我目前在做BLAS数学库中dgemm函数的c语言实现，虽然目前有很多高性能的数学库开源代码，但大部分都是用汇编代码和fortran代码实现。我在用c语言实现的时候，在Intel平台上测试性能很低，只达到理论峰值的三分之一，希望在这方面有研究的大侠高手多多指教，比较急切，谢谢各位！！

自己顶下！

实现双精度矩阵矩阵程，类似于C=A×B+C，其中A，B，C都是矩阵。

假设A，B，C都是N*N的矩阵，按列主行方式存储，一般矩阵-矩阵乘算法如下：
for（k=0;k<N;k++）
   for(i=0;i<N;i++)
      for(j=0;j<N;j++)
         C[j*N+i]+=A[k*N+i]*B[j*N+k];

考虑到按列主存的方式矩阵B的访问不连续，已经事先做过转置拷贝，但是效果仍然很不理想，虽然比原来没拷贝有所提高，但是离峰值还是很远。。。。。。
我觉大部分开销都浪费到访存上，但是不知道怎么处理，
我是用Inter ICC 编译器编译的

发的什么？

我想问下用指针代替数组索引是不是会提高代码效率
用宏代替部分编码呢？

非常感谢楼上分享的代码
我原来问题算的是性能(也就是gflops) ，假设矩阵i,j,k的规模为M*N*K，那么矩阵乘算法的主要操作就是在C=A*B+C;中包含的一次乘法和一次加法，
这样总得运算量应该至少为2×M×N×K次，然后用系统提供的时间函数测出multy函数的运行时间t，（2×M×N×K）/ t 换算下单位就可以得到gflops
而且矩阵的规模一般都很大，还要考虑访存的延迟，所以不做循环展开之类的优化操作，性能是不会很好的。。。。。。

非常感谢 我想C也的确是不能再提升了，我目前还是考虑单cpu呵呵