩阵运算，但并不适用于循环，能不用循环的地方尽量用矩阵运算代替；

2，对于大维度的矩阵，要预先确定它的维度，比如用zeros(a,b,c)预先定义好，这样每次给矩阵赋值的时候就不用改变维度了，对运算速度的提高很明显，这点你可以用MATLAB自带的tic和toc命令测试。

3对于多重循环的将长的循环放在内循环。还有对有相似功能的命令的选择也对速度有影响。

如果对于计算量特别大的程序，用MATLAB是不怎么合适的哦，你可以把计算部分用其他语言，比如FORTRAN来实现。

在matlab中， 当数据比较大时，运算起来就困难了，有时候还会out of memory（例如40004000的矩阵，要算矩阵乘法都比较吃力）。此文会记录我学到的一些解决办法：

1 将数据的存储类型从double转换成single

在matlab中double数据类型占8个字节，single类型占4个字节。把数据类型从double类型转换成single类型可以节省一半的空间。

单精度浮点数single的取值范围可以通过[-realmax('single'), -realmin('single')] U [ realmin('single'), realmax('single')]查看，可以发现其范围一般是足够我们使用了。

2 避免使用高维矩阵

当数据量很大时，使用高维矩阵无疑是雪上加霜，可以考虑使用多个低维矩阵。

例如有3个NN的矩阵（K1，K2，K3），为了程序书写的方便，可以把这三个矩阵保存在一个NN3的矩阵K中，那么使用这三个矩阵时就只通过K来访问。但是，当N比较大时，三维矩阵K就更大了，很容易造成out of memory。 所以为了避免out of memory，还是使用多个二维矩阵比较好（与其分配一个更大的空间给K，不如分配多个小矩阵，虽然总量一样），可是这样取用这三个矩阵却不方便了。下面给出我的解决方案：

N = 5000;

K1 = rand(N,N);

K2 = rand(N,N);

K3 = rand(N,N);

a = ['K1'; 'K2'; 'K3']; % 将这三个矩阵的名字存成字符串矩阵

B1=eval(a(1,:)); % 通过eval()函数来取用K1

B2=eval(a(2,:)); % 取用K2

B3=eval(a(3,:)); % 取用K3

这里用到的eval函数的功能强大，可以将字符串的内容当做matlab命令来执行（Execute string containing MATLAB expression）

3 及时清理不用变量，特别是大数据矩阵。及时清理可以腾出空间。同时，在生成矩阵的时候最好一次性申请足够的空间，不要在程序运行的时候变化矩阵大小。

4 如有可能，尽量采用矩阵元素之间的运算，而不是直接的矩阵乘法

以上就是关于同样功能的程序，matlab 为什么比VC++6.0 运行慢很多全部的内容，包括:同样功能的程序，matlab 为什么比VC++6.0 运行慢很多、如何加快matlab程序的运行速度、MATLAB矩阵过大，导致程序崩溃怎么办等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！