求解大型稀疏线性方程组的加权拟极小残差算法

拟极小残差算法(QMR)是基于Lanczos双正交化过程的求解大型稀疏线性方程组的一种Krylov子空间方法.为了加快其收敛速度,采用加权技术,将QMR算法中的普通Euclidean内积用D-内积来代替,构造得到加权Lanczos双D-正交化算法,在此基础上得到加权拟极小残差算法(WQMR).数值算例表明,对某些矩阵特...     

拟极小残差法在GPU上的优化研究

随着GPU在高性能计算领域更多地用于科学计算,采用GPU技术对大型稀疏线性方程组进行计算,从而满足人们对计算速度和计算精度要求的提高。NVIDIA Fermi架构的开发,大大提升了GPU的双精度浮点运算能力。拟极小残差法(QMR)作为高性能计算领域中的重要迭代算法,基于求解稀疏代数方程组对ELL算法进行GPU优化。通过对不同规模线性方程组计算分析表明,QMR-GPU的性能提升为原始QMR的3.5倍,与传统的BICG法相比,QMR并行算法具有速度和存储优势,可获得良好的并行加速比。     

对称张量特征值问题的一种预处理迭代算法

移位对称高阶幂法(shifted symmetric high order power method,SS-HOPM)是一种求解张量Z-特征值的著名迭代算法.用Newton法对该算法实施初值预条件处理,得到了对称张量特征值问题的一种Newton预条件移位对称高阶幂法(preconditioning SS-HOPM,PSS-HOPM).用两个数值例子验证并得出,与SS-HOPM相比,该算法在几乎不增加计算时间的条件下能计算出更多的特征值.     

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。     

M-矩阵的新预条件Gauss-seidel迭代法

提出了线性方程组Ax=b的两种新预条件因子,并把它们运用到修正Gauss-seidel方法(MGS)上,并从理论上证明了对MGS迭代法而言,新的预条件因子优于已知的预条件因子,文中所得收敛性比较定理推广了已有结果.最后用数值例子充分验证定理的正确性和算法的有效性.     

OFDM系统中一种自适应比特分配算法

在OFDM系统中应用白适应比特分配能够优化系统的性能。在传输速率固定的前提下,对动态比特和功率分配的优化问题进行分析后．提出了一种新的基于预分配的自适应比特分配算法。该算法由预分配和迭代分配两个过程组成。在预分配过程中．信道状态较好的子载波将被优先考虑,然后通过迭代分配进一步将总发射功率降低。仿真结果表明,该算法是一种最优的比特和功率分配算法。与传统的等比特分配方案相比,该算法能够显著提高系统的性能。     

一般混合隐拟变分不等式解的算法

利用一般混合隐拟变分不等式与隐预解等武等价的性质，提出了解混合隐拟变分不等式的几种新的算法，并且证明了在g-伪单调算子的条件下新算法的收敛性．     

一种修正的MPS预条件共轭梯度算法

对于大型线性系统Ax=b来说,共轭梯度法依赖于系数矩阵的条件数,可能导致迭代计算的收敛速率无法满足实际需求.预条件共轭梯度法是一种加速技术,采用适当的预条件矩阵来降低系数矩阵的条件数.本文针对一种具有特殊结构的线性系统,提出了一种新的预条件共轭梯度算法,并对新算法进行了分析.初步数值实验说明新算法具有较好的收敛速率.     

预条件（I＋α）的AOR和2PPJ迭代收敛性定理

考虑将预条件（I＋α）应用于AOR迭代法和2PPJ迭代法，得到这两种预条件迭代法的收敛性定理，并从理论上证明了它们较原方法提高了迭代的收敛速度．     

预条件修正梯度路径自适应信赖域算法

本文提出了一种新的预条件修正梯度路径自适应信赖域方法.首先解信赖域子问题使用预条件修正梯度路径算法,而信赖域子问题的半径的选取也是借助于形成梯度路径时的Bunch-Parlett 分解.可以证明算法在通常使用的条件下有好的收敛性.     

新的预条件AOR迭代法和新的比较定理

提出了一种新的预处理矩阵,并研究了新的预处理AOR迭代法的收敛性,建立了新的预处理AOR法与(J+S)下AOR迭代法以及和经典AOR迭代法之间的比较定理.数值例子验证了定理的正确性并说明了这种方法的有效性.     

新的预条件AOR迭代法的收敛性

讨论Z-矩阵线性系统的一类新的预条件AOR迭代法的收敛性。对预条件后的AOR迭代法的系数矩阵进行两种不同的分裂,得到了这两种分裂下的相对应的预条件AOR迭代法的收敛速度分别与基本的AOR迭代法的收敛速度之间的比较定理。最后对这两种分裂间的预条件迭代法的收敛速度进行比较,得出比较结果。     

预处理后不同分裂形式下的松弛迭代法敛散性分析

在以往预处理的基础上,结合矩阵分析及分裂理论,用迭代法求解线性方程组Ax=b,给出预处理后松弛迭代法的2种不同分裂形式,从理论和数值两个方面说明这种分裂形式的收敛效果优于常见的预处理方法．     

H-矩阵的预条件AOR迭代法

H-矩阵是一类用途比较广泛的矩阵,为了解决H-矩阵线性系统,给出了两类新的不同预条件AOR迭代法,得到了这两类预条件AOR迭代法的收敛结果.最后用数值例子验证得到的结果是正确的.     

H-矩阵及其比较矩阵的预条件Gauss-Seidel法的收敛性

讨论了新的预条件矩阵下的预条件Gauss-Seidel法.在更广义的分裂条件下,将此法应用于H-矩阵及其比较矩阵上,并得到了相应的收敛结果和谱半径的比较结果,从而说明应用于H-矩阵的预条件Gauss-Seidel法的收敛速度要比应用于它的比较矩阵的预条件Gauss-Seidel法的收敛速度快.最后,给出一个数值例子验证得到的结果.     

改进的高斯-赛德尔迭代法的收敛性分析

本文讨论了改进的高斯-赛德尔迭代法的收敛性。在严格对角占优的L-矩阵条件下,该预条件加快了高斯-赛德尔迭代法的收敛速度,而且在该预条件下高斯-赛德尔迭代法的谱半径是单调下降的。最后用数值例子说明本文得出的结论。     

预条件AOR和2PPJ迭代法收敛性的注记

分析了系数矩阵是$\emph{\textbf{M}}$-矩阵时预条件AOR和2PPJ迭代法的收敛性, 指出了已有结果的一些错误并给出了正确的收敛定理. 同时, 利用$\emph{\textbf{H}}$-分裂理论, 讨论了系数矩阵是$\emph{\textbf{H}}$-矩阵时预条件AOR的收敛性并给出了参数的收敛区间.     

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。     

一类新预条件下AOR迭代法比较性定理

讨论了新预条件下AOR迭代法的收敛性.若系数矩阵为非奇异M-矩阵,该预条件加快了AOR迭代法的收敛速度,而且该预条件下AOR迭代法的谱半径是单调下降的.最后用数值例子说明了结论.     

含参数分裂形式下的SSOR迭代法敛散性分析

目的改变和加速SSOR迭代法的收敛性。方法在以往预处理的基础上,通过引入参数改变矩阵的分裂形式,再通过矩阵比较理论比较迭代法的收敛速度。结果与结论这种新方法能加快SSOR迭代法的收敛速度,为科学计算中求解线性方程组节省时间。