求解Sylvester张量方程的隐式共轭梯度法

针对系数矩阵对称正定,右端张量秩1的Sylvester张量方程,提出隐式的共轭梯度法。这样得到的近似解、共轭方向和残量都具有张量的Tucker分解格式及递推关系。与标准的共轭梯度法求解Sylvester张量方程相比较,隐式共轭梯度法能够节约大量的计算量及存储空间。

基于GPU的机电暂态仿真细粒度并行算法

提出一种基于图形处理器(GPU)并采用隐形梯度法的机电暂态仿真细粒度并行算法。该算法将整个系统分为发电机节点系统和非发电机节点系统,对发电机节点系统求解时,先将在网络中直接相连的发电机节点合并成一个子系统,然后在GPU中给每个子系统分配相应线程块进行并行求解,其中采用了LU并行分解来求解线性方程组。求解完成后,利用从发电机节点系统传递来的LU分解信息,再对非发电机节点系统使用GPU进行求解。通过对不同规模的算例进行分析表明:所提出的GPU并行算法的计算结果与CPU串行算法和BPA软件的计算结果大致相同,且随着系统规模的增加,GPU并行算法的加速效果更为明显。

ATV模型的非线性多重网格法

自适应全变分(adaptive total variation,ATV)模型可以利用差分曲率自适应地选择基于Lp范数的正则项,并且能自适应调节正则项与保真项的权重,能够有效地去除噪声和保持图像边缘.使用半隐式梯度下降法求解ATV模型时,误差的高频分量会快速衰减而低频分量却衰减缓慢,从而导致收敛速度缓慢.为了加快低频误差衰减的速度,利用半隐式梯度下降法设计了光滑化方法,构造了求解ATV模型的非线性多重网格法,并通过与不动点迭代法、半隐式梯度下降法的对比实验,验证了新方法的去噪效果更好且计算速度更快.