并行开销。调用 parfor 而不是 for 会产生开销。如果函数计算很快，这种开销可能会变得相当可观。具体来说，并行求解问题可能比串行求解问题更慢。

不能有嵌套的 parfor 循环。这是在 嵌套并行函数 中描述的。当从另一个 parfor 循环中调用时，parfor 不能并行工作。如果您已经对目标或约束函数进行了编程以利用并行处理，则没有嵌套 parfor 循环的限制可能会导致求解器的运行速度比您预期的要慢。特别是，有限差分的并行计算优先，因为那是一个外循环。这会导致目标或约束函数内的任何并行代码按顺序执行。

当串行执行时，parfor 循环比 for 循环运行得慢。因此，为了获得最佳性能，请确保只有最外层的并行循环调用 parfor。例如，假设您的代码在 parfor 循环内调用 fmincon。为了在这种情况下获得最佳性能，请将 fmincon UseParallel 选项设置为 false。

传递参数。在执行并行计算期间，参数会自动传递给工作进程机器。如果参数数量很多或者占用大量内存，传递它们可能会减慢计算的执行速度。

资源争夺：网络和计算。如果工作进程机器的网络带宽低或延迟高，计算速度可能会变慢。

持久变量或全局变量。如果您的目标或约束函数使用持久或全局变量，这些变量在不同的工作进程处理器上可能会采用不同的值。此外，它们可能无法在工作进程处理器上被正确清除。求解器可能会抛出诸如尺寸不匹配之类的错误。

访问外部文件。在并行计算期间，外部文件可能会以不可预测的方式被访问。并行处理期间无法保证计算的顺序，因此可能会以不可预测的顺序访问外部文件，从而导致不可预测的结果。

访问外部文件。如果两个或多个处理器同时尝试读取外部文件，则该文件可能会被锁定，导致读取错误，并停止优化的执行。

如果您的目标函数调用 Simulink^®，并行梯度计算的结果可能不可靠。

非计算函数（例如 input、plot 和 keyboard）在用于目标约束函数时可能会表现不佳。当在 parfor 循环中调用时，这些函数在工作进程机器上执行。这可能会导致工作进程失去反应，因为它正在等待输入。

parfor 不允许 break 或 return 语句。