似乎您有个需要求解的线性方程组。假设您有个内核和无限的内存。现在，您有两个选择：$N$$P$

1. 您可以尝试并行求解个系统，而每个系统使用 1 个内核求解。$P$
2. 您可以使用个核心解决一个系统，一个接一个地解决所有个系统。$P$$N$

选择将取决于许多因素：使用的计算机体系结构、内存的数量和带宽、内存位置、系统的大小、选择的求解程序。

我假设，您的一些性能问题来自：

• 内存局部性问题。一次解决多个系统的必要性使得很难将所需的数据放入缓存中；因此，增加缓存未命中惩罚。
• 虽然parfor应该动态分配任务，但您仍然受到最慢的工作人员的限制。例如，假设您需要求解或个系统，并且您有可用内核（假设每个系统需要完全相同的时间来求解）。和N_2花费完全相同的时间。$N_1=5$$N_2=8$$P=4$$N_1$$N_2$
• Matlab 决定使用这种“有点出乎意料”的并行化模式的工作人员太多。

建议：

• 尝试方法 2，使用所有内核一次仅解决一个系统。确保它是并行解决的。maxNumCompThreads应该为您提供 Matlab 可用的 # 个线程。
• 尝试方法 1 并确保您没有使用超线程，以便工作人员的数量等于或少于您机器上的物理内核数量。

如果每个系统的规模足够大，则首选使用线程一次解决一个系统的第二种方法。但是，我可以看到，对于大量相对较小的系统，方法 1（您正在使用的系统）可能会提供更多好处。$P$