电磁场分析中大型稀疏对称线性方程组的一种改进解法

针对电磁场分析中的大型稀疏对称线性方程组 ,提出一种新的改进ICCG法 (不完全乔列斯基分解的共轭梯度法 )。此方法是通过引进一个控制参数来减少不完全乔列斯基分解的元素的个数 ,从而减少不完全分解和共轭梯度法每一迭代步的计算时间 ;通过理论分析 ,适当选取控制参数不仅不影响收敛速度 ,有时还会加快收敛。数值例子表明 ,该方法可比常规ICCG法(或PCBCG ,即预处理复双共轭梯度法 )减少 30 %～ 50 %的计算时间。

大型稀疏线性方程组的改进ICCG方法

有限元线性方程组的系数矩阵一般具有稀疏性和对称性的特点,全稀疏存贮方法就是利用这些特点,只存贮对称部分的非零元素,采用链表式管理,既节省存贮空间,又便于动态更改.在带双门槛值ICCG方法的基础上,加上适当的对角元修正策略,得到一种新的改进的ICCG方法,能够确保方程组高效准确的分解和求解.数值算例证明,该算法在时间和存贮上都较为占优,可靠高效,能够应用于有限元线性方程组的求解.

大型稀疏线性方程组符号LU分解法

基于有限元总刚矩阵的大规模稀疏性、对称性等特性,采用全稀疏存储结构以及最小填入元算法,使得计算机的存储容量达到最少。为了节省计算机的运算时间,对总刚矩阵进行符号LU分解方法,大大减少了数值求解过程中的数据查询。这种全稀疏存储结构和符号LU分解相结合的求解方法,使大规模稀疏线性化方程组的求解效率大大提高。数值算例证明该算法在时间和存贮上都较为占优,可靠高效,能够应用于有限元线性方程组的求解。

大型稀疏线性方程组的一种压缩求解算法

求解线性代数方程组是工程上经常遇到的问题，而它们的系数矩阵又往往是大型稀疏矩阵。文章介绍了一种简单易行，并且已经用C语言实现了的求解这类方程组的压缩算法。最后，还对压缩和非压缩算法进行了比较。

大型稀疏复线性方程组双共轭梯度法

有限元复线性方程组的系数矩阵一般具有稀疏性和对称性的特点,全稀疏存贮方法就是利用这些特点,只存贮对称部分的非零元素,采用链表式管理,即节省存贮空间,又便于动态更改。在一般双共轭梯度法的基础上,本文利用广义变分原理对内积进行了重新定义,使双共轭梯度法求解复线性方程组更为有效。数值算例表明这种双共轭梯度法结合全稀疏存贮方案的求解算法在时间和存贮上都较为占优,可靠高效,能够应用于有限元线性方程组的求解。

大型稀疏线性方程组的全稀疏存贮策略

有限元求解的大型线性方程组,其系数矩阵一般具有稀疏对称的特点,为了减少系数矩阵的存贮规模,同时便于求解,采用全稀疏存贮策略:在求解过程中只存贮对称部分的非零元素,用链表式管理算法,既减少存贮空间,又便于存贮结构的动态更改。这里给出的数值算例是使用ICCG迭代法与不同的存贮方式配合求解,该方案在时间和存贮上都较为占优,更好的提高了求解效率,能够应用于有限元大型稀疏线性方程组的求解。

基于异构并行环境的大型稀疏线性方程组求解的任务映射算法

本文基于异构并行环境，针对大型稀疏形线性方程组的并行求解，给出了求解方程组的静态任务映射，提出了合理的任务映射费用函数，并运用模拟退火算法寻找最佳任务映射，从而将一类不均匀任务合理地映射到异构并行环境中高效地并行求解。

求解大型稀疏线性方程组的一类并行算法

主要讨论了国际上近年发展起来的一类新型稳定算法—ABS算法。首先简要介绍ABS算法的过程,然后针对求解大型稀疏线性方程组问题讨论了投影阵的稀疏结构以及方程组次序的重排方法。为了在并行机上实现该算法,讨论了算法的并行化问题。最后,给出了数值计算的例子及运算时间。

大型稀疏线性方程组的数值解法

在许多利用经典算法求线性方程组的数值解的过程中,系数矩阵中的零元素对计算结果没有影响,也就没有存储的必要。如果是大型稀疏线性方程组,这样可以节省大量的存储空间。为此,提出一种在MATLAB语言环境中仅储存系数矩阵中非零元素的方法:利用3个1维数组储存系数矩阵中的非零元素及其在矩阵中的位置(行号,列号)。在编程时,忽略零元素参与的运算,可使计算量大大减少。这2个方面的改进使得利用经典算法求解大型稀疏线性方程组成为可能。借助于Jacobi迭代法进行的一系列数值实验,验证了这一探索的可行性。

一种求解非对称线性方程组的JBICR算法

针对求解大型稀疏非对称线性方程组,研究了大规模稀疏线性方程组的预条件迭代求解算法.结合Krylov子空间方法和Jacobi迭代,给出了一个新的求解算法,即预处理雅可比-双共轭残量法(简称JBICR),同时给出了算法的收敛性分析.数值实验显示了算法的快速收敛性.

