C++ C++；密码？

如何使用openmp并行化此代码： xp、yp、zp、gpx、gpy和gpz是已知的一维向量

for (ies = 0; ies < 1000000; ies++){
    for (jes = ies+1; jes < 1000000; jes++){

        double dxp = xp[ies] - xp[jes];
        double dyp = yp[ies] - yp[jes];
        double dzp = zp[ies] - zp[jes];
        double distance = sqrt( dxp * dxp + dyp * dyp + dzp * dzp );
        double gpspec = gpx[ies] * gpx[jes] + gpy[ies] * gpy[jes] + gpz[ies] * gpz[jes];
        #pragma omp parallel for
        for (kes = 1; kes <= 100; kes++){

            double distan = kes * distance;
            E1[kes] = E1[kes] + gpspec * sin(distan) / distan;
        }
    }
}

for（ies=0；ies<1000000；ies++）{
对于（jes=ies+1；jes<1000000；jes++）{
双dxp=xp[ies]-xp[jes]；
双dyp=yp[ies]-yp[jes]；
双dzp=zp[ies]-zp[jes]；
双倍距离=sqrt（dxp*dxp+dyp*dyp+dzp*dzp）；
双gpspec=gpx[ies]*gpx[jes]+gpy[ies]*gpy[jes]+gpz[ies]*gpz[jes]；
#pragma-omp并行
对于（kes=1；kes您已经在最里面的循环上有了一个
omp parallel for
pragma。要实现这一效果，您可能需要通过设置编译器标志（例如，对于GCC编译器套件，这将是
-fopenmp
标志）在编译器中启用OpenMP支持。您可能还需要
#包括
omp.h
标题

但是说到这里，我怀疑你是否会从并行化中获得很多好处，因为你正在并行化的一次循环运行并没有做多少工作。并行化带来的运行时开销抵消了同时运行多个循环迭代的好处，所以我认为你不会得到太多好处
这是一种可能性（未经测试）

#pragma omp并行简化（+:E1）私有（jes，kes）调度（动态）
对于（ies=0；ies<1000000；ies++）{
对于（jes=ies+1；jes<1000000；jes++）{
双dxp=xp[ies]-xp[jes]；
双dyp=yp[ies]-yp[jes]；
双dzp=zp[ies]-zp[jes]；
双倍距离=sqrt（dxp*dxp+dyp*dyp+dzp*dzp）；
双gpspec=gpx[ies]*gpx[jes]+gpy[ies]*gpy[jes]+gpz[ies]*gpz[jes]；
对于（KES＝1；KES标题）表示C++，但是TAG表示C.是正确的，我很抱歉这个错误。它是C++。我知道如何编译代码并使用-fOpenMP、γ包含。我只对“KES”循环进行并行化。但是，我认为它不是有效的。我希望将“IE”循环或“JES”循环与“KES”循环并行。因为“IE”循环的大小=“JES”的大小。loop=1000 000。@LucNguyen，如果这是您想知道的，那么您应该在问题中这样说。在这种情况下，您可能希望通过扩展并行化范围来克服数据竞争。非常感谢您的建议。我使用“#pragma omp parallel For redu”测试了代码Action（+:E1）private（ies，jes，kes）”，计算时间显著减少。但是，使用“#pragma omp parallel for reduce（+:E1[：]）private（jes，kes）schedule（dynamic）”，计算速度更快，并且可以加载整个内核。编译器接受“reduce（+:E1[：]）。
#pragma omp parallel for reduction(+: E1) private(jes, kes) schedule(dynamic)
for (ies = 0; ies < 1000000; ies++){
    for (jes = ies+1; jes < 1000000; jes++){

        double dxp = xp[ies] - xp[jes];
        double dyp = yp[ies] - yp[jes];
        double dzp = zp[ies] - zp[jes];
        double distance = sqrt( dxp * dxp + dyp * dyp + dzp * dzp );
        double gpspec = gpx[ies] * gpx[jes] + gpy[ies] * gpy[jes] + gpz[ies] * gpz[jes];
        for (kes = 1; kes <= 100; kes++){

            double distan = kes * distance;
            E1[kes] = E1[kes] + gpspec * sin(distan) / distan;
        }
    }
}