解大规模矩阵内部特征问题的简单调和Arnoldi方法

给出了调和Arnoldi算法的一种等价变形.利用求解Krylov子空间和其位移子空间的基之间的巧妙关系式,作者以较少的运算量将原大规模矩阵特征问题转化为一个标准特征问题求解,比原来调和Arnoldi算法求解广义特征问题要简单.简要分析了新方法收敛的充要条件.数值试验表明了新方法比调和Arnoldi算法有效,尤其是当求解子空间维数较小时,新方法的优越性更明显.     

一种广义残量Arnoldi方法

基于残量Arnoldi方法与最优子空间扩张的思想,提出一种广义残量Arnoldi方法,其核心是将精化Ritz向量对应的残量方向作为新的求解子空间的扩张方向.利用该方法研究了求解单个特征对的算法.结果表明,该方法所用的矩阵向量积个数和时间都较少,收敛速度较快.     

求解非线性特征值问题的两种迭代投影法

研究求解大型非线性特征值问题的两种迭代投影法:非线性有理Krylov子空间法和非线性Arnoldi方法.通过引入精化策略和不精确求解线性系统的思想,给出了精化有理Krylov方法和不精确非线性Arnoldi方法的实用算法,通过数值算例验证了改进后的方法可以提高计算的效率.     

求解控制系统部分特征值配置问题新方法

在控制理论领域里,特征值配置问题是一个经典问题,提出了新的通过部分特征值配置来使大型单输入时不变控制系统稳定化的算法,该算法建立在隐式重新启动的精化Arnoldi方法基础上,适合那些需要对一小部分特征值重新配置的控制系统．同时对配置问题进行了理论分析,证明算法的精度越高,配置后的系统越稳定．与已有的基于隐式重新启动的Arnoldi方法进行比较体现出新方法的优越性。     

精化调和Ritz向量张成子空间上的调和Ritz值

研究了精化调和Rayleigh—Ritz过程中的近似特征值选取的问题．一般地。精化调和Ritz对在求解子空间中具有残量最小的最优性。因此在它们张成的子空间中应含有想求的特征向量的更丰富的信息，从而在此子空间上计算的调和Ritz值应该更准确．本正是从这一指导思想出发，研究如何求矩阵A在精化调和Ritz向量所张成的子空间上的调和Rit值θi．对Krylov子空间，建立了θi和调和Ritz值间的一个先验估计式，同时给出了用θi作为近似特征值的精化调和Arnoldi算法。最后的数值结果表明新的算法的有效性．     

大规模电力系统关键特征值计算的Arnoldi-Chebyshev方法

介绍了一种Chebyshev多项式加速的显式重启Arnoldi算法,并用其直接求取大规模电力系统小干扰稳定性分析中状态矩阵的按实部递减的部分特征值,即关键特征值.这种方法构造了一个包含不想要特征值的椭圆,用由此椭圆确定的Chebyshev多项式获取新的初始向量,增强右端特征值对应特征向量在基向量方向的分量;进而运用新的初始向量构造Krylov子空间,求取按实部递减的特征值.3机和46机两个系统的计算结果表明,所提算法能够准确有效地求出系统的关键特征值,适合于大规模电力系统的特征分析.     

求解大规模矩阵内部特征值问题的精化与修正的精化调和块Arnoldi算法(英文)

调和块Arnoldi方法可以用于求解大规模矩阵的内部特征对,给定一个位移点τ可以用该方法求接近τ的内部特征值及其相应的特征向量.然而,理论分析表明,所求得调和Ritz向量可能收敛非常缓慢,甚至不收敛.为避免这种情况,给出了精化调和块Arnoldi及修正的精化调和块Arnoldi方法.此外,还给出了修正的精化调和Ritz向量和精化调和Ritz向量之间的关系.数值实验结果表明了新算法的有效性.     

一种调和Ritz向量的精化算法及应用

利用调和Arnoldi算法的一种等价形式,用较少的运算量将大规模矩阵特征值问题转化成一个小型的标准特征值问题来求解调和Ritz对。针对调和Arnoldi算法中调和Ritz值收敛而相应的调和Ritz向量往往不收敛的情况,保持调和Ritz值不变,结合精化Arnoldi算法的思想给出了一种在位移Krylov子空间上对调和Ritz向量进行精化求解的精化变形算法,以寻求使残量范数达到极小的近似特征向量。理论分析和数值实验表明这种精化变形算法的可行性、有效性以及更快的收敛速度,利用此算法可以更快求解满足精度要求的大规模矩阵的特征值和特征向量。同时,将这种算法应用于图像K-L变换的协方差矩阵的特征值和特征向量的求解,克服了K-L变换中由于图像矩阵过大而求解过程困难的问题,选取前若干个较大的特征值所对应的特征向量构成变换矩阵进行K-L变换来压缩图像,能直接应用于实时的图像压缩,较对图像分块在每个小块上进行K-L变换的方法更有效。     

