在MATLAB中如何将矩阵A的稀疏模式应用到矩阵FWtrans上

性能问题原因 #

你现有代码的性能问题核心来自两处：

• 冗余的for循环完全无用：循环体中直接对全部索引k批量赋值，循环执行多少次就重复执行多少次全量赋值，属于纯算力浪费
• 稀疏矩阵的循环赋值会触发多次内部内存重分配，MATLAB稀疏矩阵的性能优化完全针对向量化操作，循环操作会带来数量级的性能下降

优化实现 #

最小改动版本（仅删除冗余循环即可） #

直接去掉for循环，保留你原有逻辑，用向量化赋值即可：

Wtrans = transpose(W);
As = sparse(A);
FWtrans = F * Wtrans;
[m,n] = size(FWtrans);
k = find(As);
X = spalloc(m,n, nnz(A));
% 直接向量化赋值，无需循环
X(k) = FWtrans(k);

更简洁高效的版本（一行实现稀疏模式匹配） #

利用稀疏逻辑矩阵点乘，自动保留A非零位置的数值，代码更短性能更高：

Wtrans = transpose(W);
FWtrans = F * Wtrans;
% 直接用A的非零掩码点乘，自动保留对应位置数值，自动输出稀疏矩阵
X = FWtrans .* spones(A);

最高性能版本（直接构造稀疏矩阵） #

如果你的矩阵规模极大，用sparse构造函数直接生成结果，避免中间步骤的额外开销：

Wtrans = transpose(W);
FWtrans = F * Wtrans;
[i,j,~] = find(A);
X = sparse(i, j, FWtrans(sub2ind(size(FWtrans),i,j)), size(FWtrans,1), size(FWtrans,2));

内容的提问来源于stack exchange，提问作者user17472876