请教大家，我的程序里面有一个多层循环，相当费时间,大概的形式入下
[indent]
double sumcosttemp = 0;
double averagetx = 0;
for（int i=0;i<24;++i）
{
for(int j=0;j<850;++j)
{
for(int m=0;m<3;++m)
{
averagetx = 0;
for(int n=0;n<3;++n)
{
sumcosttemp = 0;
for(int kk=0;kk<199;++kk)
{
sumcosttemp += a[kk] * (*(S+(long)(tv[n]-1)*3 + kk*53490*3 + m));
}
tx[i][j][m][n]= *(Meanface+(tv[n]-1)*3+m) + sumcosttemp;
averagetx += tx[i][j][m][n];
}
cx[i][j][m] = averagetx/3;
}
}
}
其中，a[kk] ,*S,tx,CX,都是传入到设别上的全局变量，请问一下 这个优化有什么比较好的思路吗？？？？
[/indent]
LZ您好：
拆分循环一般是看相关性和依赖性，以确定拆分后的执行逻辑和拆分前一致。
在有多个循环可供拆分的时候，往往会有所取舍，并不需要拆分全部的循环，可能只需要拆分部分循环即可满足并行性要求。
具体到您的算法，i,j两层循环目测是某种空间位置的坐标的循环，每个点是独立的，所以这两层循环是可拆的。
m，n两层循环似乎是局部的某种处理或者模板一类的东西，最内层的kk循环似乎是某种查表的具体算法。
这三层循环内的结果的保存多为累加。
其中如果单考虑kk循环或者kk循环和n循环，那么可以使用并行规约来快速计算。但是现在通盘考虑，您外层的i,j循环循环次数也足够多，那么内层的3个循环也可以不用拆分，让一个线程完成一套即可。
此时需要适当优化下访存
从您的代码中看，a[kk]这个数组是不变的，也是每次最内部的循环都访问的，考虑到我们让每个线程都会执行这个循环，以及a会多次读取到，可以考虑将a缓冲到shared memory中。
tv[3]这个小型的数组也可以缓存到局部。
tx数组从您的代码中看仅仅起到了保存临时数据的作用，其每个值都累加给了averagetx变量，那么如果tx数组的内容在您的算法的其他地方（本处没有展示的地方）并无使用的话，这里完全可以换成一个临时变量记录每次kk循环的结果，并累加给averagetx，或者直接将tx右侧的计算式累加给averagetx。
cx直接使用的话，会有不算太严重的合并访问问题，但是考虑到您的计算强度，这个访存问题可能不是瓶颈，如果需要进一步合并访问，也可以将cx临时缓冲到shared memory，然后block内的线程合作写入。
这样一来，您一共需要启动24*850=20400个线程，假定是8 SMX的GPU，每个SMX上有超过2400个线程，这个数量一般来说是够用了。如果您觉得线程数有些少，还可以把m循环也拆开。
以及将内部三层循环留给线程搞定，在您i,j规模扩大时，无需修改实现，仅仅扩大启动的线程规模即可。
大致如此，以上分析供您参考，实现方法不唯一。
祝您编码顺利~
谢谢版主的回答，我现在采用81024个线程的方法，
其中sumcosttemp += a[kk] * ((S+(long)(tv[n]-1)3 + kk534903 + m))计算是一个199的循环， a[kk]是一个126224的double数组，其实我的tv也是由一个很大的数组中获得的，采用现在8*1024的方法，速度还是很纠结，我想把内层的199的循环也并行，不知道效果能不能好点，这样的话，好像需要太多的线程了吧？
LZ您好：
1：从您给出的代码中并无法看出您的a[kk]是如此大的数组，如果您的循环中仅仅使用该数组的一个局部的话，请您将该局部部分缓冲到shared memory然后反复使用即可。tv同理。
2：单一增加线程数量并不能凭空增加效能的，线程数量足够多即可，并不需要非常非常多。
3：无法仅从您的线程开辟情况评估您的实现好坏以及能否进一步改进。您可以尝试各种不同的方法，并加以比较和改进。
大致如此，祝您好运~