Matlab 数据类型与.NET 数据类型转换 GalaxyGap 2012-12-11 用Matlab 写算法还是有很多优势的，具体表现在以下几个方面：1)Matlab的内部函数是用C 语言写的，虽然M 语言是解释性语言，但调用内部函数进行计算还是很快的。2)一般我们写算法都会涉及到很多基本的数学操作，比如说矩阵相乘、矩阵求逆、求特征值、满足特定分布的随机数生成、基本统计量的计算等等。这些基本的数学操作可以说是我们算法的基本组成部分，我们可以使用任何一种语言编写函数一一实现这些基本的数学操作，然后由这些最基本的数学操作构建我们更复杂的算法。但是我们有没有必要这么做呢？显然没有！因为这些基本的数学操作虽然原理我们都懂，自己亲自动手实现也不会太难，但它太耗时，我们自己写出来的东西可能也不稳健！耗时这个很好理解了，即使是一个很简单的矩阵求逆我们也要写一大段的代码，费劲心思去进行流程设计和步骤分解，编写代码的时候也要小心翼翼地处理各种细节。可以说从最底层开始写算法是非常费神的，等你算法写好了，估计也已经累得半死，然后项目也早过期了。更严重的是自己写出来的基本模块没有一些数学软件提供的模块那么稳健，可能存在某些漏洞或 bu g，这样程序调试起来又更费力气。可以说从最底层写算法是一件吃力不讨好的事情。相反若在某些数学软件的平台上写算法，我们的工作就会省去一大半，而且写出来的算法也更稳健。比如说在Matlab 上我们要实现矩阵求逆，只需要调用一个函数便可得到结果。而且这个函数应该是比较稳健的，不会出什么意外。更重要的是，Matlab 平台不仅仅是提供了一些最基本的数学操作，还在此基础上实现了一些更高级的模块，比如说求解线性方程组、曲线拟合、积分微分等。这些更高级的模块也都可以成为我们算法的组成部分。也即是我们的算法可以在更粗的粒度上来构建，而不局限于从基本的数学操作上开始构建。3) Matlab 支持将 M 文件编译成其他平台能够使用的组件或者说模块，也即是Matlab 能够和其他平台通信，只需要安装一个200 多兆的MCR 即可。 当然什么东西都不是十全十美的，用Matlab 写算法也有它的缺点，特别是当我们想把 Matlab 中写的算法应用到其他平台上时，它的缺点就体现得更明显。1)首先是速度的问题，也许我们的算法直接在Matlab 平台上运行的时候速度是很快的，但应用到其他平台上的时候就很慢了，这是因为 Matlab 和其他平台通信的时候耗时比较多，尤其是和.NET 通信的时候。...
