松弛模系矩阵分裂迭代法求解一类非线性互补问题

考虑松弛模系矩阵分裂迭代法求解一类非线性互补问题,理论分析给出了当系数矩阵为H_+-矩阵时迭代法的收敛性和松弛参数的选取方法.数值实验表明,松弛模系矩阵分裂迭代法在迭代步数和迭代时间上均优于模系矩阵分裂迭代法.     

线性互补问题的广义松弛两步模基矩阵分裂迭代法

将松弛策略引入到与线性互补问题等价的广义隐式定点迭代方程, 建立了求解线性互补问题的广义松弛两步模基矩阵分裂迭代法, 将已有的松弛两步模基矩阵分裂迭代法扩展到了更一般的情形; 当系数矩阵为H₊-矩阵时, 利用H₊-矩阵的特殊性质, 给出了新方法的收敛性分析.数值结果表明:依据迭代次数和CPU时间, 由新方法所导出的新的广义方法比已有的广义模基矩阵分裂迭代法和广义两步模基矩阵分裂迭代法更有效.     

拟补问题模系矩阵分裂迭代方法的收敛性分析

将求解拟补问题的一类模系矩阵分裂迭代算法看成内外迭代法,给出了内迭代计算更多的说明以及该算法的收敛性理论。当系数矩阵分别为正定矩阵和H+-矩阵时,还得到了新的收敛性条件。该分析结果进一步完善了拟补问题模系矩阵分裂迭代法的收敛性理论。     

求解一类隐式互补问题的加速模系矩阵分裂迭代法

构造了求解一类隐式互补问题的加速模系矩阵分裂迭代法。理论分析建立了新方法在系数矩阵为H+-矩阵时的收敛性质。数值实验结果表明新方法是行之有效的,并且加速模系矩阵分裂迭代法在迭代步数和时间上均优于传统的模系矩阵分裂迭代法。     

求解一类非线性互补问题的广义模基矩阵分裂迭代法

通过引入新的正对角参数矩阵, 提出了求解$H$-矩阵非线性互补问题的广义模基矩阵分裂迭代法和广义二步模基矩阵分裂迭代法, 取定特殊的正对角参数矩阵和矩阵分裂后, 两种算法都可转化为已有的模基矩阵分裂迭代法, 因此是已有求解线性互补问题和非线性互补问题模基矩阵分裂迭代法的推广. 利用$H$-矩阵的相关性质建立了两种算法的收敛性分析, 在算法收敛的充分条件中, $H$-分裂的假设比已有的非线性互补问题模基矩阵分裂迭代法$H$-相容分裂的收敛条件更弱; 另外, 所得到的正对角参数矩阵的收敛域比已有非线性互补问题模基矩阵分裂迭代法的收敛域更大, 因此收敛性结果是已有算法收敛性结果的推广改进, 这表明新的正对角参数矩阵是有效的.     

求解线性互补问题的一类矩阵分裂迭代算法

通过改进 NMMS 方法,建立了一类新的基于模的两步矩阵分裂 (NTMMS) 迭代法,给出了该算法在适当条件下的收敛性,包括加速超松弛分裂的情况。数值实验表明,该方法在实际应用中优于传统的迭代法。     

模系矩阵分裂迭代法定价机制转换下的美式Kou型跳扩散期权

【目的】研究机制转换下的美式Kou型跳扩散期权模型的数值解法。【方法】基于Crank-Nicolson拟合有限体积法离散得到的线性互补问题，引入高效的模系矩阵分裂迭代法进行求解。【结果】给出了H+离散矩阵下算法的收敛性定理。【结论】数值实验验证了新方法的有效性、稳健性和收敛性，且模系矩阵分裂迭代法的计算效率优于投影超松弛迭代法。     

求解非线性互补问题的一类加速的两步模基矩阵分裂迭代法

建立了求解非线性互补问题的一类加速的两步模基矩阵分裂迭代法. 当系数矩阵是具有正对角元的,H-矩阵时, 证明了此方法是收敛的. 数值实验表明, 该方法是行之有效的.     

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.     

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.     

线性互补问题的数值分析

综述了线性互补问题理论的最新发展和已有成果,包括线性互补问题的数值解法,特别是模基矩阵分析算法、误差分析以及扰动分析.给出了线性互补问题的数学问题形式、数学模型以及相关概念;介绍了求解线性互补问题的各种数值解法,其中重点关注迭代法特别是近年来比较热门的模基矩阵分裂迭代法,基于模方程通过运用非光滑Newton法的思想,给出了模基非光滑Newton法,新算法比已有的模基矩阵分裂迭代法收敛更快;给出了线性互补问题解的误差分析,介绍了已有的几个误差界结果,包括运用预处理技术得到的更好的新误差界.同时介绍了线性互补问题解扰动分析的结果及目前最新的扰动界.     

浅析对称M矩阵的不完全LU分解算法

文章提出了一种针对M矩阵(若A非奇异,A-1≥0,且A的非对角元非正,则称A为M矩阵)的正则分解方法。如果矩阵是对称的,那么这种分解方法能够得到很好的分解效果,而且如果将它与共轭梯度法相结合就能得到一种更快的迭代算法。在文章中证明了这种不完全LU分解算法的稳定性和收敛性。最后,将这种方法应用于几种不同的矩阵。数值实验结果表明,对于高阶稀疏矩阵,这种方法收敛的最快,效果最好。     

线性方程组的套二级多重迭代法

给出一种全新的二级多重分裂迭代解法求解线性方程组，这一方法是基于多重分裂法与套迭代法的基础之上，推广了其它并行化方法，并对系数阵单调或具有优分裂时分析了方法的收敛性。     

基于位移Hermite分裂的图像恢复算法

针对传统图像恢复算法在反Hermite分量主导Hermite分量时, 难导出收敛分裂结果, 导致图像恢复效果较差的问题, 提出一种位移Hermite分裂的图像恢复算法. 先在矩阵分裂时引入位移参数定义准Hermite分裂, 再利用共轭梯度正规残差(CGNR)算法将定义分裂结果代入进行内迭代, 以此逼近每个外迭代, 每个外迭代则由系数矩阵的收敛分裂导出; 然后将导出的收敛分裂结果应用到图像恢复模型; 最后与广义最小误差方法、 广义预条件对称分裂方法进行对比实验. 实验结果表明, 该算法得到的迭代逼近结果更好, 所需的迭代次数和CPU时间明显减少, CPU占用时间仅0.25 s, 图像恢复效果较好.     

耦合Sylvester矩阵方程的改进的梯度迭代算法

本文通过构造矩阵分裂,结合线性系统的迭代方法,提出了求解耦合Sylvester矩阵方程的两种梯度迭代算法,并研究了这两种算法在满足初始迭代条件下的收敛性.最后给出数值算例验证了这两种算法的有效性.