利用不完全Cholesky共轭梯度法求解点源三维地电场

点源三维地电场的求解是一大型数值计算问题．本文用有限差分方法求解，最后形成一个线性方程组Ax＝b，这里A是大型稀疏的带状对称矩阵．解大型稀疏方程组的完全Cholesky分解直接算法，一般要求巨大的机器内存来存储系数矩阵A，而且计算速度极慢．因此引入不完全Cholesky共轭梯度（ICCG）算法及按行索引的稀疏存储模式，充分利用A的稀疏性，使得计算速度大大提高，而内存要求则大大减少，因此ICCG算法是地电三维正演的强有力工具．

ICCG算法在SF_6罐式高压断路器三维电场有限元计算中的应用

分析了适用于大型稀疏矩阵求解的不完全乔列斯基分解的共轭梯度法ICCG ,对有限元代数方程ICCG指针的通用快速存取和寻址方法进行了研究 ,引入了新的数据结构 ,给出了基于剖分网格数据的通用快速存取和寻址方法 ,该方法可以快速有效地解决系数矩阵的寻址问题。采用等参元有限元法对罐式断路器断口间的三维电场进行了计算 ,在有限元方程大型稀疏矩阵的求解中采用了ICCG算法。

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.

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。

利用ICCG迭代技术加快电阻率三维正演计算

一般而言，有限差分法求解点源三维地电场正问题所形成的大型稀疏线性方程组Ａｘ＝ｂ，直接解法的计算效率极低。本文从系数矩阵Ａ的不完全Ｃｈｏｌｅｓｋｙ分解及矩阵特征值的特点等角度，说明了不完全Ｃｈｏｌｅｓｋｙ共轭梯度（ＩＣＣＧ）迭代技术可大大提高电阻率三维正演速度的内在原因。结合矩阵Ａ的稀疏存储模式，使得内存需求也大大减少。

GPU加速不完全Cholesky分解预条件共轭梯度法

不完全Cholesky分解预条件共轭梯度(incomplete Cholesky factorization preconditioned conjugate gradient,ICCG)法是求解大规模稀疏对称正定线性方程组的有效方法.然而ICCG法要求在每次迭代中求解2个稀疏三角方程组,稀疏三角方程组求解固有的串行性成为了ICCG法在GPU上并行求解的瓶颈.针对稀疏三角方程组求解,给出了一种利用GPU加速的有效方法.为了增加稀疏三角方程组求解在GPU上的多线程并行性,提出了对不完全Cholesky分解产生的稀疏三角矩阵进行分层调度(level scheduling)的方法.为了进一步提高稀疏三角方程组求解的并行性能,提出了在分层调度前通过近似最小度(approximate minimum degree,AMD)算法对系数矩阵进行重排序、在分层调度后对稀疏三角矩阵进行层排序的方法,降低了分层调度过程中产生的层数,优化了稀疏三角方程组求解的GPU内存访问模式.数值实验表明,与利用NVIDIA CUSPARSE实现的ICCG法相比,采用上述方法性能可以获得平均1倍以上的提升.

关于ICCG与有限元结合时计算特性的讨论

本文给出了ICCG的复数形式,并将其应用于电磁场散问题的数值计算中.讨论了不同性态的矩阵方程用ICCG求解的特点.并与其它算法进行了对比.同时文中还讨论了有限元网格优化及预选参数Ψ对ICCG收敛速度的影响.结果表明这种算法对解大型问题.尤其是对大型稀疏阵非常有效.

ICCG算法在解复线性代数方程组中的应用

文献[1]提出了不完全Cholesky分解共轭梯度法(Incomplete Cholesky——Conjugate Gradient method),即ICCG方法.在实际应用中,常常要解复数域中的线性代数方程组.为此本文给出了用ICCG法解复线性方程组的三种迭代格式,并给出一种实际存储方法.计算表明,ICCG法的收敛速度较高斯消去法快,并且存储量可大大减少.对解高阶稀疏的线性方程组,此方法更能体现其优越性.

基于ICCG法的飞行器部件强度校核快速计算方法

为满足可重复使用飞行器结构故障快速校核计算的求解要求,以GPU(Graphics Processing Unit)作为协处理器,利用其高度并行化、高显存带宽的优势完成稀疏线性方程组的加速求解。鉴于线性方程组的求解最为耗时,采用不完全Cholesky分解的共轭梯度法(ICCG)完成机翼算例的计算,在GTX1060显卡上较E31230V5有最高约25倍的加速比。结果表明,基于CUDA的ICCG算法能够满足至少60000阶矩阵的飞行器有限元模型的相关计算。

复合接地网接地电阻的计算机仿真

提出了一种计算任意形状接地网接地电阻的新模型三维单元网格模型。以电路的观点为基础,通过对地中散流过程的分析,构建了一个电阻网络来等效实际接地网,将接地网接地电阻的复杂计算转化为求解一个电阻网络的简单问题。用此模型计算了几种典型形状接地网的接地电阻,通过与其它近似计算和数值计算结果进行比较,验证了该模型的正确性。

制备方法对复合触头材料导电特性的影响

根据复合材料制备方法的各自特点 ,建立了计算复合触头材料电导率的三维单元网络模型。应用该模型研究了制备方法对材料电导率的影响 ,并与测量值进行了比较。结果表明了这种模型的可行性。

