用Chebvshev多项式加速的预处理子空间迭代法

研究了计算大型稀疏对称矩阵的若干个最大或最小特征值的问题的子空间迭代法.首先引入了加速子空间迭代法的Chebyshev迭代法和预处理技术.为了更好地加速子空间迭代法的收敛速度,作者把Chebyshev多项式和预处理技术同时应用到子空间迭代法中,对预处理过的残余矩阵用Chebyshev多项式加速.即讨论了Chebyshev迭代法对预处理子空间迭代法的应用.这样既缩小了矩阵特征值的分布范围,又改善了每次循环的初始矩阵.从而给出了用Chebyshev多项式加速的预处理子空间迭代法.最后给出了数值例子,结果表明加速后的预处理子空间迭代法比原来的预处理子空间迭代法更优越,进一步加速了迭代法的收敛速度,减少了计算量和计算时间.     

预处理子空间迭代法

研究了计算大型稀疏对称矩阵的若干个最大或最小特征值的问题．首先引入求解大型对称特征值问题的预处理技术，给出了改善后的算法及相应的算法收敛分析．而求解特征值问题的子空间迭代法，当矩阵的特征值的分布范围较大时，其收敛速度会受到限制．为了加速子空间迭代法的收敛速度，对每次迭代所得的残余矩阵直接进行预处理以改善矩阵特征值的分布而加速收敛．讨论了预处理技术对子空间迭代法的应用，从而给出了预处理子空间迭代法．最后给出了数值例子，结果表明预处理子空间迭代法比子空间迭代法优越，不仅收敛速度快，并且减少了计算量和计算时间．     

用Chebyshev多项式加速的预处理子空间迭代法

研究了计算大型稀疏对称矩阵的若干个最大或最小特征值的问题，首先引入了求解大型对称特征值问题的预处理子空间迭代法和Chebyshev迭代法，并对其作了理论分析．为了加速预处理子空间迭代法的收敛性，笔者采用组合Chebyshev迭代法和预处理子空间迭代法，提出了计算大型对称稀疏矩阵的几个最大或最小特征值的Chebyshev预处理子空间迭代法．数值结果表明，该方法比预处理子空间方法优越．     

求解L-矩阵方程组的一种Gauss-Seidel型预条件迭代法

在1991年A.D.Gunawardena等人首先提出了以I＋S为预处理子的Gauss-Seidel型迭代法比基本的迭代法有较好的收敛性.文章提出以阶梯矩阵作预处理子的Gauss-Seidel型迭代法,文中给出了收敛定理并以数值例子说明文章的方法比基本的迭代法及A.D.Gunawardena等人的方法有较好的收敛率.     

基于正则化的预处理子求解非对称广义鞍点问题

推广了文献[33]的正则化技巧用于求解非对称的广义鞍点问题.证明了相应迭代法的无条件收敛性及相应的预处理矩阵的谱性质.基于该预处理子,提出了一种松弛的预处理形式,对其预处理后的系统的特征性质给出了相关结论.通过数值试验证明了所提出的预处理子的有效性.     

预处理子空间迭代法的收敛性分析

基于子空间迭代法的局限性，结合预处理技术的收敛特性，研究了预处理技术对子空间迭代法的应用以加速子空间迭代法的收敛，即预处理子空间迭代法，给出了相应的收敛分析．理论的分析和数值例子的结果表明预处理技术对子空间迭代法的加速是有效的．     

改进的古典迭代法对于M-矩阵谱半径的比较结果

近四十年来许多文章致力于研究在系数矩阵是M 矩阵的情形下,线性方程组的预处理子的修改与完善,目的是为了改善古典迭代法(Jacobi,Gauss Seidel迭代法等)的收敛速度.本文对其中的Milaszewicz的方法(见文献[1])做出改进,将其结论中的预处理子参数化,并对参数的选择给出必要条件,以保证这种预处理方法收敛,从而得到在这种改进的预处理方法下,Jacobi及Gauss Seidel迭代法的迭代矩阵谱半径的比较结果.     

求解鞍点问题的修正SOR-like方法

针对大型稀疏鞍点问题给出了一种含有待定参数的新迭代解法,称之为修正SOR-like方法,简记为MPSOR-like方法.该迭代法的构成是基于对系数矩阵进行的一种分裂.迭代法需要选择一个预处理矩阵和待定参数,通过适当选取预处理矩阵和待定参数,新迭代法是收敛的,并且以定理的形式给出了新迭代方法的迭代矩阵的特征值和参数之间的基本等式,从而也导出了迭代法收敛的充分和必要条件.理论结果表明新方法更具有广泛性,并且选择适当的参数可以使新方法较SOR-like方法具有更快的收敛速度.给出了迭代法的数值试验结果.     

预处理并行AOR迭代法

AOR迭代法是经典的迭代法,不同的AOR迭代法和并行AOR迭代法被广泛研究.近年来,预条件迭代法引起了人们的极大兴趣,提出了多种预条件因子.论文提出预处理并行AOR迭代法,并给出了相应的收敛性和比较理论.最后,通过数值例子说明新算法的有效性.     

求解PageRank问题的Arnoldi-PIO算法

PageRank算法能帮助用户快速、准确地在巨量杂乱无章的信息中检索出有用的信息.两步分裂迭代法是用幂法来修正内外分裂(power-inner-outer,PIO)迭代法以加速PageRank算法.基于两步分裂迭代法,将预处理思想运用于求解PageRank问题,提出了求解PageRank问题的深度重启的Arnoldi算法加速的两步分裂迭代法,然后对此算法的收敛性进行了证明.数值实验结果证明,该算法的计算速度要快于两步分裂迭代法.     

