编译器优化:G 比英特尔慢

我最近在C 中获取了一台带有双启动的计算机。在Windows上，我在Linux上使用Intel C 编译器和G 。我的程序主要由计算(具有数值集成等的固定点迭代算法等(组成。
我以为我可以在Linux上的Windows附近获得表演，但是到目前为止，我还没有：对于完全相同的代码，使用G 编译的程序比Intel编译器慢了2倍。从我阅读的内容来看，ICC可以更快，甚至可能收益20％至30％，但我没有读到有关它的速度两倍(总的来说，我实际上都读到两者都应该是同等的(。

首先，我使用的是大约等效的标志：

icl/openMP/i" c： boost_1_61_0"/fast Program.cpp

和

g -o program.cpp -std = c 11 -fopenmp -o3 -ffast -Math

遵循其他几个主题的建议，我尝试添加/替换其他几个标志，例如：-funsafe -math -optimizations，-march =本机，-f fhole -few program，-ofast，-ofast等。

ICC真的很快还是我缺少什么？我是Linux的新手，所以我不知道，也许我忘了正确安装某些内容(例如驱动程序(，或者在G 中更改某些选项？我不知道情况是否正常，这就是为什么我更喜欢问。尤其是因为我更喜欢使用Linux来理想地编码，因此我宁愿要尽快加速。

编辑：我决定在Linux上安装最后一个Intel编译器(Intel Compiler C 17，Update4(进行检查。我最终得到了缓解的结果：它的表现并不比GCC更好(实际上更糟糕(。我运行了交叉比较linux/Windows -ICC/GCC-使用帖子前面提到的标志(为了进行直接比较(，这是我的结果( time 运行1次迭代， MS (：

1. 普通环，无平行化：

   • Windows：
     GCC = 122074;ICC = 68799
   • linux：
     GCC = _91042;ICC = 92102

2. 并行版本：

   • Windows：
     GCC = 27457;ICC = 19800
   • linux：
     GCC = 27000;ICC = 30000

总结：这有点混乱。在Linux上，GCC似乎总是比ICC更快，尤其是在涉及并行化时(我将其用于更长的程序，差异比这里的差异要高得多(。
在Windows上，情况恰恰相反，ICC显然主导了海湾频道，尤其是在没有并行化的情况下(在这种情况下，GCC需要很长时间才能编译(。

最快的汇编是在Windows上使用并行化和ICC完成的。我不明白为什么我不能在Linux上复制它。我需要做什么(Ubuntu 16.04(来帮助固定我的流程吗？
另一个区别是，在Windows上，我使用旧的英特尔作曲家( Composer Xe 2013 (并调用' ia32 '而不是Intel64(这是我应该使用的(在Linux上，我使用昨天安装的最后一个版本。在Linux上，Intel编译器17文件夹在我的第二个HDD上(而不是我的SSD安装的SSD(，我不知道这是否也可能会减慢速度。
知道问题可能来自哪里吗？

编辑：精确的硬件： Intel(R(Core(TM(I7-4710HQ CPU @ 2.50GHz，8 CPU，4核，每个核心2个线程，体系结构x86_64-Linux ubuntu 16.04带有GCC 5.4.1和Intel编译器17(Update4(-Windows 8.1，英特尔作曲家2013

编辑：代码很长，这是我正在测试的循环的形式(即我的固定点迭代的一个迭代(。我想这是非常经典的...不确定它会带入这个话题。

// initialization of all the objects...
// length_grid1 is about 2000
vector< double > V_NEXT(length_grid1), PRICE_NEXT(length_grid1);
double V_min, price_min; 
#pragma omp parallel
{ 
#pragma omp for private(V_min, price_min, i, indexcurrent, alpha, beta)
    for (i = 0; i < length_grid1; i++) {
         indexcurrent = indexsum[i]; 
         V_min = V_compute(&price_min, indexcurrent, ...);
         V_NEXT[indexcurrent] = V_min; PRICE_NEXT[indexcurrent] = price_min;
     }
 }// end parallel

其中v_compute函数是一种经典而简单的优化算法(自定义 Golden Search (返回最佳值及其参数：

double V_compute(double *xmin, int row_index, ... ) {
double x1, x2, f1, f2, fxmin;
// golden_ratio=0.61803399; 
x1 = upper_bound - golden_ratio*(upper_bound - lower_bound);
x2 = lower_bound + golden_ratio*(upper_bound - lower_bound);
// Evaluate the function at the test points
f1 = intra_value(x1, row_index, ...);
f2 = intra_value(x2, row_index, ...);
while (fabs(upper_bound - lower_bound) > tolerance) {
    if (f2 > f1){
        upper_bound = x2; x2 = x1; f2 = f1;
        x1 = upper_bound - golden_ratio*(upper_bound - lower_bound);
        f1 = intra_value(x1, row_index, ...);
    } else {
        lower_bound = x1; x1 = x2; f1 = f2;
        x2 = lower_bound + golden_ratio*(upper_bound - lower_bound);
        f2 = intra_value(x2, row_index, ...);
    }
}
// Estimated minimizer = (lower bound + upper bound) / 2
*xmin = (lower_bound + upper_bound)/2;
fxmin = intra_value(*xmin, row_index, ...);
return - fxmin; }       

在计算(从预编译网格中选择一个网格点(row_index((方面，优化功能(intra_value(非常复杂，然后涉及大量的数值集成等(。