#include<stdio.h>#include<stdlib.h>#include<time.h>#define M 400 //定义阶层的最大值 int main(void){ clock_t start1,start2,start3,start4,start5,start6,finish1,finish2,finish3,finish4,finish5,finish6; double total_time1,total_time2,total_time3,total_time4,total_time5,total_time6; int sum=0; int a[M][M]={0},b[M][M]={0},c[M][M]={0}; int i,j,k,n; for (i=0; i<M;i++){ //随机生成矩阵 a[],b[] for(j=0;j<M;j++) { a[i][j] =rand()%100; } } for (i=0;i<M;i++){ for(j=0;j<M;j++) { b[i][j] = rand()%100; } } for(n=50;n<=M;n+=50){ //计算每个50个阶层的六个不同矩阵乘法的运行时间 printf("阶层为：%d ",n); start1=clock(); for(i=0;i<n;i++){ for(j=0;j<n;j++){ sum=0; for(k=0;k<150;k++){ sum+=a[i][k]*b[k][j]; } c[i][j]+=sum; } } finish1=clock(); total_time1=(double)(finish1-start1)/CLOCKS_PER_SEC; printf("ijk:%f 秒 ",total_time1); start2=clock(); for(j=0;j<n;j++){ for(i=0;i<n;i++){ sum=0; for(k=0;k<150;k++){ c[i][j]=sum+c[i][j]; } } } finish2=clock(); total_time2=(double)(finish2-start2)/CLOCKS_PER_SEC; printf("jik:%f 秒 ",total_time2); start3=clock(); for(k=0;k<n;k++){ for(j=0;j<n;j++){ for(i=0;i<n;i++){ c[i][j]+=a[i][k]*b[k][j]; } } } finish3=clock(); total_time3=(double)(finish3-start3)/CLOCKS_PER_SEC; printf("kji:%f 秒 ",total_time3); start4=clock(); for(i=0;i<n;i++){ for(k=0;k<n;k++) { double r=a[i][k]; for(j=0;j<n;j++){ c[i][j]=r*b[k][j]+c[i][j]; } } } finish4=clock(); total_time4=(double)(finish4-start4)/CLOCKS_PER_SEC; printf("ikj:%f 秒 ",total_time4); start5=clock(); for(j=0;j<n;j++){ for(k=0;k<n;k++) { double r=b[k][j]; for(i=0;i<n;i++){ c[i][j]=a[i][k]*r+c[i][j]; } } } finish5=clock(); total_time5=(double)(finish5-start5)/CLOCKS_PER_SEC; printf("jki:%f 秒 ",total_time5); start6=clock(); for(k=0;k<n;k++){ for(i=0;i<n;i++) { double r=a[i][k]; for(j=0;j<n;j++){ c[i][j]=r*b[k][j]+c[i][j]; } } } finish6=clock(); total_time6=(double)(finish6-start6)/CLOCKS_PER_SEC; printf("kij:%f 秒 \n",total_time5); } return 0;} 在此代码的基础上改进矩阵乘法代码，使其运行更快

针对这份代码，可以考虑以下改进措施：

1.使用更高效的算法：目前这份代码使用的是朴素的三重循环实现矩阵乘法，时间复杂度为O(n^3)。可以使用更高效的算法，如Strassen算法，时间复杂度为O(n^log2(7))，可以大幅减少计算时间。

2.使用多线程或并行计算：可以将矩阵分块，将块分配到不同的线程或处理器上运算，可以提高计算速度。

3.优化内存访问：可以将矩阵转置后进行运算，这样可以提高缓存的利用效率，从而提高计算速度。

4.使用SIMD指令：可以使用CPU的SIMD指令集，如SSE、AVX等，对数据进行并行处理，可以提高计算速度。

5.避免内存访问冲突：可以将矩阵存储在连续的内存空间中，避免内存访问冲突，从而提高计算速度。