求解非对称线性方程组的预对称混合 GMRES 算法

对于非对称线性方程组Ax＝ b ,当A是正定可对称化矩阵时,利用预对称化技术和混合迭代技术,结合GM RES算法提出了一种新的预对称混合GM RES迭代算法,理论表明,新算法可以使迭代的收敛效果得到明显改善。数值例子表明该算法迭代次数要少于解非对称线性方程组的GM RES方法。     

一种改进的混合广义极小剩余算法

N．M．Nachtigal,L．ReichelandL．N．Trefethen提出了一种新颖的求解大型非对称线性方程组的混合迭代思想,称为混合广义极小剩余算法（Hybrid GMRES）。该算法是在存储空间足够充裕的前提下,节省计算时间的一种有效算法,但它的收敛性从理论上得不到保证。从某种程度上说Hybrid GMRES是一种经验性的算法,在求解过程中可能导致收敛缓慢或不收敛．为了提高混合Hybrid GMRES算法的实用性,本文利用GMRES（m）本身构造出多项式预处理因子,并提出如下的一种称为改进的混合广义极小剩余算法（Improved Hybrid GMRES（m））。数值试验表明,新算法容易实现,且能够以一个较小的步长快速的收敛到一个预定的精确度,在减少计算量的同时,很好地克服了Hybrid GMRES算法的缺陷。     

一个自适应预处理的CRS算法

共轭残量平方算法(CRS)是最近提出求解大型稀疏非对称线性方程组的一个有效Krylov子空间方法.然而,在一些实际问题中CRS算法常常收敛不规则、很慢、甚至停滞.为解决此问题,提出一个自适应预处理技术,该技术由CRS算法的迭代过程中嵌入几步GMRES(m)迭代构造而成,最后,数值验证新算法的有效性.     

一种加权的Simpler GMRES算法

GMRES方法是求解大规模非对称稀疏线性方程组最常用的方法,实际应用中存在着许多对标准GMRES进行改进的算法,比如Simpler GMRES和Weighted GMRES.Simpler GMRES通过改进GMRES中基的生成过程来减小计算量,同时保持较好的收敛性,Weighted GMRES是采用加权技术来加快GMRES方法的收敛速度,但是增加了计算量.本文提出了一种新称为Weighted Simpler GMRES的方法,它以Simpler GMRES方法为基础,结合Weighted GMRES方法得到.实验表明,对某些问题,Weighted Simpler GMRES方法的收敛性优于Simpler GMRES和GMRES,计算量小于Weighted GMRES.     

求解奇异线性方程组的两种预条件QMR算法

主要讨论求解奇异线性方程组的两种预条件QMR算法,证明了相应的收敛性．数值试验表明,在收敛速度上,两种预条件QMR算法比预条件GMRES算法具有明显的优越性．     

一种求解非对称线性方程组的JBICR算法

针对求解大型稀疏非对称线性方程组,研究了大规模稀疏线性方程组的预条件迭代求解算法.结合Krylov子空间方法和Jacobi迭代,给出了一个新的求解算法,即预处理雅可比-双共轭残量法(简称JBICR),同时给出了算法的收敛性分析.数值实验显示了算法的快速收敛性.     

关于非局部扩散模型的一种快速预处理算法

变系数非局部扩散模型可以被一种快速配置法进行有效的数值离散。离散后得到一个系数矩阵具有 Toeplitz 结构且稠密的线性方程组。由于系数矩阵是非对称的,该线性方程组可以用广义极小残量法（GMRES）方法求解。为了提高 GMRES 方法的收敛率,构造了系数矩阵的 Toeplitz 及循环预处理子,并提出了预处理 GMRES 方法求解该线性方程组。数值算例也表明了该预处理算法的有效性。     

一种加权块simpler GMRES算法及应用

【目的】为了更加稳定地快速求解非对称多右端项线性方程组,解决实际应用问题。【方法】有效利用加权策略和分析基底条件数,对块simpler GMRES方法进行了改进。【结果】提出加权块simpler GMRES算法,并对算法的数值稳定性进行分析,得出初始块残量的单位化是新算法数值稳定的关键,以及加权矩阵的一个不变性质。【结论】数值算例表明新算法具有良好的稳定性,能快速稳定地求解目标方程组。     

求解非对称线性方程组的积多项式预处理GMRES算法

当系数矩阵的条件数过大时,求解非对称线性方程组通常采用预处理方法.根据GMRES算法的补足收敛特性,构造一种有效的积多项式预处理因子.在一定条件下,应用积多项式对系数矩阵进行预处理,可以显著降低谱条件数,从而加快残量的收敛速度.数值试验表明,新算法在残量收敛方面具有明显的优势.     

一种求解位移方程组问题的加权简化广义最小残量算法

结合加权策略和简化的广义最小残量算法(GMRES),提出可有效求解位移线性方程组的加权简化GMRES算法,并给出加权简化GMRES算法与简化GMRES算法之间的联系与性质,最后数值算例给出了新算法的有效性.     

