【小技巧】matlab中进行并行运算仿真加快仿真速度

欢迎订阅《FPGA/MATLAB/SIMULINK系列教程》

Simulink教程目录

目录

1.1并行运算机制以及parfor的应用

1.2 并行机制的执行效率统计

---

1.1并行运算机制以及parfor的应用

       MATLAB中的并行运算可以通过使用"parfor"函数来实现。"parfor"函数是"for"循环的并行版本，它可以在多个处理器核心上同时执行循环迭代，从而提高运算速度。以下是在MATLAB中进行并行运算的一些基本步骤和注意事项：

1. 确保你有使用MATLAB的并行计算工具箱（Parallel Computing Toolbox）。"parfor"函数是这个工具箱的一部分。
2. 编写使用"parfor"函数的代码。与普通的"for"循环相比，"parfor"循环中的变量不需要是全局变量，因此你不需要在循环之前声明变量。
3. 在"parfor"循环中，每个迭代都是独立执行的，这意味着你可以在不同的处理器核心上同时执行它们。
4. "parfor"函数会自动进行循环并行化，并将迭代分配给处理器核心。然而，某些操作可能会阻止并行化，例如使用大量的内存或进行大量的输入/输出操作。
5. 当你使用"parfor"函数时，需要注意一些事项。首先，要避免在循环中修改数据结构，因为这可能会导致数据不一致。其次，要避免在循环中使用大量的输入/输出操作，因为这会降低并行化的效率。

下面是一个使用"parfor"函数的简单示例：

% 定义一个包含大量数据的数组  
data = rand(1000, 1000);  
  
% 使用parfor进行并行计算  
parfor i = 1:10  
    sum = sum(data(:, i));  
    disp(sum);  
end

       在这个示例中，我们使用"parfor"函数对数组的每一列进行求和，并将结果输出到控制台。由于这个任务是并行执行的，因此求和操作的速度会更快。

       需要注意的是，"parfor"函数并不总是能够提高计算速度。实际上，如果任务的计算量很小，或者处理器核心之间的通信开销很大，那么使用"parfor"函数可能会导致性能下降。在这种情况下，你可能需要根据你的具体任务来评估并行化是否有助于提高性能。

1.2 并行机制的执行效率统计

在前一个小技巧学习中，我们学习了如何统计程序运行的时间。

【小技巧】在matlab中如何精确统计一段程序的运行时间_fpga和matlab的博客-CSDN博客_matlab执行一条指令的时间

我们先执行如下的程序：

clc;
clear;
close all;
 
 
idx=0;
tic;
for j = 1:1:100000000
    if mod(j,10000)==1
       j 
    end
    idx=idx+1;
end
times = toc;

 
idx=0;
tic;
parfor j = 1:1:100000000
    if mod(j,10000)==1
       j 
    end
    idx=idx+1;
end
times2 = toc;

figure;
bar([times,times2]);
 

运行时间如下：

我们可以看到，采用parfor之后，系统的运行时间将大大减少。如果完成之后，想关闭并行运算机制，则点击：

点击shutdown，就可以关闭并行运行机制了。