Matlab并行计算示例（一）

        使用Matlab实现算法较为简单，但是涉及for循环时，效率比不上C++。对于一个多核处理器，不开多核并行计算，实在是对不住Matlab自带的并行计算功能。parfor循环较为简单，但是它对for循环中的变量要求比较严格，稍有不慎就会出错（我深受其害）。使用Matlab Toolbox中的createJob/createTask可以实现多线程的并行计算，其功能与C++中CreateThread类似。这样的并行计算对函数中的变量要求就没有那么严格。

        Matlab 2010和2014的调用函数略有差异，下面列出分别列出一个示例。

        1、Matlab 2010

slave_num = 2;
jm = findResource;
jm.DataLocation = './cache';
if ~isempty(jm.jobs)
    destroy(jm.jobs)
end

if ~exist(jm.DataLocation, 'file')
    mkdir(jm.DataLocation)
end

sub_list = cell(2, 1);
sub_list{1} = [2, 1];
sub_list{2} = [3, 4];

job = createJob(jm, 'PathDependencies', {jm.DataLocation});
for i = 1:slave_num
    createTask(job, @min, 1, {sub_list(i)});
end

submit(job);
waitForState(job, 'finished');
destroy(job);

        2、Matlab 2014

clear all,
close all,
clc,

slave_num = 2;
c = parcluster(); % Create cluster object
job = createJob(c);

sub_list = cell(2, 1);
sub_list{1} = [2, 1];
sub_list{2} = [3, 4];

for i = 1:slave_num
    createTask(job, @min, 1, {sub_list(i)});
end

submit(job);
wait(job);
out = fetchOutputs(job);

        上面两个示例实现的是同一个功能，即并行计算两个向量的最小元素。开头和最后的对象声明和结果提取使用的函数不同，中间创建任务的函数基本相同。对较少的任务，并不能节省很多时间，有时反而会增加时间开销；但是当任务较多时，并行计算就会体现出它的优势，充分利用多核CPU。

        Matlab 博大精深，createJob/createTask只是Matlab并行计算中很小的一部分，还有诸如：parfor, batch, spmd, 这些还没有仔细研究过，有时间需要进一步深入学习。

【参考文献】：

1、http://blog.csdn.net/abcjennifer/article/details/17610705

2、http://wenku.baidu.com/view/d2db68da6f1aff00bed51ecf.html

官方文档：

3、入门版

4、详细版