MATLAB 中的 parfor 与 for 循环：并行计算与串行计算对比指南

在 MATLAB中，循环是处理重复性任务的基本结构。其中，for 循环是传统的串行循环，而 parfor（parallel for）则是并行计算工具箱（Parallel Computing Toolbox）提供的并行循环，可以显著加速计算密集型任务。本文将详细介绍它们的区别、适用场景及优化技巧。

目录

1. for 循环 vs. parfor 循环

2. for 循环基础

语法

示例：计算平方

适用场景

3. parfor 循环基础

语法

示例：并行计算平方

关键要求

4. 性能对比

测试代码

典型结果

5. 如何选择 for 或 parfor？

6. 优化技巧

for 循环优化

parfor 循环优化

7. 常见错误与解决方案

8. 总结

---

1. for 循环 vs. parfor 循环

特性	for 循环	parfor 循环
执行方式	串行（顺序执行）	并行（多线程/多进程）
适用场景	简单循环、非计算密集型任务	计算密集型、独立迭代任务
依赖关系	允许迭代间依赖	必须独立（无数据依赖）
启动开销	无	需要初始化并行池（parpool）
语法	for i = 1:N	parfor i = 1:N

 

2. for 循环基础

语法

for i = 1:N
    % 循环体
end

示例：计算平方

N = 10;
results = zeros(1, N);
for i = 1:N
    results(i) = i^2;
end
disp(results);

输出：

[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

适用场景

[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

• 迭代次数少（N 较小）。

• 循环体内有数据依赖（如递推计算）。

 

3. parfor 循环基础

语法

parfor i = 1:N
    % 并行循环体
end

示例：并行计算平方

N = 10;
results = zeros(1, N);
parfor i = 1:N
    results(i) = i^2;
end
disp(results);

输出：

[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

关键要求

• 迭代必须独立：parfor 的每次迭代不能依赖其他迭代的结果。

  • ❌ 错误示例（依赖前一次迭代）：

parfor i = 2:N
    results(i) = results(i-1) + i;  % 会报错！
end

• 变量分类明确：

  • Loop Variables（循环变量，如 i）。

  • Sliced Variables（切片变量，如 results(i)）。

  • Broadcast Variables（广播变量，如只读的常量）。

启动并行池

parpool('local', 4);  % 启动4个工作进程

 

4. 性能对比

测试代码

N = 1e4;
A = rand(N);

% for 循环
tic;
for i = 1:N
    A(i,:) = A(i,:) .* i;
end
t_for = toc;

% parfor 循环
tic;
parfor i = 1:N
    A(i,:) = A(i,:) .* i;
end
t_parfor = toc;

fprintf('for 循环时间: %.2f 秒\n', t_for);
fprintf('parfor 循环时间: %.2f 秒\n', t_parfor);
fprintf('加速比: %.2f\n', t_for / t_parfor);

典型结果

循环类型	时间（N=1e4）	加速比
for	5.2 秒	1x
parfor	1.3 秒	4x

5. 如何选择 for 或 parfor？

场景	推荐循环
小规模计算（N < 100）	for（并行开销 > 收益）
大规模独立计算	parfor（如矩阵运算、蒙特卡洛模拟）
迭代间有依赖	for（或用 spmd 重构）
GPU 加速	结合 gpuArray 和 for

 

6. 优化技巧

for 循环优化

1. 预分配内存：

results = zeros(1, N);  % 避免动态扩展

     2. 向量化操作：

results = (1:N).^2;  % 替代循环

parfor 循环优化

1. 减少数据传输：

   • 避免在循环内加载大文件（改用广播变量）。

2. 平衡负载：

   • 确保每次迭代计算量相近（避免某些工作进程空闲）。

3. 调整并行池大小：

parpool('local', min(4, feature('numcores')));  % 根据核心数调整

 

7. 常见错误与解决方案

错误	原因	修复方法
The variable X in a parfor cannot be classified.	变量未正确分类	显式定义切片变量（如 X(i)）
PARFOR loop cannot run due to the way variable X is used.	迭代间依赖	改用 for 或重构代码
Parallel pool failed to start.	未安装并行工具箱	检查 license('test','Distrib_Computing_Toolbox')

 

8. 总结

循环类型	优势	劣势
for	简单、灵活	串行速度慢
parfor	加速计算	需独立迭代、启动开销

• 优先向量化：能用 A.*B 就避免循环。

• 小任务用 for，大任务用 parfor。

• 调试时用 for，部署时试 parfor。

---

通过合理选择 for 和 parfor，你可以显著提升 MATLAB 程序的效率。如果有更多问题，欢迎在评论区交流！