解对称线性方程组的总体最小扰动方法

在利用Lanczos方法求解大型对称线性方程组时,由于舍入误差的影响,Lanczos过程易发生中断和数值不稳定.本文提出求解对称线性方程组的总体极小向后扰动(TMINBACK)方法,新方法利用Lanczos过程产生Krylov子空间km(A,r0)的一组基,并求xo km(A,r0)中的近似解xm,使矩阵[A,b]的向后扰动范数‖[ΔA,△b]‖F极小化.同时,为减少计算量和存储量,本文给出新算法的循环格式.在迭代过程中,利用残量范数作为判断算法终止条件的缺点是,若近似值是精确的,残量范数是小的,反之,不一定.本文利用总体向后扰动范数作为判断算法终止条件,克服了范数作为判断算法终止条件的不足,提出了求解大型对称线性方程组的循环总体极小向后扰动(RTMINBACK)方法.数值实验表明,新方法比一些旧的方法求解大型对称线性方程组更有效,并且RTMINBACK方法适合求解病态线性方程组.     

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...     

半精化双正交Lanczos方法

根据精化投影方法的思想及双正交Lanczos过程提出一种近似精化方法－－半精化及正交Lanczos方法，并给出了半精化近似特征对与精化近似特征对对应的残量范数之间的关系，数值实验表明了新算法的优越性。     

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。     

大规模非对称线性方程组Lanczos算法和精化Lanczos算法的对比

为了得到更加符合大规模非对称线性方程组的求解算法提出了Lanczos算法和精化Lanczos算法的对比分析,利用构建三角矩阵精化向量子空间的Ritz值和投影方式进行精细化对比,发现精化Lanczos算法的精细度高出10~2,接着分析算法的计算速度得出收敛效果的对比结果,在此基础上对比两种算法的时间消耗和内存消耗,得出精化Lanczos算法可以节省约30 s时间消耗和二分之一内存空间消耗的结论,最后通过计算残量值和特征值对比算法计算结果,经过对比分析充分凸显精化Lanczos算法的多方面优势.     

求解具有多个右端项线性方程组的总体GMERR算法

提出求解具有多个右端项大规模非对称线性方程组AX=B的一个新方法.广义最小误差(GMERR)方法用于求解AX=B时,需要对每一个右端项分别求解,运算量大,并且求解一个线性方程组的信息不能有效的应用于另一个方程组.针对以上不足,将初始残量矩阵总体投影在一个Krylov子空间上,得到总体广义最小误差方法(总体GMERR方法)及相关性质.数值实验结果表明新方法比用GMERR算法分别求解每一个同系数矩阵而右端项不同的方程组更为有效.     

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。     

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.     

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。     

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.     

MGMRES(m):算法GMRES(m)的推广

求解大型稀疏线性方程组一般采用迭代法,其中算法ＧＭＲＥＳ是一个非常有效的算法,为了节省存储量及计算工作量,算法ＧＭＲＥＳ通常采用再开始技术,即ＧＭＲＥＳ（ｍ）,但是在方程组的系数矩耻为非正实矩阵时,ＧＭＲＥＳ（ｍ）算法可能会出现停滞,为解决这一问题,通过改善投影窨的方法给出了ＧＭＲＥＳ（ｍ）的一种推广算法：算法ＭＧＭＲＥＳ（ｍ）,理论分析和数值实验ＭＧＭＲＥＳ（ｍ）较好地克服了ＧＭＲＥＳ（ｍ）ｒ     

一种改进的利用特征向量的GMRES方法

利用特征向量的重开始的GMRES方法是一种解非对称线型系统的，特别是解拥有少量极小特征值的非对称线型系统的有效方法，但应采用的恰当的特征向量数目却很难确定。这将可能导致收敛速度的减慢和数值结果的精度降低。给出了一种改进的利用特征向量的GMRES方法，它采用逐次增加特征向量的方法，并可结合特定的收敛准则自适应的确定恰当的特征向量数目。数值结果证明此方法可以得到更高的精度，花费更少的迭代次数和CPU时间。     

解大型线性方程组的轮换重新开始Krylov子空间方法

重新开始Krylov子空间方法(包括Galerkin法和最小二乘法)是求解大型线性方程组的一类流行和重要的方法。然而,这类方法容易在收敛过程中发生中断或停滞现象。为了解决这一问题,本文提出一种新的重新开始格式,称之为轮换重新开始格式。该格式的基本思想是通过轮流使用方程组系数矩阵与其转置矩阵来生成Krylov子空间。轮换重新开始Krylov方法的迭代残量容易在各个特征向量方向上取得大致相等的收敛量,从而使得收敛得到改善。数值实验结果表明轮换重新开始Krylov子空间方法能够有效解决收敛失败的问题。     

一类不确定混合线性系统鲁棒自适应控制

通过分析一类具有Markov跳跃参数的不确定混合线性系统的随机稳定性问题,将确定型系统中的Lasalle稳定性定理推广到混合系统中,并对系统不确定部分的未知范数上界提出了一种参数自适应估计方法及相应的鲁棒控制律,实现了混合线性系统以概率1渐近稳定.研究结果表明,此控制方案对混合线性系统的不确定部分有较强的鲁棒性.     

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。     

用频域模型近似多变量系统时的反馈稳定性

本文研究线性多变量系统当其模型不能精确获得时的频域稳定性问题。使用真实系统的近似频域模型，通过线性算子在复频域上的压缩条件，利用系统构模误差矩阵的范数运算得到了真实系统开环逆的范数上界以及近似模型闭环稳定后使实际系统也保持闭环稳定的一个新的充分条件；所得结果亦可应用于开环不稳定最小相位系统。     

用零向量做初始值的增广系统的极小残量法

考虑预条件极小残量法解对称不稳定性系统的实施和收敛性，证明了对正定和不定的预条件，极小残量法给出的Euclidan残量范数相等。     

Stabilization of linear systems with distributed input delay using reduction transformation

We propose a new stabilization method for linear systems with distributed input delay via reduction transformation and Riccati equation approach.In the presented stabilization scheme,the gain matrix of controller is constructed by the well-known linear control technique for delay-free systems.The transformation kernel matrix can be determined by solving the non-symmetric matrix Riccati equation backward with the boundary condition.When point delay systems are considered,it will be shown that the proposed control law degenerates to the standard one for input delay systems.     

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。