??用過Matlab的同學應該都知道，Matlab的慢是出了名的，但是再慢也有優化的方式，下面我們給出幾個Matlab編程中常用的優化技巧。

??在講優化方法之前，首先要說的就是Matlab中用tic toc的方式來計算運行時間，這是個常識。當然，想統計具體的耗時，可以用profile工具。

1. 向量化操作

??這個應該是用過Matlab的同學都清楚的一點，Matlab中操作向量和矩陣的速度要比使用for循環的速度快很多，是因為其底層調用了高性能線性代數庫BLAS庫和LAPACK庫。這個就不多說了。

2. 內存預分配

??在Matlab中我們可以定義一個空矩陣

mtx = [];

然后后面再給它加入一些數據，而且這個矩陣大小可以隨著我們填入數據的多少而變化。像下面這個程序

tic
n = 1000;
mtrx = [];
init = 1.0;
for i = 1:n
    for j=1:n
        mtrx(i,j) = init + 1.0;
    end
end
toc

這個程序的運行時間是多久呢？在我電腦上是0.2秒。

??那這個程序有什么問題呢？就是我們沒有為這個矩陣分配一個內存空間，而且在循環中，矩陣大小是變化的，這就導致每次循環時都浪費額外的時間去尋找滿足需求的內存空間，將改變大小后的矩陣整體移動到這個新的內容空間中，并釋放原來的內存空間，這除了會影響代碼的運行效率，還容易形成內存碎片，讓程序越來越難找到滿足條件的內存。

??因此在循環前給矩陣預分配內存是很一個良好的習慣，如果沒有這個習慣，你還可以通過Matlab自帶的代碼檢查器來查看是否存在類似問題。

所以，我們應該把程序修改如下：

tic
n = 1000;
mtrx = zeros(n,n);
init = 1.0;
for i = 1:n
    for j=1:n
        mtrx(i,j) = init + 1.0;
    end
end
toc

這個程序只用了0.007秒的時間就運行完成了，可見它們的差距有多大。

3. 按列存儲

??Matlab中默認是按列存儲的，也就是說，列向量在內存中是連續排列的，對連續的數據做處理肯定是要快的，所以我們在定義向量時一般都會使用列向量。下面對比矩陣中對行做操作和對列做操作花費的時間。

n = 10000;
mtrx = rand(n,n);
mcol = zeros(n,1);
mrow = zeros(1,n);
tic
for i=1:n
    mcol(i) = sum(mtrx(:,i));
end
toc

我們對矩陣中的每一列都求和，總共用了0.17秒。

tic
for i=1:n
    mrow(i) = sum(mtrx(i,:));
end
toc

再對矩陣中的每一行求和，用了0.8秒。  
可以看出，對列操作比對行操作速度要快很多。

4. 數據類型

??在Matlab中，數據類型默認是double型，對使用者來說，無需太多關心數據類型當然是省心省力的，但這也帶來了一個問題就是double型占用的內存較多，還有可能拖慢程序的運行速度。所以，在適當的情況下，我們可以把數據類型選擇為邏輯型、字符型、整型等。但這樣還需要注意的一點是，一個變量在改變數據類型時會消耗額外的時間，因此還不如重新建一個新變量。  
??高效編程的內容就先寫這么多，后面還會繼續補充。下面說一個Matlab調試中斷點設置問題。在一個for循環中，比如for i=1:n，我們想在i=100的進入斷點，這個時候應該怎么用？以前的時候我們都會這么寫

for i=1:n
    if(i==100)
        pass
    end
end

??把斷點設置在pass處，但其實不用這么弄。Matlab中提供了條件斷點的設置方式。在循環中右鍵選擇設置條件斷點，如下圖所示。

Figure 1. 條件斷點設置1

在下面的窗口中填入條件即可，比如i==100。

Figure 2. 條件斷點設置2

這樣，當程序運行到i==100時就會進入斷點，不需要自己再寫額外的語句。