解线性方程组的预条件SOR型迭代法

针对大型线性方程组问题构造了一种含有待定参数和预条件因子的新迭代解法,将其称为预条件SOR型迭代法.当待定参数ω=1时,预条件SOR迭代法就变成程光辉等人给出的预条件Gauss-Seidel型方法.讨论了当系数矩阵是不可约Z-矩阵时,SOR法和预条件SOR法的迭代矩阵所具有的性质,并通过定理将这两种迭代矩阵的谱半径进行了比较,同时给出了收敛最快时参数的取值范围.另外也将预条件SOR型迭代法和预条件Gauss-Seidel型方法进行了比较,显示了新方法的优越性.最后通过数值例子说明,选取合适的预条件因子可以使求解线性方程组的预条件SOR方法变得更有效.     

(I+C_α)预条件Gauss-Seidel迭代法的收敛结果

讨论线性方程Ax=b的Gauss-Seidel迭代法的求解问题.Hadjidimos A等提出了预条件矩阵I+Cα.论文给出了线性方程组改进的Gauss-Seidel方法(称之为IMGS方法)对H阵的收敛结果,并给出数值例子.     

改进的EBE预条件矩阵及其在有限元方程组求解中的应用

结构分析中的有限元法一般归结为线性方程组的求解,依据EBE(Element-by-Element)策略,有限元方程组的系数矩阵(即系统的总刚度矩阵)可以表示成低秩的单元级矩阵的和。针对这类形式的线性方程组,本文在EBE策略的基础上给出了改进的预条件矩阵,称其为MEBE预条件矩阵;结合共轭梯度法,可在不显式形成总刚度矩阵的情形下,得出适合于并行计算的MEBE-PCG算法,并在网络机群(COW)并行计算环境下结合实例对算法的效率进行了验证。     

基于动态协方差建模的纵向数据特征筛选方法

为了使统计分析有效进行,特征筛选问题在超高维领域已被众多学者广泛研究;针对现存特征筛选方法不 能灵活处理超高维纵向数据的组内相关性问题,提出一个基于动态协方差建模的迭代特征筛选方法,并称之为迭代的动态特征筛选方法;在每次迭代过程中,均使用修正的 Cholesky 分解代替静态协方差矩阵建模方法对纵向数据的组内协方差矩阵进行动态建模,获得灵活的组内协方差矩阵估计,然后将所得估计代入广义估计方程中,并基于广义估计方程特征筛选方法的思想建立特征筛选准则进行筛选,最后当迭代算法收敛时得到最终的筛选子模型;引入随机模拟和酵母细胞周期循环基因表达数据集对迭代的动态特征筛选方法和基于广义估计方程的特征筛选方法以及其他 2 个经典的独立特征筛选方法进行测试,结果表明:迭代的动态特征筛选方法不仅可以快速地筛选出重要协变量,而且还能够更加灵活地处理纵向数据的组内相关性,拥有更高的筛选精度。     

基于GPU的对称正定稀疏矩阵复线性方程组迭代算法

提出一种基于图形处理器（GPU）的对称正定稀疏矩阵复线性方程组迭代算法. 首先, 采用基于GPU的共轭梯度法和双共轭梯度法, 实现GPU上的矩阵向量乘操作, 并充分优化相应的算法步骤; 其次, 实现基于GPU的对角元预处理、 不完全Cholesky分解和对称超松弛3种预处理方法, 提出一种基于GPU的求解三角方程组并行算法; 最后, 实验分析各种预处理方法的优劣. 实验结果表明, 该算法较CPU串行迭代算法与经典的直接法速度提升较大, 最高可达到76倍的加速比.     

解泊松方程的快速预处理共轭梯度法

为了满足电子技术中电磁问题求解器的工程需求 ,通过分析泊松方程均匀差分离散所得模型问题的矩阵结构 ,提出了共轭梯度法的三角阵预处理器 .在用数值试验考察了其参数的特性后 ,给出了参数的经验估计方法 .实现了带参数的三角预处理器共轭梯度法求解器 .实例表明 ,该算法比常规共轭梯度法和超松弛法具有更低的计算复杂度 ,而它们存储复杂度相同 .不仅所实现的求解器具有实用价值 ,而且所给出的预处理构造技术具有进一步发展的余地 .     

含参数形式的鞍点问题SOR-LIKE求解方法

在求解鞍点问题的迭代方法SOR-LIKE算法中,通过引入参数构造出系数矩阵的一般化分裂算法,运用矩阵理论分析该算法的收敛性,并用数值实验来检验迭代法的收敛性.     

一类分数阶最优控制问题的高阶快速算法

分数阶扩散方程约束的分布式最优控制问题广泛地应用于科学和工程领域,包括优化设计、控制和参数识别;针对这类问题,提出了一种高阶的快速算法。对于求解该问题的一阶最优条件所产生的耦合两点边值问题,在空间上利用紧差分,时间上利用边值方法对该问题进行离散,离散后得到一个2×2块线性系统;然后使用带有Kronecker积分裂的迭代算法求解该线性系统,该算法是块状的Kronecker积结构,通过交替的Kronecker积分裂迭代方法得到了这个Kronecker积,并证明了该分裂迭代算法是收敛的;同时使用GMRES方法来加速Kronecker积分裂迭代的收敛;最后数值实验表明了该算法的精确性和计算效率。     

一种动态OD矩阵估计算法的理论及应用

首先比较几种动态OD矩阵的估计方法（如广义最小二乘法、最大似然法，最小信息量法和极大熵法），优选出极大熵法，用组合理论推导出该方法的数学模型，进一步用拉格朗日乘子法求出模型的隐式解，由于实际解需迭代求出，文中介绍了一种迭代算法，并证明了它的正确性，最后，把所建立的模型和介绍的算法用于仿真案例和江苏省常熟市的交通诱导系统中，效果令人满意。