1 我們知道MATLAB支持並行運行一般有四種模式：
第一種模式：本機調用多核CPU性能並行運算
第二種模式：本機調用GPU性能並行運算
第三種模式：多計算機組成集群，調用集群CPU性能並行運算
第四種模式：運用MATLAB提供的雲計算服務。
2 在第一種並行運算模式中：
標准模式為：
第一步：打開並行池parpool
第二步：parfor等相關PCT，並行計算工具箱中函數
第三步：關閉並行池
3 第一步：打開並行池的方式：
1）p = parpool('local',2); % 在知道有幾個本地核的情況下，選擇調用幾個核進行並行運算。
2）parpool; % 這是直接打開並行池的方式。
備注：建議采用第一種，方便關閉和更改參數。
第二步：parfor函數的問題：
1）很多簡單的低緯度運算，建議只需要用普通函數和關鍵字即可，用parfor函數進行運算並不能提升性能。
2）MATLAB利用多核心的計算能力來加速計算時非常有必要的，因為目前所有的電腦最少都雙核心了。
3）循環並行使用parfor循環代替for循環，但是很多時候parfor很不好用，當parfor循環體內的代碼比較多時，非常不容易滿足循環條件而失敗。因此我們首先要分析代碼，另一種方式用profiler打開代碼分析器來分析代碼那一部分耗時較大，進行代碼分析。
3）通用格式：
parfor ss = 1:100
XXX
......
......
end
4）通用並行計算模板：其基本思路就是將循環體內代碼打包為函數！
parfor ss=1:100
func(ss,...,...);
end
函數如下所示：
function func(ss,...,...)
xxx
.....
.....
end
備注：該函數不應該有返回值，當parfor循環體內計算結果需要返回主函數時(絕大多數情況是這樣的)，那么將結果在循環體內保存為文件，文件名與循環變量ss有關。當parfor的並行運行完之后，將保存的臨時文件讀取進來即可，保存和讀取計算結果相比於大型的計算耗時來講應該小很多，從而體現出並行的優勢。所提供的該方法可以用於任何一維、二維或者多維循環的加速計算，采用這種方法，規避了學習parofr規則的所有難點，非常具有通用性。
第三步：刪除並行池參數關閉
delete(p)
舉個例子：比如有這么一段並行計算代碼,其中綠色標注的位置為循環體。
p = parpool('local',2);
tic
n = 200;
A = 500;
a = zeros(n);
parfor i = 1:n
a(i) = max(abs(eig(rand(A))));
end
toc
delete(p)
當然這個循環體內可以有不同的計算隊列，我們把這個隊列封裝成為一個函數，如下：
function [a] = sample(A) a = max(abs(eig(rand(A)))); end
然后再用parpool調用，如下：
p = parpool('local',2);
clear;
tic
n = 200;
A = 500;
a = zeros(n);
parfor i = 1:n
b = sample(A); a(i) = b;
end
clear b;
toc
delete(p);
時間已過 28.838599 秒。
對比原先的代碼：
tic
n = 200;
A = 500;
a = zeros(n);
for i = 1:n
a(i) = max(abs(eig(rand(A))));
end
toc
時間已過 42.570194 秒。
4 MATLAB並行計算的提升有限和MATLAB語言的效率有關，並且和處理的數據量和計算復雜度有關。