Matlab程式的執行效率，很大程度上決定著科研工作的效率。如果能把迴圈轉變為矩陣運算無疑是最高效的，但實際使用的過程中經常碰到不得不迴圈的情況。如果迴圈次數很多，執行速度就會大大減慢，此時使用平行計算可以很好的提高效率。

這裡給出一個平行計算的例子，同時提醒幾點注意事項。

%% 啟動平行計算
core_number=2;            %想要呼叫的處理器個數
parpool('local',core_number);
% % % % % % 啟動後有如下提示：
% Starting parallel pool (parpool) using the 'local' profile ...
% connected to 2 workers.
%% 算例(沒有實際意義，甚至很奇怪的例子)
temp = [];
for j = 1:100
    for i = 1:10
        x = i + j;
        temp(i) = x;
    end
    % y = x + 1;        %x是臨時變數，不能在parfor迴圈外使用
    y = temp .^ 2;      %temp是sliced變數(基本就是向量)，可以在parfor迴圈外使用
end

%% 關閉平行計算
delete(gcp('nocreate'));
% % % % % 關閉後有如下提示：
% Parallel pool using the 'local' profile is shutting down.

%% 啟動平行計算
core_number=2;            %想要呼叫的處理器個數
parpool('local',core_number);
% % % % % % 啟動後有如下提示：
% Starting parallel pool (parpool) using the 'local' profile ...
% connected to 2 workers.
%% 算例(沒有實際意義，甚至很奇怪的例子)
temp = [];
for j = 1:100
    for i = 1:10
        x = i + j;
        temp(i) = x;
    end
    % y = x + 1;        %x是臨時變數，不能在parfor迴圈外使用
    y = temp .^ 2;      %temp是sliced變數(基本就是向量)，可以在parfor迴圈外使用
end

%% 關閉平行計算
delete(gcp('nocreate'));
% % % % % 關閉後有如下提示：
% Parallel pool using the 'local' profile is shutting down.
--------------------- 

Note

Matlab啟動並行環境是比較慢的，不過不用每次都重新啟動環境，啟動一次以後能一直使用；

parfor迴圈中的臨時變數不能在迴圈外使用且每次parfor迭代後臨時變數都會自動清除；

parfor迴圈不是按照順序來的，所以不能有以下操作：

parfor i = 1:10
    x(i)=x(i-1)+x(i+1);
end
parfor i = 1:10 x(i)=x(i-1)+x(i+1); end

parfor使用時機：每次迴圈相互獨立，且資料量較大；

注意透明度違例錯誤。
--------------------- 
作者：Ten_yn 
來源：CSDN 
原文：https://blog.csdn.net/qq_38290475/article/details/82223148