Matlab中无循环实现矩阵元素两两比较及加权求和优化

核心思路是利用Matlab的向量化运算和广播机制，把所有B矩阵批量处理，替代逐个循环的操作，具体步骤如下：

• 批量整理B矩阵：将所有B1、B2…Bk矩阵堆叠为一个三维数组B_stack，其中B_stack(:,:,i)对应第i个矩阵Bi。如果B矩阵原本存在cell数组中（比如B_cell = {B1,B2,...Bk}），可以直接用B_stack = cat(3, B_cell{:})快速堆叠。
• 整理权重：将w1、w2…wk整理为一维数组w = [w1,w2,...wk]。
• 批量计算max：借助Matlab的广播机制，A会自动扩展为与B_stack同维度的数组，直接用max(A, B_stack)一次性得到所有max(A,Bi)的结果，形成三维数组max_vals。
• 加权求和：将权重数组与max_vals逐元素相乘后，沿着第三个维度求和，得到最终的S。

代码示例 #

% 假设A为m×n矩阵，B1~Bk均为m×n矩阵，w1~wk为对应权重
% 1. 堆叠B矩阵
B_stack = cat(3, B1, B2, B3, ..., Bk); 
% 若B矩阵存在cell数组中：
% B_cell = {B1, B2, B3, ..., Bk};
% B_stack = cat(3, B_cell{:});

% 2. 整理权重数组
w = [w1, w2, w3, ..., wk];

% 3. 批量计算max(A, Bi)
max_vals = max(A, B_stack);

% 4. 加权求和得到S
S = sum(w .* max_vals, 3);

效率说明 #

Matlab的内置函数（max、sum）和向量化运算都是底层优化实现的，比显式循环快几个数量级，尤其是当B矩阵数量较多时，这种方法的性能优势会非常明显。

内容的提问来源于stack exchange，提问作者user21473967