for i=1:nj T1b(i)=T2(1,ZK(1,1),ZK(1,2),i)+T2(2,ZK(1,1),ZK(1,2),i)+T2(3,ZK(1,1),ZK(1,2),i)+T2(4,ZK(1,1),ZK(1,2),i)+T0(i); T2b(i)=T2(1,ZK(2,1),ZK(2,2),i)+T2(2,ZK(2,1),ZK(2,2),i)+T2(3,ZK(2,1),ZK(2,2),i)+T2(4,ZK(2,1),ZK(2,2),i)+T0(i); T3b(i)=T2(1,ZK(3,1),ZK(3,2),i)+T2(2,ZK(3,1),ZK(3,2),i)+T2(3,ZK(3,1),ZK(3,2),i)+T2(4,ZK(3,1),ZK(3,2),i)+T0(i); T4b(i)=T2(1,ZK(4,1),ZK(4,2),i)+T2(2,ZK(4,1),ZK(4,2),i)+T2(3,ZK(4,1),ZK(4,2),i)+T2(4,ZK(4,1),ZK(4,2),i)+T0(i); end优化程序

可以将 T2 的前 4 维和 ZK 的前 4 列合并成一个 4×4×nj 的矩阵，然后使用矩阵运算对前两维进行求和，得到一个 1×1×nj 的矩阵，最后将这个矩阵展平成一个长度为 nj 的一维向量，就可以得到 T1b、T2b、T3b 和 T4b 四个向量。优化后的程序如下：

% 将 T2 和 ZK 的前 4 列合并成一个 4×4×nj 的矩阵
T2ZK = T2(1:4, ZK(:, 1), ZK(:, 2), :);
T2ZK = permute(T2ZK, [1 2 4 3]);

% 将 T0 扩展成 4×1×nj 的矩阵
T0_ = repmat(reshape(T0, 1, 1, []), 4, 4, 1);

% 对 T2ZK 和 T0_ 进行相加，得到 1×1×nj 的矩阵
Tb_ = sum(T2ZK + T0_, [1 2]);

% 将 Tb_ 展平成一个长度为 nj 的一维向量
Tb = reshape(Tb_, 1, []);

% 将 Tb 按照 T1b、T2b、T3b、T4b 的要求切片
T1b = Tb(1:nj);
T2b = Tb(nj+1:2*nj);
T3b = Tb(2*nj+1:3*nj);
T4b = Tb(3*nj+1:end);

这样，我们将多重循环的计算过程转换成了矩阵运算，大大提高了代码的效率。

相关问题

for i=1:nj T1b(i)=T2(1,ZK(1,1),ZK(1,2),i)+T2(2,ZK(1,1),ZK(1,2),i)+T2(3,ZK(1,1),ZK(1,2),i)+T2(4,ZK(1,1),ZK(1,2),i)+T0(i); end优化代码

可以使用向量化操作来优化这段代码，避免使用循环。可以将T2的维度进行调整，使得第一个维度变成一个4x1的矩阵，并将第四个维度放到第一维，然后使用矩阵乘法来计算T1b。代码如下：

T2_reshaped = permute(T2(:,ZK(1,1),ZK(1,2),:), [4 1 2 3]); % 调整T2的维度
T1b = sum(T2_reshaped, 2) + T0'; % 矩阵乘法，加上T0

这样可以避免使用循环，提高代码的效率。