我读过这个 ，但我还是不明白，为什么量化代码更快。
在for循环中，我可以使用PARFOR用于并行计算。 如果量化代码是快，不就意味着它是自动并行化？
Answer 1:
号你混合两个重要概念：
- MATLAB的设计真的很快进行向量运算。 MATLAB是一种解释语言，这就是为什么循环是这么慢。 MATLAB通过提供极快的（通常是用C语言编写，并且对于特定的体系结构优化）和很好的测试函数来对向量操作回避这个问题。 实在是没有魔法在这里，它只是一堆的努力和多年的不断改进小。
例如，考虑一个简单的情况下，如以下内容：
s=0;
for i=1:length(v),
s = s+v(i);
end
和
sum(v)
你应该用TIC和TOC时间这两个函数来说服运行系统中的差异的自己。 有迹象表明，在载体操作约10类似常用的功能，实例是： bsxfun ， repmat ， length ， find 。 矢量化是有效地利用MATLAB的一个标准部分。 直到你可以向量化代码有效，你只是在MATLAB的世界旅游不是公民。
- MATLAB的最新版本提供PARFOR。 PARFOR不是银子弹，它是一个可以被使用和误用（尝试PARFOR上的总和上面的例子）的工具。 并非所有的维权可以parfored。 PARFOR被设计用于的问题，其中循环的每次迭代是相互独立迭代的任务并行类型。 这是使用PARFOR循环的关键要求。
虽然在很多情况下PARFOR可以有很大的帮助，可以parfored非常大的收益循环的类型罕发生。
Answer 2:
我同意他的回答carlosdc。 然而，要记住，Matlab的自6.5版本已经包含了JIT编译器加快for循环和喜欢它是非常重要的。
我做了你和示例的快速测试，在一百万个元素v ，得到了以下结果：
-
sum(v)：4.3毫秒 -
for-loop version：16毫秒 -
for-loop version, no JIT：966毫秒
该JIT可以打开和关闭这样打开：
feature accel off
feature accel on
通过矢量化码的因素4的改进当然仍常值得的，但因为他们曾经是的，他们是另有一个很好的解决问题的for循环不应该担心。 时常想起，一块好量化代码往往可以更简单，更容易出错，速度更快的同时。
Answer 3:
在现代计算机中，寄存器（临时存储器用于数学，其他用途）有许多位，并可以操纵多个号码一起。 例如，如果你的数据是UINT8（8位），您可以在一个CPU时钟将号码添加到每个人，或者你可以把8人一起在寄存器和一个数字都掌握在一个CPU时钟。 这样，你的工作比for循环快8倍。
这在某种意义上是并行的，但不喜欢PARFOR。 PARFOR使用CPU的多个核，和在上述方法中一个芯被更有效地使用。 如果你使用他们两个，你甚至可以达到更高的速度。
文章来源: Why does vectorized code run faster than for loops in MATLAB?
