计算大规模矩阵相乘代码

这里提供一个基于C++和OpenMP的矩阵相乘代码示例，可以利用多线程并行计算，加快计算速度。假设有两个矩阵A和B，其中A的大小为m x k，B的大小为k x n，那么它们的乘积C的大小为m x n。

#include <iostream>
#include <omp.h>

using namespace std;

void matrix_multiply(double* A, double* B, double* C, int m, int k, int n) {
    #pragma omp parallel for
    for (int i = 0; i < m; i++) {
        for (int j = 0; j < n; j++) {
            double sum = 0.0;
            for (int p = 0; p < k; p++) {
                sum += A[i * k + p] * B[p * n + j];
            }
            C[i * n + j] = sum;
        }
    }
}

int main() {
    int m = 1000;
    int k = 500;
    int n = 800;

    double* A = new double[m * k];
    double* B = new double[k * n];
    double* C = new double[m * n];

    // 初始化矩阵A和B
    for (int i = 0; i < m * k; i++) {
        A[i] = i * 0.1;
    }
    for (int i = 0; i < k * n; i++) {
        B[i] = i * 0.2;
    }

    double start_time = omp_get_wtime(); // 开始计时

    matrix_multiply(A, B, C, m, k, n);

    double end_time = omp_get_wtime(); // 结束计时

    cout << "Time: " << end_time - start_time << " seconds." << endl;

    delete[] A;
    delete[] B;
    delete[] C;

    return 0;
}

这个示例代码中，我们首先利用OpenMP的pragma指令并行化了最外层的循环，即对矩阵C中的每一行进行计算。然后，在每个线程中，我们进行了标准的矩阵乘法计算，即对矩阵A的每一行和矩阵B的每一列进行点积计算。最后，将计算结果累加到矩阵C中。

请注意，这只是一个示例代码，实际使用时需要根据具体的需求进行修改和优化。例如，可以使用更高效的算法，如Strassen算法或Coppersmith-Winograd算法来计算大规模矩阵乘法。