我一開始寫了好幾個for循環，從不同的Excel文件中調用數據。后來用MATLAB自帶的“運行並計時”功能，找到了毒瘤的代碼是讀取Excel中的數據，此操作占用了我將近80%的時間。然后我優化了一下，盡量減少讀取Excel的次數，代碼跑的時間立刻就下來了
一、 遵守Performance Acceleration的規則
二、 遵守三條規則
三、 絕招
一、 遵守Performance Acceleration的規則
1、只有使用以下數據類型，matlab才會對其加速: logical,char,int8,uint8,int16,uint16,int32,uint32,double
而語句中如果使用了非以上的數據類型則不會加速，如：numeric,cell,structre,single,function handle,java classes,user classes,int64,uint64
2、matlab不會對超過三維的數組進行加速。
3、當使用for循環時，只有遵守以下規則才會被加速：a、for循環的范圍只用標量值來表示；b、for循環內部的每一條語句都要滿足上面的兩條規則，即只使用支持加速的數據類型，只使用三維以下的數組；c、循環內只調用了內建函數（build-in function）。
4、當使用if、elseif、while和switch時，其條件測試語句中只使用了標量值時，將加速運行。
5、不要在一行中寫入多條操作，這樣會減慢運行速度。即不要有這樣的語句：
x = a.name; for k=1:10000, sin(A(k)), end;
6、當某條操作改變了原來變量的數據類型或形狀（大小，維數）時將會減慢運行速
度。
7、應該這樣使用復常量x = 7 + 2i，而不應該這樣使用：x = 7 + 2*i,后者會降低
運行速度。(已驗證)
二、 遵守三條規則
1、盡量避免使用循環
a、盡量用向量化的運算來代替循環操作。最常用的使用vectorizing技術的函數有：All、diff、ipermute、permute、reshape、squeeze、any、find、logical、prod、shiftdim、sub2ind、cumsum、ind2sub、ndgrid、repmat、sort、sum 等。
請注意matlab文檔中還有這樣一句補充：“Before taking the time to
vectorize your code, read the section on Performance Acceleration.
You may be able to speed up your program by just as much using the MATLAB JIT Accelera tor instead of vectorizing.”
b、在必須使用多重循環時下，如果兩個循環執行的次數不同，則在循環的外環執
行循環次數少的，內環執行循環次數多的。這樣可以顯著提高速度。(已驗證)
2、a、預分配矩陣空間，即事先確定變量的大小，維數。這一類的函數有zeros、ones、cell、struct、repmat等。
b、當要預分配一個非double型變量時使用repmat函數以加速，如將以下代碼：
A = int8(zeros(100));換成：A = repmat(int8(0), 100, 100);(已驗證)
c、當需要擴充一個變量的大小、維數時使用repmat函數。(已驗證)
3、a、優先使用matlab內建函數，將耗時的循環編寫進MEX-File中以獲得加速。b、使用Functions而不是Scripts 。
三、 絕招
你也許覺得下面兩條是屁話，但有時候它真的是解決問題的最好方法。
1、改用更有效的算法
2、采用Mex技術，或者利用matlab提供的工具將程序轉化為C語言、Fortran語言。
關於如何將M文件轉化為C語言程序運行，可以參閱本版帖子：“總結：m文件轉化為c/c++語言文件，VC編譯”。
一、未進行內存預分配
y = 0;
tic;
for i=2:100000;
y(i+1) = y(i)+ randn;
end;
toc
時間已過 0.031222 秒。
二、進行內存預分配
y = zeros(100001,1);
tic;
for i=2:100000;
y(i+1) = y(i)+ randn;
end;
toc
時間已過 0.007672 秒。
節約時間=（0.031222-0.007672 ）/ 0.031222 =75%
三、進行矩陣計算
y = zeros(100001,1);
tic;
y= cumsum([0;y]);
toc
時間已過 0.000445秒。
節約時間=（0.031222-0.000445 ）/ 0.031222 =98.6%