matlab并行计算之parfor

提高matlab代码的执行效率，是很多码农们的迫切愿望和需求。最重要的当然是好的代码结构，向量化的语言的高效性是for循环拍马也赶不上的。但是，现实中很多时候我们是需要使用到for循环的，为此可以使用matlab的并行计算来提高代码执行效率。

并行计算的原理就是将代码分配到多个处理器中进行运算。例如8核的机器，就可以同时调动8个处理器来运算。不过为了在运算时你不至于太无聊，还是留下一个给自己做其他事情用吧。

1 parfor运行报错

错误: 不允许向 parfor 的循环变量 "ii" 赋值。

请参阅 MATLAB 中的并行循环，“循环变量”。

parfor ii=1:10
    xTemp = ii;
    out(ii) = xTemp;
end
disp(xTemp);

就会导致类似的错误，这是因为，parfor的循环顺序是不确定的，这一点和for循环不一样。

2、启动和关闭并行计算功能

如果代码还在调试阶段，可以暂时不关闭matlabpool，反复开关浪费时间得很。另外，matlab关闭后，matlabpool也会自动关闭，所以如果不是海量代码，可以不用关闭的（个人意见，没有实测影响）。

经调试修改为：

CoreNum=7; %调用的处理器个数

% 设定默认的处理器数量  
setenv('MATLAB_PARALLEL_DEFAULT_TASK_CPUS', num2str(CoreNum));  
  
% 启动  
try  
    parpool(CoreNum);  
    disp('MATLAB pool started');  
catch  
    disp('MATLAB pool already started');  
end  
  
% 关闭  
try  
    delete(0);  
    disp('MATLAB pool closed');  
catch  
    disp('MATLAB pool not running');  
end

运行结果为：

Starting parallel pool (parpool) using the 'local' profile ...
connected to 7 workers.
MATLAB pool started

3、parfor的使用

将传统的for循环改为parfor循环，就会将循环体作为整体分到到一个个处理器中，从而一次性进行多组运算。在使用parfor时，代码的编写有一些注意事项，最主要的是其中变量的处理。matlab的帮助文档中有详细的描述。

在此，我将摘取一部分重要的加以说明并举例。

在parfor中，变量不再是随心所欲的使用，有着其自己的分类。在parfor运行时，我们经常会遇到这样的错误“ Error: The variable xxx in a parfor cannot be classified.”说的就是变量xxx不能被正常划分到正确的类别中。

parfor变量一共分为5类，每一类的定义和用途就不说了，看一眼就明白。需要注意的是以下几点：

(1)循环变量

循环变量在循环体中的使用一定要具有独立性，循环体之间不相关。例

a(i)=a(i-1)*temp;是不行的。

（2）sliced 变量（一般是数组，被各个处理器分割成一个个slice）

slice变量在一个循环体内只能出现一个slice，简单说就是一个循环体内只能出现slice数组的一个元素。例

a(i)=temp1;

a(i+1)=temp2;

是不行的。

另外，slice变量的下标一定要连续，例

a(2*i)=temp;

是不行的。

（3）临时变量

matlab使用变量的一个好处是不需要预定义。但是在使用parfor时，这会弄混sliced变量和临时变量。由于临时变量不需要有sliced变量的限制，使用更自由，因此一定要区分开。方法是在parfor中对临时变量进行预定义。例

parfor i=1:10

b=zeros(1,4);

for j=1:4

b(i)=i+1;

end

a(i)=b; %a是sliced变量

end

基本上注意到这几个问题就能正常运行parfor了。