预优矩阵及其构造技术

为达到预处理共轭梯度法 ( PCG)提高收敛速度 ,克服数值不稳定性目的 ,给出了构造预优矩阵的条件 ,并构造了三个典型的预优矩阵。它们是不完全 Cholesky因子预优矩阵 ,对角预优矩阵和利用 SSOR法导出的预优矩阵 ,且在 PCG中是应用效果很好的预优矩阵。

不完全乔莱斯基分解预优共轭梯度的模型

在超分辨率影像重建中,基于最大后验估计(MAP)框架的重建方法具有较大的优势,应用非常广泛。然而,常用的迭代求解方法如最速下降法、共轭梯度法等收敛速度慢、处理时间长,经常难以满足实际处理的需要。该文在MAP框架的基础上,提出了基于不完全乔莱斯基分解预优共轭梯度的模型求解方法,即在迭代求解过程中利用不完全乔莱斯基分解构造预优矩阵,降低系数矩阵的条件数,从而提高收敛速度,节省处理时间。实验结果证明,该方法是有效的、可行的。

大型复线性方程组预处理双共轭梯度法

当复线性方程组的规模较大或系数矩阵的条件数很大时,系数矩阵易呈现病态特性,双共轭梯度法存在不收敛和收敛速度慢的潜在问题,采用适当的预处理技术,可以改善矩阵病态特性,加快收敛速度。从实型不完全Cholesky分解预处理方法出发,构造了一种针对复线性方程组的预处理方法,结合双共轭梯度法,给出了一种预处理双共轭梯度法。数值算例表明该算法求解速度快,可靠高效,能够应用于大型复线性方程组的求解。

不完全乔列斯基分解共轭梯度法在磁感应成像三维有限元正问题中的应用

磁感应成像(MIT)3维正问题中,直接求解法计算有限元方程组时,计算速度慢且因舍入误差造成计算结果不正确。该文为了解决这一问题,采用不完全乔列斯基分解共轭梯度(ICCG)迭代求解法。基于ANSYS平台建立有限元数值模型,采用ICCG法迭代求解。通过仿真实验获得设定收敛容差的最优值。对仿真结果进行对比,与直接求解法、雅克比共轭梯度(JCG)法相比,ICCG法计算速度快、稳健性高。计算结果表明ICCG法受网格粗细影响小,能够正确求解磁感应成像3维正问题。

大型广义逆反演中求逆算法的比较

目前地球物理反演中应用最广泛、最重要的一类反演方法就是广义反演。由于地球物理反演中的数据量大、模型参数多,所以在对一个反演问题建立模型方程后就要寻求一种合适高效的算法来处理它。本文首先介绍现有几种迭代求逆的方法,然后通过Matlab设计的大型高条件数矩阵,比较了共轭梯度法以及两种基于预条件算子的迭代算法,结果表明共轭梯度法迭代方法对于条件数巨大的矩阵解算效率很低,而基于预条件算子的迭代算法具有明显的优势。

用边有限元方法计算磁偶极子的三维电磁响应

用边有限元基函数导出了麦克斯韦 (Maxwell)方程的有限元关系式 ,计算了地下三维介质中磁偶极子的电磁场响应 .将场分量定义在有限单元的边上 ,解决了结点有限元方法中场切向分量不连续的矛盾 ,保证了源除外的所有单元内有旋无散的特性 .将总场分离成背景场和二次场 ,使该方法适用于任何方向的磁偶极子源 .通过模拟算例分析了 7种Krylov子空间迭代算法以及不完全乔累斯基分解预处理手段在解大型线性代数方程组中的计算效率和收敛特性 .对比结果表明 ,施加不完全乔累斯基分解作预处理的广义乘积型双共轭梯度算法GPBiCG (Pbicg)收敛最快 ,是三维复杂介质电磁响应数值模拟的首选算法 .

基于电路压缩的单开路故障快速分析算法

基于多网格和等效电路这两种电路压缩方法,提出了一种电源线/地线(P/G)网络单故障高效分析算法,以有效地提高P/G网单开路电阻故障的测试效率。该算法包括3个算法步骤:先采用多网格方法和等效电路方法对电路进行大幅度地压缩,此过程具有快速与高精度的优点,再采用连续过松弛(SOR)求解算法求解剩余电路的电压分布,最后根据已知电压节点快速而精确地返算出被压缩节点的电压。实验数据表明:该算法具有精度高、算法复杂性低、应用范围广等优点。与通用的不完全乔勒斯基分解共轭梯度(ICCG)求解算法相比,该算法在保持较高精度(误差小于0.0276%)的前提下,速度可以提高106倍,同时还可以求解ICCG算法无法处理的测例。

基于不完全分解预优共轭梯度法的电源和地线网络求解器

在超大规模集成电路的电源和地线网络的设计中 ,求解由该网络上每个节点的电压和每条边上的电流是最基本的运算 ,它对电源和地线网络拓扑结构设计和线宽优化算法的质量具有直接的影响 .针对电源和地线网络的特殊性 ,提出了一个高效的电源和地线网络求解器 ,包括电路网络中树结构的合并与恢复和用不完全分解的预优共轭梯度法来求解节点电压方程 .该求解器的运算速度很快 ,所耗费的内存很小 。