请参阅 MathWorks 示例在 GPU 上计算 Mandelbrot 集，该示例解释了如何使用并行计算工具箱在 GPU 上运行简单的“令人尴尬的并行”作业。

或者，您可能对PyCUDA和PyOpenCL项目感兴趣，它们提供了类似的交互启动 GPU 内核的功能。

Nvidia Cuda 和 AMD APP SDK 包含可以帮助您入门的示例代码。过去我已经成功地进行了一些工作，对于简单的实现，性能收益大约是 32 倍。

此处列出的一些参考资料可能是有益的，尽管这是在使用 OpenCL 进行 GPGPU 计算仍处于起步阶段时编写的。与 CPU 相比，还有一些性能指标。

对于伪随机数生成的绝对速度，您可以查看用于 GPU 的 Mersenne Twister (MTGP)。此实现仅存在于 CUDA 中，但与通过 OpenCL 相比，它可能更容易使用 GPU。AMD 的 SDK Monte Carlo 示例包含该算法的一个变体，因此您不必拘泥于仅使用 Cuda。最好先确定您的要求，然后选择最合适的语言来执行您的任务。

您可以考虑单独使用它们，或者通过 MEX 文件接口与 MATLAB 连接。

如果您想使用标准马尔可夫链方法，GPU 是蒙特卡洛方法的错误方法。原因是马尔可夫链本质上是顺序的，而 GPU 只有在您可以并行化算法时才适用。设计并行马尔可夫链蒙特卡罗（MCMC）方法非常困难。