利用特征BICGSTAB并行求解稀疏矩阵

我正在尝试使用Eigen BICGSTAB并行求解Ax=b形式的线性方程组。

initParallel();
int n=4;
omp_set_num_threads(n);
setNbThreads(n);

BiCGSTAB  <SparseMatrix<double>> solver;
solver.compute(A);
x = solver.solve(b);    

我还在Visual Studio中启用了OpenMP。但是，当我增加线程数量时，我看不到CPU使用率有任何增加。因此，我看不到它在性能上有任何改进。

但是，当我使用LeastSquaresConjugateGRadient作为求解器时，CPU使用率随着我增加线程数而增加，这意味着我可以成功地并行它，但正如我所说的那样，它不适用于BiCGSTAB。

initParallel();
int n=4;
omp_set_num_threads(n);
setNbThreads(n);

LeastSquaresConjugateGradient <SparseMatrix<double>> solver;
solver.compute(A);
x = solver.solve(b);

任何人都可以告诉我为什么BiCGSTAB无法与之媲美，如何做到这一点？

---

解决方案

并行本征BICGSTAB：

int n=4;
omp_set_num_threads(n);
setNbThreads(n);

BiCGSTAB  <SparseMatrix<double>,RowMajor> solver;
solver.compute(A);
x = solver.solve(b);