PO-MoM结合近场预条件技术分析复杂载体上线天线辐射特性

提出了一种将近场预条件技术与物理光学-矩量法(PO-MoM)相结合的新技术,并应用于分析电大尺寸复杂载体上线天线的辐射问题.根据PO-MoM方法导出系数矩阵元素的物理意义,忽略PO区的影响,构造出一个稀疏化系数矩阵的近似阵.采用LDU分解和简化的分块Gauss消元算法,快速构造出一个矩阵分解形式的预条件阵.将该预条件阵用于预条件广义最小留数(GMRES)法迭代求解线性方程组,对一个复杂金属载体上的线天线辐射问题进行了分析,验证了此方法的有效性和正确性.在此基础上,计算了一个尺度与真实尺寸相当的舰船模型上超短波天线的远场辐射特性.数值结果表明,采用该技术可以快速有效地分析舰船、飞机等真实移动平台上线天线的辐射特性.     

双反对称的线性方程组的迭代算法

充分利用双反对称矩阵的性质,研究了双反对称的线性方程组Ax=b的迭代算法,给出求方程解的迭代算法.通过2个数值例子说明算法是可行有效的。     

电大尺寸导带二维散射的快速矩量法解

用矩量法（MOM）、预条件共轭梯度法（PCG）和快速傅里叶变换（FFT）的混合技术分析了电大尺寸导二维散射问题,该方法以等效电流作为未知函数建立积分方程或积－微分方程,然后通过矩量法获得一个线性方程组,用预条件共轭梯度法与快速傅里叶变换的结合算法（PCGFFT）来求解这个线性方程组,其中采用了T．Chan优化循环预条件器,该混合技术降低了对计算机内存的需求,加了算法的迭代速度,且增强了算法的收敛性。     

图像恢复的正则化混合WGMRES算法

基于GMRES算法在处理大规模线性系统的优势,提出了一种图像恢复的正则化混合WGMRES算法。该方法是将加权的GMRES算法与正则化技术结合起来应用于图像恢复问题,首先建立一个特定的图像退化模型方程,在此基础上结合Tikhonov正则化技术将方程转化为一适定问题,然后利用改进的加权GMRES算法进行求解。数值试验结果表明改进算法复原后的图像较于标准GMRES算法复原后的图像在整体视觉效果上和峰值信噪比上都有很大提高。     

一种改进的预处理不精确反迭代算法

利用M.A.Freitag和A.Spence改变线性方程组右端的思想,在假定已有一个充分逼近的特征对的前提下,经过推导,给出了一种改进的预处理不精确反迭代算法.数值试验表明,新算法比传统的算法更稳定,更适合于求解大型稀疏的非对称标准特征值问题.     

一种改进的预处理不精确反迭代算法

本文利用M.A.FREITAG 和 A.SPENCE改变线性方程组右端的思想,在假定已有一个充分逼近的特征对的前提下,经过推导,给出了一种改进的预处理不精确反迭代算法。数值试验表明,新算法比传统的算法更稳定,更适合于求解大型稀疏的非对称标准特征值问题.     

一种基于正则化和改进GMRES技术的图像复原算法

基于正则化技术与GMRES算法结合用于退化图像的复原,提出了一种改进的图像复原方法。该方法先利用正则化技术将图像退化模型方程转化为一适定问题,再利用改进的GMRES算法进行计算,得到的解即为最终的复原图像。数值实验表明,该方法的复原效果比标准GMRES算法要好。     

基于SSOR预条件技术的快速相位解缠算法

相位解缠是合成孔径雷达干涉测量中的一个关键步骤和研究热点。在众多的解缠算法中,最小二乘相位解缠算法以其优良的稳定性受到人们的关注。该方法的核心思想是将相位解缠问题转化为通过迭代方法求解大型线性方程组。然而,传统的迭代方法存在收敛缓慢,耗时过长的缺点。针对这一问题,本文提出了一种利用对称超松弛预条件技术加速相位解缠的新方法。数值仿真实验表明,与传统方法相比,该方法可以在精确恢复真实相位的前提下,大大提高相位解缠的效率。     

求解非对称线性方程组的总体拟极小向后扰动方法

在利用QPMR方法求解非对称线性方程组(尤其是病态方程组)的Lanczos过程中通常会发生算法中断或数值不稳定的情况．为解决这个问题，将求解非对称线性方程组的QMR方法与总体向后扰动范数拟极小化的技巧相结合，给出求解非对称线性方程组的总体拟极小向后扰动方法(TQMBACK方法)，同时，为减少存储量和运算量，新算法将采用重新开始的循环格式，通常人们采用残量范数作为判断算法终止的准则，但是，当近似解非常接近真值时，残量范数是小的，而反过来不一定，为克服残量范数作为算法终止准则的不足，将总体向后扰动范数作为判断算法终止的准则，得到求解非对称线性方程组的循环总体拟极小向后扰动方法(RTQMBAK方法)，数值实验表明，新算法比Lanczos方法和QMR方法收敛速度更快．而且，新算法对求解病态的非对称线性方程组很有效。     

求解复对称线性方程组的两参数修正HSS方法

基于修正的HSS(MHSS)迭代方法,运用双参数加速技术去求解大型稀疏复对称线性方程组,从两个方面证明了该方法的收敛性并且在理论中给出了最优的参数选择,数值实验验证了该方法的有效性.将两个例子与MHSS迭代方法进行比较,表明该方法在收敛速度和稳定性上都优于MHSS方法,对于提高计算效率和解决实际问题具有重要意义,为求解大规模稀疏复对称线性方程组提供了一种新的思路.