求解电路仿真中超大规模稀疏线性方程组的改进分块对角加边方法

针对电路仿真中瞬态分析产生的超大规模稀疏线性方程组,分块对角加边(Bordered Block Diagonal,BBD)方法是一类经典的求解方法.本文提出了一种改进的BBD方法,通过使用基础列分解和流水线分解结合的方式,改善了传统BBD方法中负载不均衡的问题.在矩阵边界分解时,本文通过引入流水线分解克服了传统方法边界难以并行的缺陷.通过求解16个真实电路上产生的超大规模稀疏线性方程组,我们验证了改进BBD方法的有效性.相较于传统的BBD方法,改进方法在不同线程下的求解速度均有一定提升.

大规模带状线性方程组的追赶法

利用五对角线性方程组的追赶法思想矩阵LU分解的方法,推导出任意带宽的大规模带状线性方程组的追赶法.理论推导表明:对于带宽为2t+1的n阶带状线性方程组,该算法的运算量级为O([2t2+5t+3]n),存储量级为O[2(t+1)n].数值实验表明:该算法比其他一些算法有明显的速度和内存优势.这极大地提高了解线性方程的速度.

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.

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。

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。

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。

电磁场分析中大型稀疏对称线性方程组予处理法的改进

本文提出了一种适用于电磁场分析中的大型稀疏对称线性方程组求解的改进予处理法。该方法的特点是，利用原始系数矩阵和分解中的下三角矩阵元素的数值来确定预处理矩阵的稀疏格式，并利用两个控制多数适当减少不完全三角分解的时间。实践表明，该方法能够有效地加快严重病态线性方程组求解的收敛速度。

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。

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。

求解欠定线性方程组稀疏解的算法

针对欠定线性方程组稀疏解的求解问题,文中提出两个改进的迭代重加权最小范数解算法（IRMNS）及一个光滑的0函数算法.其中,第一个算法基于q（q∈（0,1]）范数提出的,当q较小的时候,算法可以增强恢复稀疏解的能力;第二个算法是直接由0范数最小化问题提出的,它可以看做是第一个算法在q=0时的拓展;第三个算法是通过用一个光滑函数来近似0范数从而将原问题进行转化求解的.数值例子表明这三种算法都是快速有效的.

基于大型稀疏线性方程组拓扑的拖拉机精确定位系统

由于在实时导航过程中存在大量的坐标转换数据,拖拉机的精确导航高度依赖于计算机环境,计算速度和存储能力直接决定了拖拉机导航的水平高低。在拖拉机实时导航时存在大量的大型矩阵的计算工作,由于存储和计算时间问题,往往超过了处理器的计算能力。为了解决这个问题,提出了利用矩阵稀疏性,降低存储量和运算次数的方法,并利用DGPMHSS迭代方法完成了稀疏矩阵的有效求解。在考虑到计算精度、数值稳定性及拖拉机导航求解器采用的求解方法的情况下,通过导航实验对该方法进行了验证。拖拉机导航实验表明:该方法可以有效解决导航过程产生的万阶稀疏矩阵,且计算效率高,可以满足拖拉机精确定位的计算需求。

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。

基于MPI的大型稀疏线性方程组的并行算法

扼要介绍了MPI的一些基本概念,利用MPI并行环境,实现了大型稀疏线性方程组的并行算法,并以三对角线方程组为例加以实现。

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。

并行求解大型稀疏线性方程组的研究概况

本文全面总结了当前并行求解大型稀疏线性方程组的两种主要方法－直接法和迭代法。分析了它们的特点，同时指出了结合预条件子的Ｋｒｙｌｏｖ子空间迭代法是目前并行求解大型稀疏线性方程组的最主要方法。

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。

有限元线性方程组改进的全稀疏存贮方法

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;但在实际求解计算时,查找元素花费的时间较多;这里给出了一种改进的方法,是在链表的基础上生成相应的线性表,能够方便快速查询元素,使存贮结构同时具有链表和线性表的优点。数值算例证明该存贮方案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。