julia比较matlab 速度,关于Julia 和Matlab速度的比较！（以偏概全）。

在本人机器上，MATLAB是2013A版本， JULIA是0.2版本。

本人进行了以下几个比较：

一、矩阵随机数

JULIA:

julia> @time p=rand(10000,10000)

elapsed time: 0.725364962 seconds (800236500 bytes allocated)

10000x10000 Array{Float64,2}:

MATLAB:

>> tic;p=rand(10000,10000);toc

Elapsed time is 2.718032 seconds.

JULIA胜出！

二、矩阵操作

JULIA:

(1)向量和：小量级

julia> X=1:1000

1:1000

julia> @time sum(X)

elapsed time: 0.00412673 seconds (43028 bytes allocated)

500500

(2)向量和：大数级

julia> a=rand(1,100000000)

1x100000000 Array{Float64,2}:

0.970678  0.236125  0.446117  0.177539  …  0.469363  0.429614  0.222946

julia> @time sum(a);

elapsed time:

0.369308621 seconds (64 bytes allocated)

(3) 删除矩阵某行

julia> a=rand(1000,1000);

julia> @time a=a[[1,3:end],:];

elapsed time: 0.145651394 seconds (10560016 bytes allocated)

MATLAB:

(1)向量和：小量级

>> X=1:1000;

>> tic;sum(X);toc

Elapsed time is 0.000037 seconds.

(2)向量和：大数级

>> a=rand(1,100000000);

>> tic;sum(a);toc;

Elapsed time is 0.085890 seconds.

(3) 删除矩阵某行

>> a =rand(1000,1000);

>> tic;a(2,:)=[];toc;

Elapsed time is 0.008743 seconds.

MATLAB胜出！可见，MATLAB在向量化计算时，还是有一定优势的！

三、循还

JULIA:

testfun.jl:

#####################

function testfun()

p=0.0

for i=1:10000000

p=p+0.01;

end

end

##########################

julia> include("D://strategyJulia//testfun.jl")

testfun (generic function with 1 method)

julia> @time testfun()

elapsed time:

julia>

0.014341504 seconds (92820 bytes allocated)

MATLAB:

%testfun.m

tic;

p=0.0;

for i=1:10000000

p=p+0.01;

end

toc;

%

>> MATLAB_2012.testfun

Elapsed time is 0.100696 seconds.

在循还上，JULIA胜出！

从上面来看，各有优势。因此，在可以向量操作和循还操作时，JULIA优先推荐使用循还，而不是向量操作。

综合以上，个人认为，JULIA的综合性能更佳！