在Linux中，您可以让bash脚本编写出可并行执行的matlab脚本。您可以在每次调用后使用与号(&)，但GNU parallel软件更好：然后您可以指定将并行运行多少个作业。
此bash脚本

#!/bin/bash

# command line argument: how many scripts (jobs) in parallel?
if [[ ${1} == "" ]]; then
   echo "${0} needs a parameter: N == how many scripts are made 0,1,2 ..."
   exit 1
fi
N=${1}; 
echo "creating and running ${N} scripts ..."

# some constants
c_dir=$(pwd)
ml_ex=$(which matlab)

# create the scripts
for (( i=1; i <= ${N}; i++ )); do
cat << EOF > ${c_dir}/script${i}.m
a = ones (${i}) * $i
EOF
done

# list them, then pass this list to parallel
for f in ${c_dir}/script*.m; do
    echo "${ml_ex} < $f" 
done | parallel -j ${N};

# tidy up
rm -f ${c_dir}/script*.m

生成N MATLAB脚本(N是命令行参数)，并在MATLAB中并行执行它们。每个脚本都应该显示一个MM矩阵，其中填充了数字M(对于M=1，2，...N)。因此，命令runsN.sh 5同时运行5个matlab副本。
与脚本中的${ml_ex}不同，${ml_ex} -nodesktop -nosplash更清楚地显示了发生了什么。我有一个别名，可以一直使用这些选项。
如果你有许多耗时、不是很耗费资源、完全独立的工作，这可能值得一试。我曾将其用于图像处理。

如果您使用GNU parallel，您可以获得类似于在集群上使用Slurm的设置：

parallel -j 4 'export SLURM_ARRAY_TASK_ID={} ; matlab [...] my_script.m' ::: {1..10}
          ^    ^                                ^                             ^
          |    |                                |                             Bashism to express 1, 2, ..., 10
          |    |                                invoke Matlab with its args and the script
          |    create a SLURM_ARRAY_TASK_ID variable to fool the script
          run maximum 4 "jobs" at a time

通过在parallel启动的命令中显式设置SLURM_ARRAY_TASK_ID变量，您可以在集群和本地工作站上使用相同的MatLab脚本。
GNU并行提供了许多选项来管理、限制、限制甚至分派“作业”。

1.You can pass arguments to matlab functions from command line。
例如：

function y = myfunc(k)
switch k:
    case 1:
....

从DOS：

matlab /r "myfunc(2)"

1.You can write for loops in windows command line
for /l %x in (1, 1, 100) do echo %x
1.You can run commands "on the background"
START /B your_command
但我不明白你想要这个做什么。运行10个MatLab示例的开销绝对会破坏您认为正在实现的任何“并行化”。你的速度是发动机的10倍。只需观察在不运行任何程序的情况下打开它时，matlab会占用多少内存和处理能力。
请注意，MatLab parfor在并行化方面非常出色，如果允许(即，如果免费)，许多MatLab函数将使用所有可用内核来计算结果，从而最大化您的资源。如果在一台PC上运行，我会感到惊讶，如果这几乎是快速的。
所以上面的答案回答了你如何做到这一点，但真正的答案是你不应该这样做。在MatLab中运行代码的多个示例是最糟糕也是最慢的方式。For循环可能会更快。