大规模分子数据数组高效搜索优化方案求助

数据老陈

2026-7-6

分子原子组合数据处理的性能优化需求

初始实现与性能瓶颈

最初处理分子原子组合数据的代码如下：

mol1...;mol2...;
r1 = size(e, 1);% 待比对氨基酸的候选数
r0 = size(e0,1);% 参考氨基酸的候选数
for i = 1 : r1
    %if e(i, 1) > 4
        for j = 1 : r0
            %if e0(j, 1) > 4
                if e(i, 1) == e0(j, 1)
                    eI(i, j) = e(i, 1);% 匹配的原子数量
                    eT(i, j) = abs((e(i, 2) - e0(j, 2)) / e0(j, 2) * 100);
                end
            %end
        end
    %end
end

其中mol1和mol2代表原子选择组合及总数（例如3原子分子的组合为(1,1,0,0)、(1,0,1,0)…(3,1,1,1)），e和e0为几何相关数值。

当数组规模达到20万时，计算效率极低。尝试过滤原子数<5的组合，但未带来性能提升——问题根源在条件判断环节。后续通过删除原子数<5的组合并保留索引重构数组，计算时间减半，但处理300个分子仍需2年，而计划要扩展到20000个分子。

当前优化版本（版本3，较版本2快50倍）

e(:,7)=find(e (:, 1));
e0(:,7)=find(e0 (:, 1));
[val,ia,ib]=intersect(e(:, 1), e0(:, 1));
for i = 1 : size(ia)
    for j = 1 : size(ib)
        eI(e(ia(i), 7), e0(ib(j), 7)) = e(ia(i), 1);
        eT(e(ia(i), 7), e0(ib(j), 7)) = abs((e(ia(i), 2) - e0(ib(j), 2)) / e0(ib(j), 2) * 100);
    end
end

（注：修正了原代码中e0(ib(j), )的语法错误，补全为e0(ib(j), 2)）