PETSc求解二维Bratu方程.pdfVIP

PETSc求解二维Bratu方程* 程强1 张海斌2 曹建文3 中国科学院计算机网络信息中心超级计算中心，100080 北京工业大学应用数理学院，100022 中国科学院软件研究所并行软件研究与开发中心，100080 摘要 本文以求解二维Bratu方程为例，详细介绍了使用PETSc求解非线性方程组的方法和实现。在固定问题 计算规模下，对程序的并行可扩展能力和浮点性能进行了测试和分析，最后从KSP迭代方法、预条件子选择、 内层迭代次数和雅可比矩阵求解方法等方面讨论了最优运行参数的选择方法。 关键词 非线性方程求解；自动微分；浮点性能 [1] SNES 是可移植可扩展科学计算工具箱 （PETSc ）的三个核心解法器之一，用于求解大 规模非线性方程组。它采用牛顿迭代方法，而每个牛顿迭代步则使用 Krylov 子空间迭代方法[2] 和不同预条件子的组合实现，这非常适合于高效求解一大类 PDE 方程离散化后形成的大型稀 疏非线性方程组。 用户使用 SNES 求解一个非线性方程组时，仅仅需要提供非线性函数本身和可选雅可比矩 阵的计算程序。通常，雅可比矩阵可采用有限差分由 PETSc 提供的函数自动实现；但是，当 网格规模过大时，雅可比矩阵的计算代价将非常昂贵，并且计算精度受截断误差的影响。 [3] 自动微分方法 （AD ）在无截断误差意义上分析求解函数导数，具有计算代价小、精度 高和可靠性好等优点。特别地，运用 AD 方法计算函数梯度的计算时间代价一般不超过其本身 [4] 代价的五倍 ，并且与独立变元的数目无关。目前，PETSc 使用自动微分软件 （ ）来提供求解雅可比矩阵的源代码。 ADIC/ADIFOR 对于 Bratu 方程的求解，除了雅可比矩阵的计算精度和代价对 SNES 的整个运行代价影响 较大之外，在每个牛顿迭代步内如何选择合适的 Krylov 子空间迭代方法和不同预条件子的组 合对整个计算性能的影响也不可能被忽略。此外，为了追求尽可能低的计算代价，在固定问题 规模和计算精度约束下，我们往往需要还在外层牛顿迭代步数和内层 KSP 迭代精度（或步 数）之间寻求一个合适的折衷。幸运的是，PETSc 为实现和调试最优性能提供了一个理想的试 验平台。 本文受到国家自然科学基金项目“自动微分方法研究及其实现”）和十五信息化建设专项“超级计算环境建设 与应用”(INF105-SCE) 的资助。E-mail: walls@sccas.cn, Tel: 010-5881-2132 1问题的描述 我们考虑区域 (0,1) (0,1) 上的二维Buratu 方程 2 u u le 0, (x ,y ) (1) u 0, (x , y ) 采用均匀网格及五点中心差分格式将（1）离散化后，就得到一个标准形式的非线性方程 组F (u ) 0 。 PETSc 提供了两种优化方法可供选择，即一维线性搜索和信赖域方法。而在每个牛顿迭代 步内，SNES 都要近似求解一个线性方程组来得到了一个下降或搜索方向，因此用户需要设置 不同 Krylov 子空间迭代方法和不同预条件子的类型，以及内层 KSP 迭代的最大迭代步数或计 算精度。 2 固定计算规模的并行可扩展性能 为了考察 PETSc 程序的并行可扩展能力，我们固定总迭代步数，并使用一维线性搜索方 法求解 Bratu 方程。其中内层 KSP 迭代方法采用共轭梯度法（CG ）和块雅可比预条件子组 合