08第4章多极展开广义极小残值算法.docVIP

第4章 基于多极展开法的广义极小残算法 广义极小残值(GMRES)算法 4.1.1 Krylov (4-1) 式中，为阶非对称非奇异稠密实矩阵，为实数组成的向量。 设是维线性空间中的一组线性无关向量，由其张成的线性子空间记为，。Krylov子空间投影方法的基本思想是在子空间中构造满足(4-2)的，即式(4-1)近似解。 (4-2) 式中，是另一子空间中的任一向量。令，其中为一维向量，则式(4-2)可写为 (4-3) 故若令，则近似解可表示为 (4-4) 其中，若选取，这样选取的Krylov子空间方法称之为Arnoldi算法。近似解的构造方法如下： 首先，取为任一向量，令，，则可将(4-1) 式化为 (4-5) 之后，特别取，假设其中各向量线性无关，再由其构造一组标准正交基，正交化过程的计算流程为： (1)任取，计算和 (2)迭代 记迭代中形成矩阵为，且有，上述正交化过程也叫Arnoldi过程。 下一步，构造近似解， 其推导过程如下： 令，因为 又因为由子空间的一组标准正交基组成，故有， 由第2步迭代可推出3个重要关系式 (4-6) (4-7) (4-8) (4-6)式和(4-7)式在算法中已直接给出，(4-8)式可由(4-7)式导出，在 (4-7) 式两边乘得 (4-9) (4-10) 即 (4-11) 两边取模 (4-12) 即 (4-13) (4-6)式可写成 在(4-7)式中令则，所以 (4-14) 推导完毕。 最后，求解最小二乘问题，判断并使求得的近似解满足精度要求。 4.1.2 GMRES算法 Krylov子空间投影方法，如果选取，这样的方法称之为GMRES算法。此时，在中极小化就等价于在中极小化。原问题归结为最小二乘问题。 GMRES算法的计算步骤可以归结为： (1)初始化 任取，计算； (2)迭代 For （直到满足条件）do Step1 正交化 Step2 标准化 Step3 更新与 为上Hessenberg矩阵，当时第一列省略，并且有； (3)求解最小二乘问题，得到； (4)构造近似解。 4.1.3 GMRES算法的实用化处理 GMRES算法应用于求解边界元方程组目前来说是一种比较理想的算法，但是经典的算法存在着两大不足: 第一，就是随着迭代次数的增加，由Arnoldi过程生成的正交基也不断增加，从而造成存储量和计算量的不断增加； 第二，就是随着迭代次数的增加，由于误差积累造成正交基正交性的丧失，从而使迭代的收敛速度放缓甚至发散。 因此GMRES实用化的关键就是解决这两个不足。对于第一个不足，传统方法采用重启技术，其基本思想就是计算过程中最多存储m个基向量，每隔m次迭代就重启一次，即用最后一次的余量作为新一轮迭代的初始余量，最后一次的迭代解作为新一轮迭代的初始解，即GMRES(m)算法。 但是这种方法不仅要根据经验确定m的值，而且也没有收敛性保证，经验表明该法经常出现停滞甚至发散的现象，为此一些学者做了大量的工作[68]。但实践表明这些方法应用于三维弹性静力问题的边界元法，效果依然不够理想，反而非重启型GMRES取得了比较好的效果[69]。 而为了能使非重启型GMRES实 右预条件 上两式中矩阵称为预条件阵，它的选取应符合两条原则，第一要使预条件处理后的矩阵的特征值分布尽量靠近，第二就是便于求解。在边界元方程组的求解中，经常取为系数矩阵的对角元素组成的对角矩阵，称为对角预条件阵，或者取由对角线元素和次对角线元素组成的带状矩阵，称为带状预条件阵。变换后的方程组记为。 对于左预条件，，；对于右预条件，，。具体算法的实施就是在计算过程中用预条件处理后的方程组代替原方程组，再进行一定的整理。 对于第二个不足，可采用双精度存储和运算或修正的Gramm-Achmidt正交化过程。为提高所得向量组的正交性，本文采用前者使正交程度大大提高，同时加快收敛速度。为避免存储量的增加，可以只引入少量双精度计算，对及相应计算采用双精度存储，精度