MATLAB大矩阵高效计算优化：快速生成行组合求和矩阵B

对于大规模矩阵A，你的双重循环方法因为MATLAB的解释型循环开销，效率会很低。这里推荐用向量化操作来替代循环，利用MATLAB底层优化的矩阵运算能力大幅提升速度。

核心思路 #

我们可以直接生成所有满足j ≥ i的行索引对(i,j)，然后通过矩阵索引一次性计算所有行的和，完全避免循环迭代的开销。

实现代码 #

A = [1 2 3 4; 2 3 4 5; 3 4 5 6]; % 示例矩阵
nbrows = size(A, 1);

% 生成所有i,j索引对，并筛选出j≥i的部分
[i_grid, j_grid] = meshgrid(1:nbrows, 1:nbrows);
valid_mask = j_grid >= i_grid;

% 提取有效索引并计算B
i_vec = i_grid(valid_mask);
j_vec = j_grid(valid_mask);
B = A(i_vec, :) + A(j_vec, :);

为什么这个方法更快？ #

• MATLAB是解释型语言，每一次循环迭代都会带来额外的解析和执行开销，当矩阵规模很大时（比如行数上万），这种开销会被无限放大。
• 向量化操作直接调用MATLAB底层的BLAS/LAPACK库（用C/Fortran实现，经过高度优化），可以充分利用CPU的多核和向量指令集，运算效率远超循环。

结果验证 #

对于你给出的示例矩阵，运行上述代码得到的B和原循环代码的结果完全一致：

B =
     2     4     6     8
     3     5     7     9
     4     6     8    10
     4     6     8    10
     5     7     9    11
     6     8    10    12

额外提示 #

如果你的矩阵规模大到内存紧张，可以考虑分块处理（将索引对分成若干批次计算，再拼接结果），但这是极端情况——毕竟无论用哪种方法，B的规模都是固定的m(m+1)/2 × n，内存需求是一致的。

内容的提问来源于stack exchange，提问作者kaienfr