MATLAB中用parfor实现多核加速需五步：一查工具箱与核心数，二启并行池设worker数，三将独立迭代for改parfor并预分配，四封装计算为函数并传参，五监控性能后关闭池。

如果您在MATLAB中运行大量独立迭代的循环任务，但程序始终仅占用单个CPU核心，导致整体耗时居高不下，则很可能是未启用并行计算机制。以下是使用parfor实现多核加速的具体操作路径：

一、检查并行计算工具箱与硬件资源

在调用parfor前，必须确认Parallel Computing Toolbox已安装且系统具备可用多核资源。该步骤确保后续并行执行环境可被正确初始化。

1、在命令行输入 ver('parallel')，若返回非空结构体则表明工具箱已安装。

2、执行 parcluster('local').NumWorkers 获取本地最大可用工作进程数，该数值通常等于逻辑核心数。

3、运行 feature('numCores') 查看操作系统报告的逻辑核心总数，用于评估并行规模上限。

二、手动启动并行池并设置worker数量

并行池是parfor运行的基础执行环境，其worker数量直接影响任务分发效率与内存开销平衡。显式启动可避免首次调用时的隐式延迟，并支持按任务类型定制资源配置。

1、启动含4个worker的本地并行池：parpool('local', 4)。

2、针对内存密集型任务，推荐使用逻辑核心数的80%：optimalWorkers = floor(parcluster('local').NumWorkers * 0.8); parpool('local', optimalWorkers)。

3、验证当前池状态：gcp('nocreate')，若返回空则说明并行池未激活。

三、将for循环安全替换为parfor结构

parfor仅适用于各次迭代完全独立的循环场景，即任意一次迭代的计算不依赖其他迭代的中间变量或输出结果。违反此原则将触发“sliced variable”或“broadcast variable”错误。

1、确保循环变量为整数向量，如 parfor i = 1:1000，禁止使用浮点步长或非单调索引。

2、预分配输出数组，例如 results = zeros(1, 1000)，避免在parfor内部动态扩展变量。

3、移除所有跨迭代引用，如 results(i) = results(i-1) + data(i) 必须重构为无依赖形式。

四、封装高耗时操作为独立函数以提升稳定性

将循环体内的复杂计算逻辑提取至单独函数文件，可显著降低parfor因变量作用域不清导致的通信失败风险，并便于调试与复用。

1、新建函数文件 myComputation.m，定义 function out = myComputation(x) … end。

2、在主脚本中调用：parfor i = 1:N; results(i) = myComputation(inputData(i)); end。

3、若函数依赖外部数据，需通过参数显式传入，禁止直接访问工作区变量。

五、监控性能并关闭并行池释放资源

并行执行时间受任务粒度、数据传输开销及worker负载均衡影响，需通过量化对比验证加速效果，并及时清理资源防止后台进程持续占用内存。

1、使用 tic/toc 分别包裹串行for与parfor代码段，计算实际耗时比。

2、执行 delete(gcp('nocreate')) 主动关闭当前并行池，释放所有worker进程。

3、若需长期运行多个并行任务，应在首个parfor前统一启动池，在全部任务结束后统一关闭，避免重复启停开销。