【讨论】关于随机生成[-1,1]的随机数的方法与效率

qibbxxt

之前在mathworks的官方网站上面看到有人发布一个如何随机生成一个矩阵，矩阵的元素要么是1要么是-1，我就对这个问题思考了一下，写了几种做法，并且从效率的角度判断，得出一些效率方面的结论。

序号	表达式	时间
1	floor(rand(m,n)*2)*2-1	0.000202611676683
2	fix(rand(m,n)*2)*2-1	0.000203352632381
3	randi([0,1],m,n)*2-1	0.000270219098047
4	round(rand(m,n))*2-1	0.000281978667666
5	randsrc(m,n,[1,-1;0.5,0.5])	0.000384587559915
6	bsxfun(@power,-1+zeros(m,n),randi([1,2],m,n))	0.000600111719102
7	for j=1:n         for k=1:m             B(k,j)=(-1)^(1-rand<0.5)         end     end	0.001048428205005
8	accumarray(b,a',[],@(x)round(rand)*2-1)	0.045509395803949
9	reshape(accumarray(a',a',[],@(x)round(rand)*2-1),m,n)	0.045655019833399

我从中得出了一些经验结论（不一定对）：

• 循环不一定是最慢的（小规模的时候）
• 内置函数由于考虑通用性，不一定最快
• 简洁和高效有时候是一回事，有时候不是一回事
  
  
  
  附近中是测试的程序

lengyunfeng

其实之前我也做过一些算法（其实当时是做tic toc以及clock等计时器计时的差别的，原本还想写个帖子的）耗时的检验，发现同一段耗时比较短的程序在不同的时候运行时间是不一样的，这种时间的差别有时候竟超过2个数量级。这是由很多因素导致的，但其中一个重要的因素就是计算机不可能在完全相同的条件下做n次重复试验，这可能和计算机指令的解读、运算器等硬件设计有关，必将导致数据离散性很大。所以我觉一种算法的优劣不能靠少量数据来判断，而要靠海量数据来判断，至少要使所涉及的算法平均耗时超过5s以上，这才能显出其优劣性。

qibbxxt

2# lengyunfeng
对，的确是这样的，一方面计算机的稳定性，另外一方面应该用大的数据量进行测试，这样更可靠和有说服力，还有，不同的电脑由于配置不同，也可能导致效率差别，只不过相对来说，也许可以说明一些问题，比如reshape,repmat等的效率是要低一些罢了

rocwoods

repmat和reshape以前效率可能比较低，不过好像在高版本下效率不低了（除去函数第一次调用开销外）

1. 
   
2. >> tic;ones(5000);toc
   
3. Elapsed time is 0.144855 seconds.
   
4. >> tic;ones(5000);toc
   
5. Elapsed time is 0.152409 seconds.
   
6. >> tic;ones(5000);toc
   
7. Elapsed time is 0.152686 seconds.
   
8. >> clear
   
9. >> tic;repmat(1,5000,5000);toc
   
10. Elapsed time is 0.726465 seconds.
    
11. >> tic;repmat(1,5000,5000);toc
    
12. Elapsed time is 0.153706 seconds.
    
13. >> tic;repmat(1,5000,5000);toc
    
14. Elapsed time is 0.152963 seconds.
    

复制代码

qibbxxt

4# rocwoods
恩，的确是，matlab现在的速度的却比以前有很大的改进，对一些函数的效率应该重新认识了