导读:本文包含了稀疏近似逆预条件子论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:稀疏,近似,条件,多层,快速,矩阵,算法。
稀疏近似逆预条件子论文文献综述
高家全,王志超[1]（2016）在《基于GPU的SSOR稀疏近似逆预条件研究》一文中研究指出由于SSOR预条件共轭梯度算法中预条件方程求解需要前推和回代,导致算法迁移到GPU平台上并行效率不高.为此,基于诺依曼多项式分解技术,提出了一种GPU加速的SSOR稀疏近似逆预条件子(GSSORSAI).它不仅保持了原线性系统系数矩阵的稀疏和对称正定特性,而且预条件方程求解仅需一次稀疏矩阵矢量乘运算,避免了前推和回代过程.实验结果表明:在NVIDIA Tesla C2050GPU上,对比使用Python在单个CPU上SSOR稀疏近似逆预条件子实现方法,GSSORSAI平均快将近100倍;应用到并行的PCG算法中,相比无预条件的CG算法,平均提高了算法的3倍的收敛速度.(本文来源于《浙江工业大学学报》期刊2016年02期）
刘兴民,丁大志,刘路,李兆龙[2]（2015）在《并行稀疏近似逆结合多步谱预条件技术分析电磁散射》一文中研究指出为了解决基于多层快速多极子方法的近场稀疏近似逆预条件对于某些开放结构电磁散射问题难以收敛的问题,将稀疏近似逆预条件结合谱预条件形成多步谱预条件技术。通过对复杂模型结构电磁散射特性进行分析,多步谱预条件技术相比于稀疏近似逆预条件技术,计算时间缩短,验证了该预条件技术的有效性。(本文来源于《南京理工大学学报》期刊2015年06期）
李月卉,詹红霞[3]（2012）在《求解Helmholtz方程的新型稀疏近似逆预条件算法》一文中研究指出提出了一种新型预条件算法,用于对有限元法离散Helmholtz方程所产生的大型稀疏复对称且高度不定的线性系统进行高效迭代求解。该新型预条件子是在复拉普拉斯偏移算子的基础上结合改进的稀疏近似逆算法来得到。通过改善矢量有限元线性系统自身的谱特性,该预条件算法既可避免迭代中的不稳定情况,同时也能较大提高迭代求解效率。数值结果表明,与若干常用预条件算法相比,所提出的预条件算法更加有效。(本文来源于《半导体光电》期刊2012年05期）
朱波杰[4]（2012）在《非对称线性系统的稀疏近似逆预条件子的研究》一文中研究指出求解大型线性方程组是科学与工程计算中经常会遇到的问题，如何高效的求解大型线性方程组显得非常重要。随着方程组的规模越来越大，传统的迭代法已经很难取得良好的效果，在这种形势下，现代迭代法得到了极大的重视。随着分布式处理器越来越广泛的应用，可并行的预条件子成为一个非常有价值的研究方向。稀疏近似逆方法正是以其优良的并行性得到了很大的重视，在近二十年得到了很大的发展。稀疏近似逆法分成两种，一种基于Frobenius范数最小化，一种基于矩阵分解。本文分别对这两种方法进行了描述，列出了这两种方法中几个比较成功的算法，并对这些成功的算法进行了数值实验，对这些算法的适用范围和有效性等方面进行了对比和总结。本文提出了基于Frobenius范数最小化的更新稀疏模式的近似逆算法AIRP和近似逆的稀疏模式与A相同的PPA预条件子在并行机上的并行算法。然后通过数值实验对AIRP预处理前后的特征值分布和迭代曲线进行对比，可以看到AIRP算法是可行的，AIRP算法的健壮性强、精度高且并行性强。最后通过数值实验对预条件子AIRP和PPA进行对比，主要还是从特征值分布和迭代曲线两方面比较分析这两个算法的优缺点。得到的结论是AIRP预处理精度高，迭代速度快，但预处理时间要长一点；而PPA预处理精度上要差一点，但预处理时间较短，且需要的存储空间小。(本文来源于《电子科技大学》期刊2012-04-01）
阙肖峰,聂在平[5]（2009）在《一类基于MLFMA的分组稀疏近似逆预条件技术》一文中研究指出本文在采用多层快速多极子方法(MLFMA)求解复杂叁维目标矢量电磁散射问题中,提出一类改进分组方式的稀疏近似逆(SAI)预条件技术。该方法在构造SAI预条件矩阵时,通过设置丢弃阈值实现预条件矩阵稀疏化;选择合理的分组方式减少最小二乘运算的次数。数值算例表明该预条件技术能有效地改善矩阵方程迭代求解的收敛性,提高计算效率。(本文来源于《2009年全国天线年会论文集（上）》期刊2009-10-13）
