几种有效的数值算法.pptVIP

几种有效的数值算法 报告人：王 武 中科院超级计算中心 Email: wangwu@sccas.cn 20010年5月 Fast Algorithm 1. 快速多极子方法 快速多极子方法克服了多粒子模拟中最大的瓶颈：精确计算N个粒子之间通过万有引力或静电力的相互作用（比如星系中的星体，或蛋白质中的分子）需要O(N2)的量级。而FMM达到了O(N)的量级。FMM显著的优点之一是它可以任意调整精度 这种算法通过多极展开（空间的粒子或质点、偶极子，四重极子等等）来近似远处的粒子组对近端的局部粒子组的作用 一个递归划分的空间用来描述随距离增大的更大的组 N 体问题 静电场和引力场 位势的多极子展开 矩阵向量乘积形式 FMM的应用综述1 FMM的应用综述2 涡粒子方法 Navier-Stokes方程 多极子展开 Helmholtz 型 Laplace 型 Gauss 型 2. Monte Carlo方法 基于随机模拟的计算方法 确定性问题。建立概率模型，再进行随机抽样观察，其算术平均即为所求解的近似估计。精度可用估计值的标准误差表示。 例如计算积分（多重积分，与维数无关）、计算面积（圆周率） 随机性问题。根据物理情况的概率法则，用计算机抽样试验。 例如中子在介质中的扩散、随机服务系统中的排队、动物的生态竞争（MCNP是Los Alamos实验室开发的大型蒙特卡罗程序，可计算中子、光子和电子的联合输运问题以及临界问题） Monte Carlo方法求积分 任何一个积分，都可看作某个随机变量的期望值， 因此，可以用这个随机变量的平均值来近似它 3. 单纯形方法 具有约束条件的线性规划问题如何求最优解？ 单纯形方法的基本思想是：从可行域的某一个极点出发，迭代到另一个极点，并使目标函数的值有所改善，直到找出有无最优解时为止 该方法用到了单纯形的概念，单纯形是指N维中的N + 1个顶点的凸包，是一个多胞体(比如直线上的一个线段，平面上的一个三角形，三维空间中的一个四面体） 单纯形法尽管理论上讲效果是指数衰减的，但在实践中却是高度有效的 4. Krylov子空间迭代法 Krylov子空间迭代法是用来求解形如Ax=b 的方程组，A是一个NxN 的矩阵，当N充分大时，直接计算x=A-1b变得非常困难。 Krylov方法则巧妙地将其变为如下迭代形式求解。 Kx(i+1)=Kx(i)+b-Ax(i) 这里的K是一个构造出来的接近于A的矩阵，而迭代形式的算法的妙处在于，它将复杂问题化简为逐步的易于计算的子步骤。 当 A是对称矩阵时，Lanczos找到了生成子空间K的正交基的方法。Hestenes 和Stiefel提出了共轭梯度法。后来的GMRES、BiCGStab等改进并扩展了这些算法。 Krylov子空间: Km=span{r0,Ar0,…,Am-1r0}, rm=b-Ax(m) 伴随迭代法的是预条件子：构造M，用迭代法求解M Ax=M b 5. QR算法 把一个方阵变换为一个“几乎是”上三角的矩阵（在主对角线下面的一斜列上可能有非零元素）是相对容易的，但要想不产生大量的误差就把这些非零元素消去，就不是平凡的事了。QR 算法正好能达到目的。 基于Householder变换，A可以写成正交矩阵Q 和一个上Hessenberge矩阵H 的乘积:H0=Q0-1AQ0，用下面的QR迭代计算A的本征值，可使迭代次数大大减少。 A0=H0, Am-1=QmRm , Am=RmQm 实际上稠密矩阵的特征问题复杂度都是O(N3) 6. 快速排序方法 它利用古老的分而治之的递归策略来解决排序的问题：挑一个元素作为“主元”、把其余的元素分成“大的”和“小的”两堆(当和主元比较时)、再在每一堆中重复这一过程。 尽管主元选的最差时要做N(N-1)/2 次比较，但对随机分布的数组，快速排序还是具有O( Nlog(N) )的平均速度，其优美的简洁性使之成为计算复杂性的著名的例子。 7. 快速Fourier变换 应用数学中意义最深远的算法，无疑是使数字信号处理实现突破性进展的FFT。FFT依赖于分而治之策略，把DFT的复杂度由O(N2) 降到O(Nlog(N)) 8. 小波变换 连续小波变换 为小波母函数 二进制离散小波 母函数通过伸缩平移变换生成一组正交的离散小波基函数， L2(R)中的函数 f(t) 可通过级数展开获得时域或频域的多尺度信息 离散小波变换 常用的小波正交基 Harr小波，Battle-Le