一种特殊线性方程组的求解

提出了一种求解大型稀疏对称正定等带宽线性方程组的方法，并将这种方法编成Ｃ语言源程序．其主要特点是求解过程中使用的计算机存贮单元数减少到最低限度，计算量也有所减少。

电磁场分析中大型实稀疏对称方程组的新的预处理解法

针对电磁场分析中的大型稀疏对称线性方程组 ,给出一种新的预处理解法———带有松弛因子的修改型不完全因子分解共轭梯度法 (RMICCG法 )。适当选取松弛因子 ,RMICCG法具有较快的渐进收敛速度、较好的计算稳定性和较广泛的适用范围。数值例子表明 ,RMICCG法比常规ICCG法减少 30 %以上的迭代次数和计算时间。

求解大型线性方程组的带动量贪婪随机Kaczmarz方法

基于一种新而有效的概率准则,白和巫构建了一个求解大型线性方程组的贪婪随机Kaczmarz(GRK)方法。结合贪婪策略和Heavy-Ball技术,提出了带动量GRK方法(mGRK),并且建立了mGRK方法的全局线性收敛性理论。最后,数值实验表明mGRK方法在迭代步数和计算时间方面均优于GRK方法。

电磁场分析中大型稀疏方程组迭代解法的改进

针对电磁场数值分析中的大型稀疏对称线性方程组,尤其是求解棱边有限元法生成的奇异方程组,通过时谐涡流场实例计算,比较了目前文献中出现的各种预处理共轭梯度算法,提出了一种改进的预优处理的不完全乔列斯基分解共轭梯度算法,并得出了分别适用于节点有限元与棱边有限元离散方程组的最优预处理共轭梯度算法。最后对非对称方程组的求解进行了讨论。

P—对称大型稀疏矩阵方程组的LDL^P解法程序

本文给出了Ｐ－对称大型稀疏矩阵方程组的ＬＤＬ＾Ｐ解法的ＦＯＲＴＲＡＮ语言过程，并论述了过程中存在贮稀疏矩阵的方法，最后给出了一个算例。

用Gauss消去法求解大型稀疏方程组的改进算法

针对Gauss消去法求解一般大型稀疏方程组存在的问题，本文提出了一种求解一般大型稀疏方程组的Gauss改进算法。该算法给出了选择主元的新方法，从而较好地控制了计算过程中非零元的填入量，极大地节省了存储及运算开销。

求解大型稀疏线性方程组的Krylov子空间方法的发展

求解大型稀疏线性方程组是许多科学和工程计算中最重要的问题之一,Krylov子空间方法是求解这类线性方程组的一个研究热点。本文介绍了Krylov子空间方法及其分类,例如正交投影方法(或Ritz-Galerkin方法),正交化方法(或极小残差方法),双正交化方法(或Petrov-Galerkin方法),解法方程组的CGNE和CGNR方法等,指出了这些方法在算法设计方面国内外研究现状和存在问题,着重考虑稀疏矩阵向量乘积与内积计算方法的并行处理问题;讨论了预条件与并行预条件技术,残差磨光技术及其并行实现,数据的合理分布问题,内积瓶颈问题等方面研究的发展趋势,希望有更多学者了解和研究这些方法。

大型稀疏线性方程组新的ICCG方法

有限元线性方程组的系数矩阵一般具有稀疏性和对称性的特点,全稀疏存贮方法就是利用这些特点,只存贮对称部分的非零元素,采用链表式管理,即节省存贮空间,又便于动态更改．在完全Cholesky分解的基础上,构造出了新的预处理方法,应用适当的对角元修正策略,得到了一种新的ICCG方法,能够确保方程组高效准确的分解和求解．数值算例证明该算法在时间和存贮上都较为占优,可靠高效,能够应用于有限元线性方程组的求解．

用修改的Lanczos方法解大型稀疏线性方程组

引言 解大型稀疏线性方程组Ax=b,已有许多方法,但这些方法基本上是针对对称正定矩阵或非零元分布较有规律的矩阵。对于一般的特大型稀疏矩阵的有效解法还在寻找过程中,其中一个途径是从Lanczos方法入手,采取各种变形。 我们受Paige和Saunders的算法SYMMLQ的启发。

基于MPI三对角方程组的并行算法

并行计算作用是通过把计算任务基本平均的分配给各个处理器,从而使每一处理器计算的规模减小,最终使大规模的计算划分为小规模的计算,并且使计算精度提高、计算时间减少。为此,介绍了MPI的一些基本概念以及基于MPI的三对角方程组的并行算法,并且利用MPI并行环境分析了三对角方程组实际并行计算结果,因而证明了基于MPI的并行计算对处理大型稀疏线性方程组是较高效的一种方法。