一个修正的循环Arnoldi方法

本文给出一个修正的循环Arnoldi方法,并讨论了它的收敛性。     

求解PageRank问题的Arnoldi松弛两步分裂算法

提出了求解PageRank问题的一个新的算法——Arnoldi松弛两步分裂算法(Arnoldi relaxed power-inner-outer, Arnoldi-RPIO).该算法在原有的PIO算法中加入一个新的松弛参数,并且运用深度重启的Arnoldi算法来加速算法的收敛性. Arnoldi-RPIO算法的收敛性得到了理论证明,并给出数值算例说明了该算法的有效性.     

一种求解PageRank问题的修正乘幂法

在现代搜索引擎技术中,PageRank算法发挥了非常重要的作用,通常用幂法计算描述Web链接图的Google矩阵的特征向量,然而当最大特征值与次大特征值不能很好地分离时,幂法的表现较差,主要原因是当阻尼系数接近于1时,算法收敛速度会很慢.因此开发较原有幂法更高效的算法是非常有价值的.本文提出了一个针对PageRank问题的改进幂法,数值实验表明了新算法的有效性.     

工作模态参数识别方法的研究

针对传统模态识别方法难以准确识别重频、高阻尼比的模态参数的特点,主要研究了系统在环境激励下不同工况用随机子空间法和Polymax算法识别的模态参数(模态频率、模态阻尼比和模态振型)的变化情况。随机子空间法是一种时域模态参数识别方法,在相邻模态的识别方面,它明显优于一些传统的模态识别方法。Polymax模态识别方法也称为多参考点最小二乘复频域法,在阻尼比的识别方面具有明显的优势。本文通过悬臂梁的对比实验研究验证了它们在不同激励条件下的有效性和可靠性。     

GMRES(m)算法在离散不适定问题中的应用

基于投影方法的规划算法——Krylov子空间技术,研究了离散不适定正则化和Krylov子空间广义极小残余算法(GMRES(m))的基本理论,特别是残余向量与Krylov子空间的关系。利用离散不适定正则化方法,将不适定问题转化为适定问题,利用广义极小残余算法对此适定问题进行数值求解。数值结果表明该算法是可靠和有效的。     

基于PageRank的主题过滤算法改进

对通用搜索引擎中的PageRank排序算法进行分析,针对原PageRank算法中主题漂移问题,提出一种与主题相关的改进算法,改进的PageRank值由链接重要性和内容重要性共同确定。     

求解对称矩阵特征问题的精化Arnoldi方法

研究在有限精度下,如何用精化Arnoldi方法求对称矩阵的一组正交程度可达到机器精度的近似特征向量组.首先给出精化Ritz向量的一个新的表达式,该表达式表明理论上对不同的近似特征值,一般地无法保证精化Arnoldi方法所确定的精化Ritz向量组是正交的.进一步,采用再正交化方法便可得到一组正交化程度可达到机器精度的标准正交近似特征向量组,最后的数值结果验证结论的准确性,同时再正交化后得到新的近似对的残量几乎是不变的.     

随机学习萤火虫算法优化的模糊软子空间聚类算法

传统软子空间聚类算法在利用局部搜索策略解决等式约束的连续非线性的变量加权问题时,易陷入局部最优导致聚类效果不佳.针对该问题,该文提出了一种随机学习萤火虫算法优化的模糊软子空间聚类算法.该算法利用具有全局搜索能力的萤火虫算法对新算法的目标函数进行优化,同时,为弥补萤火虫算法易提前收敛和寻优精度较低的缺陷,对萤火虫种群进化...     

应用Krylov子空间方法求解边界元方程组

利用Ｋｒｙｌｏｖ子空间方法，文中给出一种适应于大型边界元方程组求解的实用迭代算法，对二维，三维弹性问题，利用这一迭代算法实现了其方程组求解的迭代过程，并与相关算法做了比较，结果初步显示了所给方法应用于边界元方程组求解的优越性。     

融入链接相关度策略的PageRank算法

为实现对网页更好地评分,提出了融入链接相关度策略的PageRank算法.以体现人工智能的当代经典PageRank算法为基础,分析其基本思想并指出其在对网页评分中存在的不足,通过引入相关度计算使链接标题的质量和其所指向网页的内容产生联系,实现在网页中各个链接之间的竞争.通过实验和分析,新的算法在不影响原算法的优点和效率的同时能更好地进行网页评分,在网页优先级算法上向人工智能和语义网又迈进了一步.