对于在使用matlab中出现计算速度慢等情况，只有干等它跑出结果吗，可以使用多核进行并行计算加速matlab仿真的速度，好的东西当然有其局限性。
常用个人版CPU都是主打高频率，甚至超频来增加其工作速度，对于核心数不会特别追求，而对于工作站式的CPU，通常频率较低，核心和线程数低，而当这样的CPU来运行matlab程序，会出现如下问题
可以看到CPU的核心利用率很低，且大部分的内核都没有工作，只有少数的CPU在工作，这样的工作站对于matlab的运行速度甚至还没有个人版频率较高的CPU运行速度快，那这不是有力无处使，所以对面多核CPU，一定要使用其并行运算的能力。
首先来介绍并行计算的局限性，matlab多核并行计算就是创建多N个启动并行工作池，然后将程序分成N个部分并行执行。下图可以看到我开启了40个并行工作池（前提是CPU的内核数大于40）。
从这上面可以理解，如果程序在运算过程中是前后关联的，这将不能用于并行计算。如何算作前后关联，举个例子：
第一张图是没有前后关联的，但是第二个存在着数组的前后关联，想象以下，如果第二种情况那去并行运算，当前循环结果依赖上一循环的结果，这种肯定无法拆分去做并行计算。
所以能进行并行计算很重要的要求是，循环可拆分，即每次循环的时候初始状态相同。
进行matlab并行计算主要依靠parpool和parfor，
parpool即是开启并行工作池，
parpool('Processes',16); %开启16个并行工作池
CoreNum=16; %设定机器CPU核心数量
if isempty(gcp('nocreate')) %如果并行未开启
parpool(CoreNum); %开启16个并行工作池
end
delete(gcp) % 关闭并行池
parfor的使用方法和普通的for循环不太相同，主要区别是，parfor循环中有5类变量：
loop variable（循环变量）
在上图中是parfor后面的i，在循环中禁止给i（循环变量）赋值。
Sliced input variable（切片变量）
一般是数组，被各个处理器分割成一个个slice，首先要在parfor外申明该变量，比如上面的r=rand(1,10); 每次循环只能访问切片变量一个 位置，且固定不能重复，比如r(i)=temp1; 或者 r(i+1)=temp2;
slice变量的下标一定要连续，例a(2*i)=temp;是不行的。
Broadcast variable（广播变量）
指外部变量，且在循环内未被重新赋值。如上面在外面定义的c。
Reduction variable
该变量遍历所有循环，并且跟运行结果无关。Matlab 会自动识别该类变量，并正确输出结果。如下例所示， Matlab 会按正确顺序输出 x2
x2 = [];
n = 10;
parfor i = 1:n
x2 = [x2, i];
i,
end
上面这段代码里， 因为将parfor拆分成很多分给并行计算池去计算，所以i 并不一定按照 1 到 10 的顺序输出，但 x2 的结果却必然是 1 到 10。
parfor i=1:10
b=zeros(1,4);
for j=1:4
b(i)=i+1;
end
a(i)=b; %a是sliced变量
end
一个简单的parfor并行计算程序。
因为parfor中定义的变量均是临时变量，在parfor外相当于未定义，所以需要有手段能将parfor中产生的数据提取出来。
比如里面定义的临时变量，可以将最后的结果赋值给已经在外面定义的切片变量，这样在外面可以使用，如下所示，proba可以是定义成数组，元组。这样每个parfor循环的数据都存到了proba中。
proba=cell(1,N)
parfor f = 1:N
%now use proba{f} inside the loop
proba{f}=(1/M)*ones(1, M);
% rest of the code
end
%get proba from whatever iteration you want
pi_proba = proba{N};