迭代空间交错条块并行Gauss-Seidel算法

针对并行GS(Gauss-Seidel)迭代算法中数据局部性差、同步和通信开销大的问题,首先改进传统GS迭代,提出了多层对称GS迭代算法.然后给出了以迭代空间条块序作为执行序的串行执行模型.该模型通过对迭代空间进行"时滞"划分,对迭代空间条块内部多次迭代计算,提高算法的数据局部性.最后提出一种基于迭代空间条块的并行执行模型.该模型改进了迭代空间网格划分,并通过网格条块重排序减少了cache缺失率、通信启动和同步次数.实验结果表明,迭代空间交错条块并行算法比传统的区域分解方法和红黑排序并行算法具有更好的并行效率和可扩展性.

局域网上求解线性方程组的一种并行Gauss-Seidel迭代算法

针对网络并行环境的计算能力强而通信相对较慢的实际情况,给出了一种局域网上求解线性方程组的并行Gauss-Seidel迭代算法。该算法将线性方程组的系数矩阵及右端项按行分块,然后将分块的系数矩阵及右端项按卷帘方式存储在各处理机,每次迭代通过循环传送已求出的部分解分量以减少处理机间的通信开销,提高并行算法的效率。试验结果表明该算法具有较高的并行效率和加速比。

融合三维螺旋运动和混合反向学习策略的改进鹈鹕优化算法

针对鹈鹕优化算法收敛速度较慢、初始化过程随机产生初始种群导致种群多样性差,在后期易陷入局部最优等问题,提出了一种融合三维螺旋飞行和混合反向学习策略的鹈鹕优化算法。首先使用Gauss映射初始化种群,提高种群多样性;其次利用三维螺旋飞行和混合最优最差反向学习策略,加强算法跳出局部最优的能力;最后,引入自适应平衡因子与自适应步长,提出鹈鹕坠落策略,以模拟捕食过程中群体的微小变化。最后,通过12个基准函数和实际案例对IPOA(improved pelican optimization algorithm)进行测试,并与8个仿生算法进行对比,测试结果与Wilcoxon符号秩和检验结果均表明IPOA收敛精度与稳定性等各项性能都有所提升,具有明显优势。

一种基于Gauss-Seidel方法的空时多用户检测算法

为了提高DS-CDMA系统的容量,提出了一种基于高斯-赛德尔(Gauss-Seidel)迭代算法的空时多用户检测算法.针对高斯-赛德尔迭代算法容易引起的误差扩散,改进算法同时从正反两个方向进行串行干扰消除,并借助最大似然序列准则进行判决,有效地抑制了误差扩散的影响.仿真结果表明,改进算法具有更快的收敛速度和更优的误码性能.

基于回路风量法的矿井通风网络解算算法

基于当前矿井通风网络解算算法的不足,深入研究回路法、Scott-Hinsley和Seidel法,设计出一种能够快速解算复杂风网的算法,主要步骤包括确定风网结构、赋权边并选取最小生成树、圈划独立回路、进行网络解算。该方法用Kruskal法来选取最小生成树,思路清晰、易于理解,方便计算机程序的实现;用试探回溯法来圈划独立回路,对于反复出现的子问题,无需进行二次求解;用改进Scott-Hinsley法进行风量解算,计算收敛速度更快,提高了算法的执行效率。将该优化算法应用于“黄坊煤矿通风智能决策系统”迭代解算模块。结果表明:风量解算结果与实测值误差均小于5%,能满足工程应用要求,为矿井通风网络解算提供了一种新思路。

块Toeplitz方程组的快速块Gauss-Seidel迭代算法

本文研究块Toeplitz方程组的块Gauss-Seidel迭代算法.我们首先讨论了块三角Toeplitz矩阵的一些性质,然后给出了求解块三角Toeplitz矩阵逆的快速算法,由此而得到了求解块Toeplitz方程组的快速块Gauss-Seidel迭代算法,最后证明了当系数矩阵为对称正定和H-矩阵时该方法都收敛.数值例子验证了方法的收敛性.

