使用 OpenMP 执行并行代码比执行串行代码需要更多时间

Question

我正在尝试使此代码并行运行。 这是来自一个大项目的一段代码。 我以为我开始慢慢并行化，以逐步查看是否存在问题（我不知道这是否是一个好策略，所以请告诉我）。

double best_nearby(double delta[MAXVARS], double point[MAXVARS], double prevbest, int nvars)
{
    double z[MAXVARS];
    double minf, ftmp;
    int i;
    minf = prevbest;
    omp_set_num_threads(NUM_THREADS);
    
    #pragma omp parallel for shared(nvars,point,z) private(i)
    for (i = 0; i < nvars; i++)
        z[i] = point[i];
    for (i = 0; i < nvars; i++) {
        z[i] = point[i] + delta[i];
        ftmp = f(z, nvars);
        if (ftmp < minf)
            minf = ftmp;
        else {
            delta[i] = 0.0 - delta[i];
            z[i] = point[i] + delta[i];
            ftmp = f(z, nvars);
            if (ftmp < minf)
                minf = ftmp;
            else
                z[i] = point[i];
        }
    }
    for (i = 0; i < nvars; i++)
        point[i] = z[i];

    return (minf);
}

NUM_THREADS 是#defined

function 有更多的线，但它们在并行和串行之间是相同的。

看起来串行代码平均需要 130 秒，因此并行代码需要大约 400 秒。 让我感到困惑的是，如此小的变化会导致 exe 时间的大幅增加。 关于为什么会发生这种情况的任何想法？ 先感谢您！

double f(double *x, int n){
double fv;
int i;

funevals++;
fv = 0.0;
for (i=0; i<n-1; i++)   /* rosenbrock */
    fv = fv + 100.0*pow((x[i+1]-x[i]*x[i]),2) + pow((x[i]-1.0),2);

return fv;
}

Answer 1

目前，您并没有太多并行化。 您可以从并行化f function 开始，因为它看起来对计算要求很高：

double f(double *x, int n){
..
  double fv = 0.0;

  #pragma omp parallel for reduction(+:fv)
  for (int i=0; i<n-1; i++)
       fv = fv + 100.0*pow((x[i+1]-x[i]*x[i]),2) + pow((x[i]-1.0),2);

   return fv;
}

测试并检查结果。 之后，您可以尝试扩展并行化的 scope 以包括最外层循环。