Julia中高效设置200×200矩阵非对角元素的方法及代码优化咨询

假设在Julia环境下有一个200×200的零矩阵，如何利用其他矩阵的元素高效设置该矩阵的非对角元素？原代码如下：

function (A::Matrix{Complex64}, B::Matrix{Complex64})
  M = zeros(ComplexF64, 200, 200)
  OffDiags  = [i ≠ j for i ∈ 1:nbands, j ∈ 1:nbands]
  M[OffDiags] .= A[OffDiags] ./ B[OffDiags]
end

请问是否存在更高效的实现方式？

优化方向与实现方案 #

原代码存在两个基础问题：一是未定义函数名，二是nbands变量未声明；同时生成布尔掩码矩阵会额外占用内存，这里提供几种更高效的实现方式：

方案一：利用diagind快速排除对角线

这是最简洁且高效的方式，先通过广播完成整体除法，再将对角线置零，Julia的广播操作经过高度优化，性能拉满：

using LinearAlgebra

function fill_offdiag(A::Matrix{Complex64}, B::Matrix{Complex64})
    @assert size(A) == size(B) == (200,200) "输入矩阵需为200×200尺寸"
    M = A ./ B
    M[diagind(M)] .= 0
    return M
end

方案二：带加速宏的循环遍历

如果担心整体广播产生临时内存开销，可以用循环直接处理非对角线元素，配合Julia的内存边界检查跳过和快速数学优化宏，性能接近广播：

function fill_offdiag_fast(A::Matrix{Complex64}, B::Matrix{Complex64})
    @assert size(A) == size(B) == (200,200) "输入矩阵需为200×200尺寸"
    n = 200
    M = zeros(ComplexF64, n, n)
    @inbounds @fastmath for j in 1:n
        for i in 1:n
            i != j && (M[i,j] = A[i,j] / B[i,j])
        end
    end
    return M
end

性能对比说明 #

• 方案一的广播写法代码最简洁，200×200的矩阵尺寸下，整体广播的临时内存开销可以忽略，是首选方案。
• 方案二的循环写法在加入@inbounds和@fastmath后，性能与广播几乎持平，适合对内存使用有严格控制的场景。
• 原代码的掩码方式会额外生成一个200×200的布尔矩阵，虽然内存占用不多，但完全可以通过上述方式避免。

内容的提问来源于stack exchange，提问作者dbrane