求解最小二乘问题的带动量的Gauss-Seidel方法

最小二乘问题是重要的数学与统计模型,广泛用于回归分析、参数估计、最优控制和数据拟合等领域。基于古典的Gauss-Seidel方法,推导了求解最小二乘问题的迭代格式。结合Gauss-Seidel方法和Polyak's Heavy-Ball技术,提出了动量型Gauss-Seidel方法的算法框架。根据贪婪的策略选择指标,建立了贪婪的动量型Gauss-Seidel方法的线性收敛性。最后,数值实验表明贪婪的动量型Gauss-Seidel方法在迭代步数和计算时间方面均优于贪婪的Gauss-Seidel方法。

面向异构众核架构的块Gauss-Seidel/Jacobi预条件算法

Gauss-Seidel算法作为线性方程组的求解器,在并行计算领域具有广泛应用,而面向异构众核架构开发其细粒度并行性一直是具有挑战性的问题.针对非结构网格问题,基于代数分块并行思路提出了面向异构众核架构的块Gauss-Seidel/Jacobi算法,将其作为区域分解算法的子区域求解器.面向神威太湖之光超级计算机的异构众核架构,设计并实现了该算法.为充分利用神威太湖之光国产SW26010芯片中每个CPE拥有的高速LDM(Local Data Memory),缓解通信瓶颈,设计了多行块通信打包、计算与通信重叠性能优化策略和丢弃非关键元素的低通信复杂性数值优化方法.数值实验结果显示,相较于串行Gauss-Seidel算法,优化后的块Gauss-Seidel/Jacobi算法预处理过程加速比最高可达到4.16倍.以1040核的测试数据为基准,在处理器核数达到33280时,块Gauss-Seidel/Jacobi预条件算法的并行效率达到61%.

求解多重线性系统的预条件张量分裂Gauss-Seidel迭代法

为了解决建立在强M-张量上的多重线性系统的预处理Gauss-Seidel迭代法,提出一个新的预条件子I+S'α,给出张量分裂,提出3种不同的Gauss-Seidel分裂方式,形成预处理迭代张量,并证明它们是收敛的。比较基于不同分裂形式的Gauss-Seidel迭代收敛速度,通过数值算例验证了所给算法是可行有效的。

Greedy Randomized Gauss-Seidel Method with Oblique Direction

For the linear least squares problem with coefficient matrix columns being highly correlated, we develop a greedy randomized Gauss-Seidel method with oblique direction. Then the corresponding convergence result is deduced. Numerical examples demonstrate that our proposed method is superior to the greedy randomized Gauss-Seidel method and the randomized Gauss-Seidel method with oblique direction.

Jacobi与Gauss-Seidel迭代的比较及算法的MATLAB实现

探讨比较了Jacobi迭代和Gauss-Seidel迭代,尤其是它们的可并行性.给出了它们在MATLAB中的一个实现.通过算例说明,算法的并行化实现可以大幅度地提升Jacobi迭代的效率.

椭圆方程五点格式的迭代法与快速算法的比较

主要讨论在椭圆方程五点格式的问题中,分别使用Gauss-Seidel迭代法与快速Poisson算法对其求解,并对二者求解该线性方程组的速度进行比较。在系数矩阵是稀疏的大型线性方程组中,迭代法是一个很好的求解该类型的算法,主要是因为给定一个初始向量,通过一定的迭代公式,可以求得之后任意一次迭代的结果,且运算简便,但是,对于迭代法所求得的近似解是否收敛于精确解,并且,在线性方程组有快速算法的情况下,迭代法是否还能在求解方程组中占优势,还需进一步比较。通过比较不同的系数、不同的步长[λ]以及不同的误差要求,来判断Gauss-Seidel迭代法与快速Poisson算法的优劣。

基于wNSA-Gauss-Seidel的Massive MIMO软输出信号检测算法研究

基于高斯-赛德(Gauss-Seidel,GS)和加权Neumann序列展开式(weight Neumann Series Approximation,wNSA)相结合的方法,在大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中进行信号检测研究。首先,将基于GS的软输出信号检测算法作为研究对象,证实相比于传统的Neumann算法,GS迭代算法具有更优的性能。其次,在传统Neumann序列展开算法的基础上研究加权Neumann序列展开算法,并将加权Neumann序列作为GS算法的迭代初值,设计得到w NSA-Gauss-Seidel算法,显著提升收敛速率。实验结果表明,相比于现有GS迭代算法和美国国家安全局(National Security Agency,NSA)的信号检测算法,基于wNSAGauss-Seidel的信号检测算法不仅在性能方面具有明显优势,而且在具有挑战性的信道传播环境中能够以较低的复杂度获得接近最小均方误差(Minimum Mean Square Error,MMSE)信号检测算法的性能。

预条件Gauss-Seidel迭代法的收敛性

给出一种预条件Gauss-Seidel迭代法,证明了当系数矩阵A为不可约的Z-矩阵、H-矩阵、正定矩阵时该方法收敛,从而扩展了该方法的适用范围,最后通过数值例子验证所得的主要结论.

