基于变量相关性分解方法的稀疏线性方程组并行求解算法

稀疏线性方程组的求解是许多大规模科学计算任务的核心环节。目前,并行算法的发展为稀疏线性方程组的求解提供了新的思路和强有力的工具。然而,现有的并行算法存在一些缺陷,如最优子矩阵的划分难以获得、并行任务间的同步开销较大等。针对上述问题,该文提出一种基于变量相关性分解方法的稀疏线性方程组并行求解算法。该算法首先对系数矩阵进行不完全LU分解,得到上三角和下三角方程组,然后在这2个方程组求解过程中利用y与x的关系分解变量的相关性,同时并行计算变量的独立部分值,最后将所有的独立部分值相加得到变量的最终值。由于算法中变量的求解无需等待其所有前继变量计算完成即可进行部分值计算,因此有效减少了算法的执行时间,进而提高了算法的求解速度及并行度。实验结果表明:与调用cusparse库函数实现的并行求解方法相比,该文提出的算法能将稀疏线性方程组的求解速度提升了50%以上。     

用DCOM实现机群环境下的并行线性方程组求解

许多工程与科学计算问题最后都可归结为求解线性方程组,因而研究大规模线性方程组的并行解法非常重要。本文采用COM／DCOM技术规范,在机群环境下实现了一个并行求解线性方程组的算法。实验结果表明,该算法能够实现程序的并行计算,充分利用各节点上CPU资源。提高程序的运行效率。同时也可以看出利用DCOM技术能够方便、有效的实现并行算法。     

病态线性方程组的并行迭代求解

分析了病态线性方程组的相关概念及判别方法,给出了一种病态线性方程组并行迭代的求解算法。算法首先对病态线性方程组的系数矩阵进行严格对角占优预处理,在此基础上,用并行的Jacobi迭代法进行多步迭代求解。新算法易于在多核架构的微机中实现,且数值实验也验证了算法具有良好的收敛性和并行性。     

一种网上求解线性方程组的Guass-Seidel并行迭代算法

针对基于PVM的微机网络并行计算环境下,处理机的运算速度较快而处理机间的通信相对较慢的实际情况,给出了一种网上并行求解线性方程组的Guass-Se idel迭代算法。该算法将方程组的增广矩阵按行卷帘方式分布存储在各处理机中,循环传送每一次的迭代向量以减少处理间的通信次数,同时,采用计算与通信部分重叠技术,提高并行算法的效率。并用1~12台桌面PC机联成的局域网,在PVM 3.4 on W indows2000,VC 6.0并行计算平台上编程对该算法进行了数值试验,试验结果表明,该算法较传统的基于列扫描法的Guass-Se idel并行迭代算法优越。     

基于单元级矩阵分解的EBE-PCG算法及其在网络机群并行环境上的实现

基于EBE策略，讨论求解大型线性方程组CG方法及PCG方法的并行计算．在不显式形成总刚度阵的情况下利用单元级矩阵的Cholesky分解构造总刚度阵的近似，形成预条件矩阵，提出了求解大型线性方程组的EBE—PCG并行算法，并讨论了算法在网络机群(COW)并行计算环境下的实现．结合实际算例，对EBE-PCG并行算法进行了并行效率分析．结果表明基于单元级Cholesky分解的EBE—PCG算法具有很好的并行效率，是一种适合网络机群并行环境的高效并行算法．     

追赶法并行求解循环三对角方程组

给出了求解循环三对角线性方程组的一种并行算法.在系数矩阵满足对角占优的条件下,利用该方法能够快速、稳定地求解循环三对角线性方程组,在单个进程上的计算量仅为○(17n).与传统算法求解循环三对角线性方程组的计算量相同.而且,本算法可以方便地实施分布式并行计算,各进程仅需向主进程传递8个实数,而主进程向各子进程传递2个实数,通讯量较小.数值实验结果表明:对于大规模的循环三对角线性方程组.利用16个进程计算的并行效率均在0_75以上.求解三对角线性方程组的传统追赶法实则是本文算法的一种特例,因此.该算法也可用于求解三对角线性方程组.     

求解带状线性方程组的并行分割算法

讨论了求解带状线性方程组的并行分割算法，对影响算法并行效率的约化方程组采取了在多台处理机上重复求解的方法，减少了数据的通信次数，提高了算法的并行效率，算法在一些新的并行计算机系统上使用，达到高并行效率。     

并行多分裂块松弛TOR迭代算法的收敛性

 分析了求解大型线性方程组的并行多分裂块松弛TOR迭代算法,在更弱的条件下得到了该算法的收敛准则,同时也给出了相应块迭代矩阵谱半径的上界估计式.     

