2021建站公司/今日头条新闻

同样的算法和思路，不同的人写出来的程序，执行效率可能有成倍的差别。主要原因就是写代码的习惯，这里介绍点个人的小体会。

1.

向量化，少用for。很多人写Matlab代码，会沿用C语言的思路，经常用for循环逐个遍历矩阵或者向量的元素，这是造成代码执行效率低的主要原因。Matlab顾名思义就是矩阵实验室，对矩阵和向量的处理是特别优化的。在CPU的一个时钟周期里，如果导入的是向量或者矩阵，在intel的一些底层库的支持下，可以用一个指令处理一批数据，相当于是批量并行的。如果用for循环，一个时钟周期只能处理一个矩阵元素，自然慢了。比如，用find代替for循环查找向量中的某个元素。用01二值的向量做布尔运算，可以代替很多循环和if判断，速度提升非常显著。这个方法还能精简代码，增强程序的可读性。

2.

建立查找表，空间换时间。对于碰撞检测，灰度变换等操作，如果用for循环遍历的话，往往需要两层循环，计算量呈现平方量级的增长。这时候，建立查找表往往可以实现成百倍的效率提升。以灰度变换为例，最简单的就是8位的图片，建立一个256个元素的向量，把要替换的灰度填写到这个向量里。做变换的时候，直接查找就可以了。如果条件更为复杂，可以建立二维的，甚至n维的查找表。本人曾经用这个方法，把一个程序的计算时间从十分钟缩短到7秒。查找表实际上是一种空间换时间的操作，在具体应用的时候，需要权衡。一般来说，现在内存都比较大了，还是挺实用的。另外，需要说的是，这种方法会降低点程序的可读性，如果你的程序速度已经很快了，就没必要用了。

3.

少用全局变量global，用传递参数代替。用global确实方便，不需要传递参数了。但少写点代码的代价可能是计算时间延长。如果计算量很大的话，还是建议多写点代码。

另外，有些人喜欢把中间变量输出来，如果出现刷屏的情况，屏幕的变量不断跳动，说明输出已经严重影响到内部的计算速度了。我的经验是会降低一两倍。

说点题外的，很多人喜欢沿用C语言的习惯，循环的中间变量用i和j，这在Matlab里是非常不推荐的。因为有特殊的含义，比如5+3i，这里的i表示虚数。一般情况下，使用i和j都没问题，但就怕出现这种特殊表示，那你查起来，就费劲了，甚至会觉得出错莫名其妙。我的习惯是用m、n代替。

在判断是否相等的语句中，比如x==2，这种写法也是不推荐的。建议是2==x，因为有可能把==写成=，这样的差别是很难看出来的，而且程序根本不会报错，而是每次都返回true！出现这种错误，也是很难排查的。而如果写成2==x，如果少输入一个等号，就会报错，及时地发现这个错误。这个习惯也适合C等其他语言程序的编写。

注意细节，养成习惯，会让你的代码更加稳健，出错概率低。这样长久下去，你写程序也会越来越自信。