建立在一般结构Gauss网络上的分布估计算法

提出了一种建立在一般结构Gauss网络上的分布估计算法。一方面,它无需进行Gauss网络结构的学习,从而大大减少了计算量;另一方面,一般结构Gauss网络不是近似网络,因而可获得精度很高的联合概率密度函数。针对该网络,采用了一种无需计算条件概率密度函数的产生样本方法,有效地减少了网络参数学习的计算开销。实验结果表明,与已有建立在非一般结构Gauss网络上的高阶分布估计算法相比,本文算法具有更高的稳定性和更强的寻优能力。

解线性方程组的预条件Gauss-Seidel型迭代法

给出了解线性方程组的预条件Gauss-Seidel型方法,提出了选取合适的预条件因子.并讨论了对Z-矩阵应用这种方法的收敛性,给出了收敛最快时的系数取值.最后给出数值例子,说明选取合适的预条件因子应用Gauss-Seidel方法求解线性方程组是有效的.

基于Matlab的Gauss-Seidel迭代法电力系统潮流计算

潮流计算是电力系统分析中的一种最基本的计算,它的任务是对给定的运行条件确定系统的运行状态,是进行故障计算、继电保护整定、安全分析的必要工具.电力系统潮流计算的结果是电力系统稳定计算和故障分析的基础.本文基于Matlab利用Gauss-Seidel法进行电力系统潮流计算,并分析了计算结果.通过算例,说明了该方法编程简便、运算效率高并符合人们的思维习惯,验证了该方法的有效性.

用Gauss-Laguerre积分算法确定风速数学期望

在分析了风速离散性与连续性特点基础上,通过引入连续型风速的Weibull概率分布和数学期望表达式,分别给出离散型和连续型风速数学期望的计算方法.为求解风速的Weibull数学期望,首先提出用梯度法求出Weibull函数的两个参数,然后以Gauss-Laguerre积分公式作为标准模型,将Weibull数学期望表达式转化为此标准模型,进而求出数学期望的值.最后以内蒙古新巴尔虎旗为例,通过上述方法求出该地区风速的数学期望.实验结果和分析显示,这种方法求得的数学期望和经验平均风速与气象上平均风速基本吻合.

基于改进型蚁群算法和Gauss-Markov随机场的植物病斑自适应分割

针对植物病害图像成分复杂、病斑排列无规则等特点,提出了基于改进型蚁群算法和Gauss-Markov随机场的自适应病斑分割算法。该算法采用自适应信息素更新策略,对信息量进行有差别的动态更新,克服了标准蚁群算法容易陷入局部最优造成的早熟、停滞现象。同时,利用Markov随机场的局部相关特性并结合Gauss分布组成线性平稳自回归模型,针对植物病斑特征建立分割模型。最后,采用改进型蚁群算法对其进行优化,并结合Gauss-Markov随机场最大后验概率估计,实现对植物病斑的自适应分割。仿真试验表明,改进后的算法能够针对植物病斑特性实现自适应分割,鲁棒性较好。然而,对于蚁群算法与Markov的最佳耦合方式及参数初始值的设置仍需作进一步研究。

(I+S_(max))预条件Gauss-Seidel迭代法进一步探索

Kotakemori研究了不可约对角占优Z 阵的(I+Smax)预条件Gauss Seidel迭代法,并证明在一定条件下,进行(I+Smax)预处理比(I+S)预处理收敛效果更好.本文将其收敛性定理推广到具有广泛应用背景的H 阵,并将这两类预条件Gauss Seidel迭代法相结合对不可约非奇M 阵进行两次适当的预处理,数值例子表明这样可以大大加快Gauss Seidel迭代法的收敛速度.