Parallel processing 在旧版本上减少OpenMP而不过载 #pragma omp parallel for//I want reduce，但重载在所使用的版本上不起作用 对于（inti=0；i

，在这种情况下，最好的办法是交换循环

#pragma omp parallel for
for (j=0; j < 102342; j++)
   for (int i = 0; i <= min(j,499); i++)
        Output[j] += staticConstant[i] * data[j-i];

#pragma omp parallel for
对于（j=0；j<102342；j++）
对于（int i=0；i忘记在这种情况下使用缩减，与并行化的效果相比，它将产生的开销（缩减变量中100000+个元素）可能会扼杀大部分收益。只需坚持简单的并行化结构

理想情况下，您希望将
j
循环并行化，因为它在迭代之间没有依赖关系。因此您可以这样做：

#pragma omp并行
对于（int i=0；i<500；i++）{
#pragma omp for
对于（int j=i；j<102342；j++）{
输出[j]+=静态常数[i]*数据[j-i]；
}
}

对于像这样简单的代码，这就足够了

现在，您可能需要更进一步，尝试交换
i
和
j
循环，以提高并行化效率（但不确定这会有多大不同）。为此，您需要在
j
循环初始化中删除对
i
的依赖关系。下面是一种方法：

//首先让我们在j中进行依赖迭代
对于（int i=0；i<500；i++）{
对于（int j=i；j<500；j++）{
输出[j]+=静态常数[i]*数据[j-i]；
}
}
//然后进行所有其他迭代，交换i和j循环
//现在我们可以并行化了，没问题
#pragma-omp并行
对于（int j=500；j<102342；j++）{
对于（int i=0；i<500；i++）{
输出[j]+=静态常数[i]*数据[j-i]；
}
}

#pragma omp parallel for
for (int i = 0; i <500; i++)
   for (j=i; j < 102342; j++)
    {
      #pragma omp atomic
      Output[j] += staticConstant[i] * data[j-i];
    }