یک برنامه C++ بنویسید که ضرب دو ماتریس بزرگ دوبعدی را با استفاده از روش بلاک‌بندی (cache blocking) انجام دهد و زمان اجرا را گزارش کند و نتیجه را با پیاده‌سازی ساده‌ی سه‌حلقه‌ای مقایسه کند.

نکته کلیدی در بلاک‌بندی، اندازه بلوک است تا هر بلوک در کش L1/L2 به‌خوبی جای بگیرد؛ بلوک‌های 32 یا 64 معمولاً کارآمدند اما باید با معماری شما تطبیق داده شوند. برای اطمینان از صحت، نتایج پیاده‌سازی بلاک‌شده را با نسخه سه‌حلقه‌ای روی داده‌های یکسان مقایسه کنید و از اختلاف‌های کوچک به دلیل تفاوت‌های حافظه صرف‌نظر کنید. راستی، ذخیره‌سازی ردیفی (row-major) و دسترسی صحیح به ماتریس‌ها در قالب 1D با std::vector و استفاده از نوع داده مناسب (float/double) اهمیت بالایی دارد. در نهایت، اگر می‌خواهید سرعت را بالاتر ببرید، با OpenMP بخش‌های محاسب را موازی کنید اما از حفاظت از داده‌ها و تداخل دسترسی مطمئن شوید.