一个可扩展的特征值求解对称三对角矩阵.doc

Proc.Sixth SIAM科学计算的并行处理会议，pp.602- 609，诺福克，弗吉尼亚州，1993年3月 一个可扩展的特征值求解对称三对角矩阵基督教trefftz菲利普k.李天岩本文介绍了并行求解对称三对角矩阵特征值值满足方程：对其中的向量x就是所谓的特征向量，值为特征值。这个问题可以改写如下：给出，解。对称三对角矩阵显示在图1（a）中。 （a）对称三对角矩阵 (b)使用分割属性 图. 1. 矩阵特征值求解中的合并为0产生的矩阵，如图1（b）所示。设是子矩阵和的特征值，并设是A的特征值。分割属性指出i的所有值为。 分割属性是用于分割合并算法的基础上：矩阵和的特征值被发现，然后作为矩阵A最初的近似特征值。这个过程可应用于递归，直到达到可以很容易找到特征值的大小为2× 2的矩阵。不失一般性，假定矩阵的秩n是2的幂。该算法有k个阶段。在第一个阶段，每个2× 2阵列的特征值被发现使用二次公式。来自邻近的成对子阵列的结果被合并，排序，并用于解决在第二阶段中的4 × 4阵列。重复同样的程序是为以下几个阶段：在第阶段，对大小为的子矩阵通过拉格朗日的方法找到的特征值，使用第个阶段的结果作为初始近似值。算法在[1]中详细描述如下： 开始 找到的2×2子矩阵的特征值 对i从2到k 对j从1到 把大小为和的两个子矩阵组合到一起 （即合并他们的特征值） 对 从1到 ?? 使用拉格朗日迭代找到在这个级别上的 结束 最初的并行实现 在并行上这种算法，一个关键的目标是正忙着为解决特征值的最大化处理器。设是被用于该方案的执行的处理器数量，并设是输入矩阵的大小。在最初的并行方法，求解特征值的责任是在处理器中平均分配是为了负责寻找个特征值。在第一个k-d阶段中，处理器之间没有沟通是必要的，因为每个子矩阵是非常小足够可以被一个单一的处理器处理。具体来说，每个节点开始独立执行的第一个k-d阶段，从而解决为了k-d（编号从左至右）的子矩阵的个特征值。 在最后的d个阶段中，节点必须要合并，排序到其他节点沟通其结果，并且其相应的特征值集返回作为下一阶段的输入。元素（节点）的处理被分为两类：汇和客户。在立方体-2中，该处理器的子多维数据集d分配给程序执行顺序编号是从0到。在k-d+1个阶段，奇数的节点扮演客户的角色，并发送其特征值到偶数的节点，这是在这一阶段的汇。具体来说，客户端节点向汇节点发送其结果。每个汇合并它在k-d阶段发现的与它的客户端收到的的特征值，并返回客户端列表中的上半部分。汇解决了大的子矩阵特征值的下半部，而它的客户端解决了上半部。 结果在第k-d+2阶段中被传送到负责汇的这些节点上。在这个阶段中，有着4倍处理器ID的每一个节点成为一个汇。如果汇的ID是i，那么在这个阶段它的客户端将是节点i+1,i+2 和 i+3。对三个客户端节点合并其结果是对现在每一个汇节点负责，每四个节点从以前的合并中来解决矩阵的四分之一。三分之一的客户端完成各自的任务，他们在下一个阶段中把他们的结果返回到负责八个客户端的汇中。这个过程在最后阶段以这种方式一直持续到节点0成为唯一的汇和所有其余的节点成为客户端。图3描述了这个情况，在一个3立方也就是有着8个节点的超立方体。 这种沟通方式是非常非常适合超立方体的。在任何阶段汇是前一阶段其他汇的近邻。每个汇和它的客户端在自己的子多维数据集工作，所以他们的沟通与其他汇和客户端的沟通是不相交的。立方体-2支持子多维数据集内的广播业务，可以通过汇用来有效地向客户端传送结果。通过各个阶段的特征值计算每个节点的数量仍然不断。 图.2.在3立方体的汇和客户端 这个并行算法的性能测试结果表明，对于64位处理器的速度是被限制到大约25。为了发现这种行为背后的原因，我们使用一个被称为段的可视化工具[3]。图4（a??）显示了在立方体- 2上2048× 2048矩阵上执行的算法的痕迹。（对于示范的目的，只有16个节点的立方体的例子被显示。）阴影部分表示当前处理器正忙着。在这个例子中，该算法需要11个阶段。阶段1至7间没有通信的情况下执行，并表示着图左边黑色部分。阶段8到11需要节点之间的合作（和沟通）。在图4（a）所示，处理器的闲置时间占很大一部分。每一个直到在X轴上代表着0.15秒。该算法需要65.9秒才能完成。 进一步调查显示，流程所需的时间来完成它们的特