解大型稀疏方程组的ICCG方法及其计算机实现

针对ＩＣＣＧ算法中的关键步骤，提出了快速有效的计算技巧，以利于实际应用。

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。

求解大型线性稀疏方程组改进的中心线法

求解线性方程组问题本是一个非常古老的数学问题,已进行了大量的研究,但随着科学技术的发展,求解问题的系数矩阵的规模变得越来越大,求解大规模稀疏矩阵的线性方程组问题已经成为科学计算中的最重要的问题之一。求解大型线性稀疏方程组的中心线法于1986年提出,文献[7]对其进行了部分改进,本文通过改进文献[7]中偏离中心线的偏离度,重新定义中心线向量,提出了一种与初始向量的选取无关的大范围收敛的迭代算法。与文献[7]的算法比较,本文提出的算法具有大范围收敛、计算量小、精度高的优点。

多含水层系统的程序设计及稀疏方程组解法

基于多含水层系统的概念模型 ,建立多含水层系统数学模型 ,按五部分提出了多含水层程序总设计思路 ,针对多含水层结点多的特点 ,运用共轭梯度算法和 SSOR—共轭梯度算法对此进行求解计算 ,收敛速度较快。

求解大型线性稀疏方程组的中心线法

本文对熊西文教授于１９８６年提出的求解大型线性稀疏方程组的中心线法做了部分改进。

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。

变带宽存储形式下对称正定稀疏方程组的解法

稀疏方程组一般都是大型系数矩阵方程组,如果按照直接法求解,往往需要耗费大量的内存资源和计算时间.本文则给出了一种使用变带宽压缩存储的方式求解对称正定稀疏方程组的高效解法.

面向GPU平台的并行结构化稀疏三角方程组求解器

稀疏三角线性方程组求解(SpTRSV)是预条件子部分的重要操作,其中结构化SpTRSV问题,在以迭代方法求解偏微分方程组的科学计算程序中,是一种较为常见的问题类型,而且通常是科学计算程序的需要解决的一个性能瓶颈.针对GPU平台,目前以CUSPARSE为代表的商用GPU数学库,采用分层调度(level-scheduling)方法并行化SpTRSV操作.该方法不仅预处理耗时较长,而且在处理结构化SpTRSV问题时会出现较为严重GPU线程闲置问题.针对结构化SpTRSV问题,提出一种面向结构化SpTRSV问题的并行算法.该算法利用结构化SpTRSV问题的特殊非零元分布规律进行任务划分,避免对输入问题的非零元结构进行预处理分析.并对现有分层调度方法的逐元素处理策略进行改进,在有效缓解GPU线程闲置问题的基础上,还隐藏了部分矩阵非零元素的访存延迟.还根据算法的任务划分特点,采用状态变量压缩技术,显著提高算法状态变量操作的缓存命中率.在此基础上,还结合谓词执行等GPU硬件特性,对算法实现进行全面的优化.所提算法在NVIDIA V100 GPU上的实测性能,相比CUSPARSE平均有2.71倍的加速效果,有效访存带宽最高可达225.2 GB/s.改进后的逐元素处理策略,配合针对GPU硬件的一系列调优手段,优化效果显著,将算法的有效访存带宽提高了约1.15倍.

基于大型稀疏线性方程的农业植保无人机导航系统

采用视觉处理技术和大型稀疏线性方程组计算方法,对农业植保无人机导航系统进行了研究,为了高效、精准地对飞行过程中的目标障碍物进行定位,实现对无人机飞行轨迹的动态规划,在视觉处理技术的基础上,采用加速稳健特征SURF融合技术,对目标位置进行再次的定位求解和校正。实验结果表明:农用植保无人机从起点(0,0,-20)飞行到目标点(0,100,10),在有障碍物的情况下,可以准确地进行避障和导航,具有一定的可行性和有效性。

解大型稀疏线性方程组的一种有效并行ICCG法

该文分析了不完全Cholesky分解预处理共轭梯度（ICCG）法各部分的计算量，给出了占ICCG法主要计算时间的解预处理方程的并行算法，它既有比目前迭代算法快的收敛速度，又有较好的并行度。

一般稀疏线性方程组的因子组合型并行预条件研究

基于因子组合给出一般稀疏线性方程组的一种新并行预条件。在该方案中,应用基于邻接图的重叠区域分解,形成一串相互重叠的子区域。对每个子区域,可以采用任何不完全LU分解。之后,利用全局三角因子与全局下三角因子的乘积作为全局的并行预条件,其中全局三角因子利用限制加性Schwarz思想对每个局部上三角因子的逆进行组合得到。分析表明,提出的预条件优于经典加性Schwarz和限制加性Schwarz,且能保持对称正定性。对混凝土细观数值模拟中线性方程组的实验再次表明,新方案优于经典加性Schwarz。

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.

稀疏线性方程组求解中的预处理技术综述

稀疏线性方程组的高效求解是数值计算方向的研究热点之一,其中包括预处理技术的研究。本文从技术分类的角度,总结了稀疏线性方程组求解中的预处理技术。首先,介绍了填充元缩减策略,旨在减少求解过程中存储量的同时,仍能保持矩阵的稀疏结构;其次,介绍了不同结构系数矩阵的多种匹配技术,旨在获得矩阵的对角优势性;最后,介绍了具有天然并行性的因子分解近似逆预条件子构造方法和不完全分解预条件中的并行求解技术等。

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。

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。

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。

稀疏线性方程组不完全分解预条件方法

稀疏线性方程组的高效求解在科学计算与工程应用中起着十分重要的作用。本文系统介绍一般稀疏线性方程组和块三对角线性方程组的不完全预条件构造技术,同时介绍我们提出的多行双门槛不完全分解预条件子MRILUT和局部块不完全分解预条件子LBF2(l)构造方法,并将它们应用于二维三温能量方程组的离散求解与二维Laplace微分方程的离散求解中,取得了满意的结果。

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。

预处理ICCG法求解稀疏病态方程组

针对一般的对称正定线性代数方程组,首先给出了常用的不完全Cholesky分解预处理技术;然后通过改进对称逐次超松弛(SSOR)预处理矩阵形式提出SSOR-ICCG算法及其改进算法,并讨论了算法的收敛性;最后进行数值模拟仿真实验,数值结果表明,该算法是有效可行的,且较之一般的预处理不完全Cholesky共轭梯度法(ICCG方法),该算法在求解稀疏病态方程组方面具有优越性.

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。