基于粒子群算法的病态线性方程组求解

输入数据的微小扰动或计算过程中的舍入误差都可能引起病态线性方程组输出数据的很大扰动,使解严重失真,因此求解此类方程组相当困难。本文提出了一种基于粒子群算法的病态线性方程组求解方法,将病态线性方程组的求解转化为无约束优化问题来解决并通过数值仿真求解验证了该方法的可行性与有效性。     

WZ分解的一种新的并行算法

本文对n阶非奇异实稠密矩阵A的WZ分解提出了一种新的并行算法。用n~2台处理机,我们可以在3n-2步内求得矩阵A的WZ分解。该算法与文献[1]中的方法相结合,可得并行求解线性方程组的另一种有效算法。文中所提及的算法均适用于SIMD型并行计算机。     

带状方程组q叉树MIMD算法

利用行处理法贪心方法和分治策略给出一个基于分布式存储MIMD一级q叉树树机模型求解任意带状方程组的并行迭代算法，证明算法对相容性带状方程组收敛并分析算法的通信复杂度。     

线性方程组正交化行处理法并行算法

利用正交化行处理法和分治策略给出一个求解任意线性代数方程组的基于分布式存储MIMD二叉树树机模型的并行迭代算法,证明该算法对任意的相容性线性代数方程组收敛并分析算法的计算复杂度、数值稳定性和应用前景.     

带状方程组二叉树MIMD算法

利用行处理法和分治策略给出了一个基于分布式存储MIMD二叉树树机模型求解任意带状方程组的并行迭代算法,证明算法对相容性带状方程组收敛并分析算法的通信复杂度.     

线性方程组分级行处理法贪心方法

给出了在分布式存储的MIMD树机模型上求解任意相容性线性方程组的分级行处理法贪心方法,证明算法收敛并分析算法的通信复杂度。     

约束机械系统动力学的一类完全解耦方法

针对约束机械系统动力学分析所要处理的微分－代数方程组,先将其转化为基于隐式线性多步法的超定微分－代数方程组形式,然后采用一种微分流形的“投影”技术消除超定性,再对变化后的微分－代数方程组按照位置,速度,加速度的顺序进行解耦,化为线性方且的求解序列,从而得到一类完全解耦算法,算法可用于处理刚性问题,无需预估式,具有较高的效率,算例证明了该算法的有效性。     

线性代数方程组正交化行处理法

给出一种结合正交化方法和行处理法求解ｎ阶非奇异线性代数方程组的计算方法．该方法经ｎ次迭代后必收敛至理论上的精确解,且该方法对求解病态方程组有效     

Implicit Parallel FEM Analysis of Shallow Water Equations

The velocity field in the Wu River at Chongqing was simulated using the shallow water equation implemented on clustered workstations. The parallel computing technique was used to increase the computing power. The shallow water equation was discretized to a linear system of equations with a direct parallel generalized minimum residual algorithm (GMRES) used to solve the linear system. Unlike other parallel GMRES methods, the direct GMRES method does not alter the sequential algorithm, but bases the parallelization on basic operations such as the matrix-vector product. The computed results agree well with observed results. The parallel computing technique significantly increases the solution speed for this largescale problem.     

三对角方程组行处理法并行解法

利用行处理法和分治策略给出一个求解任意三对角方程组的并行迭代解法 ,证明了所给解法对任意相容性三对角方程组收敛 ,讨论了所给解法的迭代终止条件 ,进而讨论了其对应分布式MIMD并行迭代算法的设计法则 .按照并行解法 并行计算机 =并行算法的模式 ,使用给出的并行解法 ,可以给出一些求解三对角方程组的新的MIMD并行迭代算法 .     

基于PVM的m-Step Jacobi PCG方法网上并行求解有限元方程

针对基于PVM的桌面PC机联网而成的网络并行计算环境中,处理机的运算速度较快而处理机间的通信相对较慢,以及微机的内存有限的实际情况,从实用的角度出发,给出了基于PVM的网上求解有限元方程组的并行m-Step Jacob i PCG方法,该算法的矩阵和向量采用行元素相邻单元贡献法实现有限元总体刚度矩阵和荷载向量的并行计算与组装,分块储存在各处理机上,其处理机间通信较少。并在1-4台桌面PC机连接成的局域网,PVM3.4 on W indow2000,VC 6.0并行计算平台上编程对该算法进行了数值试验,得到了较理想的结果。