一些因素可能会影响并行处理的执行速度:
并行开销。呼叫是有开销的parfor
而不是为
.如果函数的计算速度很快,这个开销就会变得相当可观。特别是,并行地解决问题可能比串行地解决问题要慢。
没有嵌套parfor
循环。这在嵌套并行功能.parfor
当从另一个内部调用时不能并行工作parfor
循环。如果你已经编程了你的目标或约束函数来利用并行处理,没有嵌套的限制parfor
循环可能会导致求解器运行得比您预期的慢。特别是,有限差分的并行计算优先,因为这是一个外部循环。这导致目标函数或约束函数中的任何并行代码都要串行执行。
当串行执行,parfor
循环运行速度比为
循环。因此,为了获得最佳性能,请确保只调用最外层的并行循环调用parfor
.例如,假设您的代码调用fmincon
在一个parfor
循环。在本例中,要获得最佳性能,请设置fmincon
UseParallel
选项假
.
传递参数。在执行并行计算时,参数会自动传递给工作机器。如果有大量的参数,或者它们占用大量的内存,传递它们可能会减慢计算的执行。
资源竞争:网络和计算。如果工作机器的网络具有低带宽或高延迟,计算就会减慢。
在使用并行处理时,一些因素可能会影响数值结果。还有更多相关的警告parfor
中列出的并行for循环(parfor)(并行计算工具箱).
持久变量或全局变量。如果目标函数或约束函数使用持久变量或全局变量,这些变量在不同的工作处理器上可能有不同的值。而且,它们可能不会在辅助处理器上被正确清除。求解器可能会抛出大小不匹配之类的错误。
访问外部文件。在并行计算期间,外部文件可能以不可预测的方式被访问。在并行处理过程中,无法保证计算的顺序,可能会以不可预知的顺序访问外部文件,导致不可预知的结果。
访问外部文件。如果两个或多个处理器试图同时读取外部文件,则该文件可能会被锁定,导致读取错误,并停止优化的执行。
如果你的目标函数调用Simulink万博1manbetx®,平行梯度估计的结果可能不可靠。
非计算函数,例如输入
,情节
,键盘
,在目标函数或约束函数中使用时可能表现不良。当被叫到parfor
循环时,这些函数在工作机器上执行。这可能会导致一个worker变得无响应,因为它正在等待输入。
parfor
不允许打破
或返回
语句。
为了寻找全局最优解,一种方法是从不同的初始点计算求解器。如果将这些计算分配到多个处理器上parfor
函数,你禁用了平行梯度估计,因为parfor
循环不能嵌套。如果您将计算分配到所有处理器上,而不是使用并行梯度估计串行地运行它们,那么优化通常会运行得更快,因此禁用并行估计可能不会降低计算速度。但是,如果您的处理器比初始点多,那么就不清楚是分配初始点更好,还是启用并行梯度估计更好。
如果你有全局优化工具箱许可证,您可以使用MultiStart
(全局优化工具箱)求解器并行检查多个起始点。看到并行计算(全局优化工具箱)和平行MultiStart(全局优化工具箱).