我正在研究一种在不同光照条件下的自适应和全自动分割算法，该算法的核心使用粒子群优化（PSO）来调整模糊系统，相信我这非常耗时：| 只有 5 个粒子和 100 次迭代，我必须等待 2 到 3 个小时！它只是从我的数据集中处理一张包含 100 多张照片的图像！
我正在使用 matlab R2013 ，带有 intel coer i7-2670Qm @ 2.2GHz //8.00GB RAM//64 位操作系统
问题是：启动程序时，它只使用了我的 CPU 的 12%-16%，并且只有一个内核在工作！
我进行了很多搜索并进入了 matlabpool，所以我将这一行添加到我的代码中：
matlabpool open 8
现在当我启动程序时，任务管理器显示 98% 的 CPU 使用率，但这只是几秒钟！之后它又回到了 12-13% 的 CPU 使用率：|
你知道我怎样才能让这段代码运行得更快吗？！
12% 听起来像 Matlab 只使用一个线程/核心，而这个是满载的，这是正常的。
matlabpool open 8还不够，这只是打开了工人。您必须使用 parfor 之类的命令来为它们分配工作。
根据 Daniel 的建议，理想情况下应用 PARFOR，您会在算法中发现一个耗时的 FOR 循环，其中迭代是独立的，并将其转换为 PARFOR。一般来说，PARFOR 在可能的最外层应用时效果最佳。在开始添加并行性之前，绝对值得使用 MATLAB 分析器来帮助您优化串行代码。
通过我自己的模拟，我发现我无法使用 Parfor 重新编码它们，我拥有的 for 循环过于交织在一起，无法利用多个内核。
然而：
您可以打开 Matlab 的第二个（以及第三个和第四个等）实例，并告诉这个附加实例运行另一个作业。matlab open 的每个实例都将使用不同的内核。因此，如果您有一个四核，您可以打开 4 个实例并通过在所有 4 个中运行代码来获得 100% 的效率。
因此，我通过同时打开多个 matlab 实例并运行作业来提高效率。我的工作一次需要 8 到 27 个小时，正如人们想象的那样，如果没有液体冷却，我烧坏了我的 cpu 风扇，不得不更换它。
还要考虑优化你的 matlab 代码，我最近优化了我的代码，现在它的运行速度提高了 40%。