matlab并行计算之parfor
在运行MATLAB程序的时候，当循环较多和计算量较大时，程序运行时间会非常长。经过查阅MATLAB文档发现，使用parfor循环，可以进行多线程并行运算，大大提高计算的速度，但是对该parfor循环的方式不是很清楚。经过查阅相关文献，发现该博主写的parfor比较详细，因此进行了转载，该文章是为了方便自己以后查阅。如需学习，请转到博主原文：
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、启动和关闭并行计算功能
启动：
CoreNum=7; %调用的处理器个数
if matlabpool('size')<=0 %之前没有打开
matlabpool('open','local',CoreNum);
else %之前已经打开
disp('matlab pool already started');
end
关闭：
matlabpool close
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）。
2、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*，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。