并行算法的实现与性能分析
1. 并行性的重要性
从程序员的角度来看，如果如今的计算机硬件是100 GHz的单核CPU，而不是3 GHz的多核CPU，那编程会十分方便，也无需关注并行性。然而，计算机硬件正朝着多核CPU的方向发展，为了充分利用硬件性能，程序员必须采用高效的并行模式。
2. 并行算法
并行编程是指利用多核硬件的编程方式。若硬件无法带来并行的好处，对算法进行并行化就毫无意义。与顺序算法相比，等同功能的并行算法在算法层面上速度更慢，但其优势在于能够将算法分散到多个处理单元上执行。
衡量一个算法并行化效果的简单方法是：
- A：算法在单个CPU核心上顺序执行所需的时间。
- B：算法并行执行的时间乘以核心数。
若A和B相等，说明算法的并行化效果完美；B相对于A越大，算法的并行化效果越差。算法的并行化效果取决于每个元素能否独立处理。例如，std::transform()很容易并行化，因为每个元素的处理与其他元素完全独立。理论上，对于n个核心，其执行速度是顺序执行的n倍，但实际上，创建线程、上下文切换等诸多参数会限制并行执行的速度。
由于并行算法的计算成本通常高于顺序算法，在某些情况下，即使顺序算法速度较慢，也可能更适用。例如，当优化目标是低能耗而非低计算时间时，虽然这种情况可能非常罕见（如太阳能驱动的星系探索航天器），但仍值得注意。
3. 实现并行std::transform()
虽然从算法角度看，std::transform()易于实现，但实际上，实
