同时分配给矩阵的多个子矩阵。通过向量索引可能的优化
 

是否有一种聪明的方法可以向量化for循环，从而将元素分配给矩阵的子矩阵？
最初，我有两个for循环：

U=zeros(6*(M-2),M-2); for k=2:M-3 i=(k-1)*6+1; for j=2:M-3 U(i:i+5,j)=A*temp(i:i+5,j)+B*temp(i:i+5,j-1)+C*temp(i:i+5,j+1)+D*temp(i-6:i-1,j)+E*temp(i+6:i+11,j); end end 然后我对内循环进行了矢量化处理，以使代码现在可以读取

U=zeros(6*(M-2),M-2); j=2:M-2; for k=2:M-3 i=(k-1)*6+1; U(i:i+5,j)=A*temp(i:i+5,j)+B*temp(i:i+5,j-1)+C*temp(i:i+5,j+1)+D*temp(i-6:i-1,j)+E*temp(i+6:i+11,j); end 这将我的CPU时间减少了90％以上，因此我想知道是否可以对外部循环执行相同的操作，但是这似乎有些棘手，因为我在U矩阵中分配了（6x1）矩阵。我试过了

U=zeros(6*(M-2),M-2); k=2:M-3; i=(k-1)*6+1; j=2:M-2; U(i:i+5,j)=A*temp(i:i+5,j)+B*temp(i:i+5,j-1)+C*temp(i:i+5,j+1)+D*temp(i-6:i-1,j)+E*temp(i+6:i+11,j); 但这失败了，因为i：i + 5只取出了我想要的前6个索引。

我也尝试过使用reshape（）函数将矩阵转换为向量，但是似乎仍然很难一次分配给几个元素块。在代码中总共有三个这样的for循环，所以我猜一个替代的优化是以某种方式并行化它们。但是，如果不能使用并行工具箱，矢量化在我看来是一个很好的解决方案。

该代码是用于求解网格上的6个方程组的数值有限差分方法中子例程的一部分，因此，该问题可能与在方程组（尤其是[URL="http://en.wikipedia.org/wiki/Partial_differential_equation"]PDE）[/URL]上进行矩阵计算的任何人有关。有关优化代码的建议将不胜感激！



[B]回答：[/B]

若要了解如何在没有循环的一行中编写赋值，将数组temp绘制为矩形可能会有所帮助。然后，将合并到U的不同求和算子不过是temp子矩形（或子网格，如果要跟踪temp中的单个元素，这会导致U的特定元素），这些子元素将移至分别为左，右，上，下。

%# define row, column shifts rowShift = 6; colShift = 1; %# That's how we'd like to shift %# U(i:i+5,j)=A*temp(i:i+5,j)+B*temp(i:i+5,j-1)+C*temp(i:i+5,j+1)+ %# D*temp(i-6:i-1,j)+E*temp(i+6:i+11,j); %# assign U U = A * temp(rowShift+1 : end-rowShift, colShift+1 : end-colShift) +... B * temp(rowShift+1 : end-rowShift, 1 : end-2*colShift) + ... C * temp(rowShift+1 : end-rowShift, 2*colShift+1 : end) + ... D * temp(1 : end-2*rowShift, colShift+1 : end-colShift) + ... E * temp(2*rowShift+1 : end, colShift+1 : end-colShift);

[url=https://stackoverflow.com/questions/5448706]更多&回答...[/url]