向道朴,周东明,何建国[6]（2009）在《并行稀疏近似逆预条件子加速并行MAFMA分析复杂电大目标的RCS》一文中研究指出为了加速并行多层快速多级子分析复杂电大目标的RCS时代收敛性,提出了一种有效的预条件方法——并行稀疏近似逆预条件子(PSAI),并测试了几种典型迭代算法结合该预条件子方法的效率,数值结果表明,MLFMA结合PSAI预条件子能显着提高计算效率。(本文来源于《2009年全国天线年会论文集（下）》期刊2009-10-13）
谷同祥,迟学斌,刘兴平[7]（2004）在《稀疏近似逆与多层块ILU预条件技术》一文中研究指出设计了一种求解一般稀疏线性方程组的健壮且有效的可并行化预条件子,这种预条件子涉及在多层块ILU预条件子(BILUM)中使用稀疏近似逆(AINV)技术· 所得的预条件子保持了BILUM的健壮性,它比标准的BILUM预条件子有两点优势:控制稀疏性的能力和增强了并行性· 数值例子显示了新预条件子的有效性和效率·(本文来源于《应用数学和力学》期刊2004年09期）
迟利华,刘杰,李晓梅[8]（2000）在《稀疏近似逆并行预条件子》一文中研究指出Based on norm-minimization technique, a parallel sparse approximate inversepreconditioning method (PPAT method) is present for the unsymmetric sparselinear systems. The sparsity pattern of the approximate inverse is the same as thatof the transpose of the coefficient matrix. This keeps the amount of work and theneed of storage small. The computation of the preconditioner is inherently parallel.Some numerical experiments show that PPAT preconditioners can accelerate theconvergence.(本文来源于《数值计算与计算机应用》期刊2000年02期）
迟利华,刘杰,李晓梅[9]（2000）在《稀疏近似逆预条件子及其并行计算》一文中研究指出文中使用范数极小技术 ,提出一种构造稀疏矩阵并行近似逆预条件子的方法 ,所构造的稀疏矩阵近似逆的稀疏结构和系数矩阵的转置矩阵相同 ,计算量和存储量小 ,其求解过程易于并行 ,且并行计算不影响其收敛效果 .通过试算表明 ,该方法对很多应用问题的求解具有明显的加速效果 .文中给出了该方法的并行算法 ,并提出了一种自适应分配算法来解决负载平衡问题 .(本文来源于《计算机学报》期刊2000年03期）
稀疏近似逆预条件子论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了解决基于多层快速多极子方法的近场稀疏近似逆预条件对于某些开放结构电磁散射问题难以收敛的问题,将稀疏近似逆预条件结合谱预条件形成多步谱预条件技术。通过对复杂模型结构电磁散射特性进行分析,多步谱预条件技术相比于稀疏近似逆预条件技术,计算时间缩短,验证了该预条件技术的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
稀疏近似逆预条件子论文参考文献
[1].高家全,王志超.基于GPU的SSOR稀疏近似逆预条件研究[J].浙江工业大学学报.2016
[2].刘兴民,丁大志,刘路,李兆龙.并行稀疏近似逆结合多步谱预条件技术分析电磁散射[J].南京理工大学学报.2015
[3].李月卉,詹红霞.求解Helmholtz方程的新型稀疏近似逆预条件算法[J].半导体光电.2012
[4].朱波杰.非对称线性系统的稀疏近似逆预条件子的研究[D].电子科技大学.2012
[5].阙肖峰,聂在平.一类基于MLFMA的分组稀疏近似逆预条件技术[C].2009年全国天线年会论文集（上）.2009
[6].向道朴,周东明,何建国.并行稀疏近似逆预条件子加速并行MAFMA分析复杂电大目标的RCS[C].2009年全国天线年会论文集（下）.2009
[7].谷同祥,迟学斌,刘兴平.稀疏近似逆与多层块ILU预条件技术[J].应用数学和力学.2004
[8].迟利华,刘杰,李晓梅.稀疏近似逆并行预条件子[J].数值计算与计算机应用.2000
[9].迟利华,刘杰,李晓梅.稀疏近似逆预条件子及其并行计算[J].计算机学报.2000
论文知识图
