预处理技术与PCG算法

1 共轭梯度法 1952年M·R·Hestenes和E.Stiefel从极小化的观点来讨论代数方程组Ax=b的解,给出了著名的共轭梯度法(Conjugate Gradient,简称CG).若A是N阶对称正定实矩阵,记向量x和y的内积为(x,y)。

基于CUDA的大规模稀疏矩阵的PCG算法优化

为了实现大规模稀疏矩阵的高效求解,该文利用GPU(graphics processing unit)高带宽、低成本及强大的并行处理能力等优势,基于CUDA(compute unified device architecture)技术对采用CSR(compress spare row)格式存储的大规模稀疏矩阵进行了预处理共轭梯度(PCG)算法的求解优化。采用了存储器优化和数据流优化这2大并行优化策略,对稀疏矩阵与向量乘积和向量间内积与归约的GPU优化步骤进行了详细介绍。通过对实际的水工隧洞模型里的稀疏矩阵求解,得到在GTX580显卡上的计算效率是Intel i7CPU的13倍。该文提出的基于CUDA的PCG算法具备快速、高效求解大规模稀疏矩阵的能力。

自适应大型线性方程组并行算法

研究工程数值分析中的矩阵类型和对应的并行求解算法,提出自适应的大型线性方程并行求解算法,并在自己建立的机群上进行了二个实验,实验结果表明自适算法能够根据用户的参数自动从算法库中选择出最佳的并行算法,计算出相应的最佳计算节点数,从而提高了线性方程组并行算法的通用性,大大降低工程数值分析的难度。

一类特殊的非对称线性互补问题的两步迭代法

线性互补问题的高效能算法在大规模科学计算与工程中至关重要。而两步迭代法是一个适合求解大规模问题的有效算法。基于非对称逐次超松弛迭代法和投影共轭梯度迭代法的思想,文中提出了一类求解系数矩阵为三对角非对称M矩阵的线性互补问题的USSORP-PCG算法——两步迭代法。在建立算法收敛性定理之后,证明了算法的收敛性。数值例子通过扩大系数矩阵的规模,并与逐次超松弛迭代法比较来验证算法对于大规模问题具有高效性和良好的收敛性。

利用光场探测技术重建温度场

探讨了用光场探测技术重建温度场分布及其变化的可行性,运用光场探头和CCD相机获取多组穿过目标区域一一对应的入射光线和出射光线,再运用费马原理来建立光程函数重建该区域温度场。用matlab软件进行了仿真,在算法的选用上,将选用PCG迭代算法来解决这种非完全投影数据的重建问题。重建结果表明,该方法是一种有效的方法,可以用于重建整个温度场分布,相比传统的测温方法有很大的优点。