python矩阵最优化_如何在python中优化矩阵的数学运算

在您给出的简单示例中，使用for k in xrange(4):时，循环体只执行两次(如果r==s)，或者执行三次(如果r!=s)，并且下面的一个初始numpy实现慢了一个很大的因素。Numpy被优化为在长向量上执行计算，如果向量很短，开销可能会超过好处。(注意，在这个公式中，矩阵被分为不同的维度，并且不连续地索引，这只会使向量化实现的事情变得更复杂)。在import numpy as np

distance_matrix_np = np.array(distance_matrix)

stream_matrix_np = np.array(stream_matrix)

n = 4

def deltaC_np(r, s, sol):

delta = 0

sol_r, sol_s = sol[r], sol[s]

K = np.array([i for i in xrange(n) if i!=r and i!=s])

return np.sum(

(stream_matrix_np[r,K] - stream_matrix_np[s,K]) \

* (distance_matrix_np[sol_s,sol[K]] - distance_matrix_np[sol_r,sol[K]]) + \

(stream_matrix_np[K,r] - stream_matrix_np[K,s]) \

* (distance_matrix_np[sol[K],sol_s] - distance_matrix_np[sol[K],sol_r]))

在这个numpy实现中，操作应用于numpy中for中的元素，而不是for循环，而是应用于numpy中K中的所有元素。另外，请注意，您的数学表达式可以简化。左边括号里的每一项都是右边括号里的否定项。