- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
并行PCGMRES算法的研究与实现修改(计算机学报)
Krylov子空间上并行GMRES算法*(一般不超过30个字)
完成人:***队 张三,李四, 王五
摘 要:通过研究基于主从模式的并行计算模型和Krylov子空间Gmres算法的基本理论,提出了一种Krylov子空间上带预校型的并行PCGMRES新算法,给出了求解线性方程组的算例和求解大型弹性边界元问题的算例,与并行GMRES(m)算法的运行结果进行比较之后表明,所设计的并行算法在保证计算精度的前提下,可以减少迭代次数,缩短计算时间,有很好的加速比和计算效率。(8行左右)
关键词:Krylov子空间, PCGMRES算法并行算法中图分类号:O241.6
The Research of Parallel PCGMRES Algorithm in Krylov Subspace and its Application in BEM
Abstract: Through the research of the parallel computational model based on the principal and subordinate mode and the basic theory of Gmres Algorithm in Krylov subspace, this essay raises a new parallel PCGMRES algorithm which possesses predict-correct pattern, and shows the computing examples for linear equations and large-scale elastic problem. After the comparison with the result from the parallel GMRES(m) algorithm, it shows that this designed parallel algorithm can reduce the iteration frequency, shorten the computing time and obtain better speedup ratio and computing efficiency at the premise of assuring the computation precision.
Keywords: Krylov Subspace; PCGMRES Algorithm; Parallel Algorithm; BEM.
1 引言
对于大部分工程实际问题来说,线性方程组的求解是其中计算的核心部分,如有限元和边界元问题,最后都归结为求解大型线性方程组,但是目前大部分算法都局限于研究稀疏线性方程组的求解问题,而对于大型稠密线性方程组的求解却不是很完善,特别是在并行技术产生之后,研究计算大型稠密线性方程组的并行算法已经成为了一个科学计算中的重要问题。边界元法作为一种强有力的数值计算方法,由于其高精度和降维等优点,被大量的应用于许多学科的分析计算中,尤其是在计算数学和计算力学领域被公认为是有限元法的重要补充。但是边界元法最后所得方程组的系数矩阵一般具有非对称性和稠密的特点,并且对于边界元求大规模问题时,若划分的单元较多时,其运算量和存储量将剧增,而已限制了边界元在大规模问题中的应用。
随着高速网络技术的快速发展,并行计算已经成为大型计算的主要技术之一,机群系统已经成为并行计算的主要平台,但是一般并行算法只适用于中等粒度以上的并行,这样就有必要设计适合于网络并行的粗粒度并行算法。
GMRES方法(Generalized Minimal Residual algorithm)是一种求解大型非对称线性方程组的 Krylov子 空间投影法,1986年由Y.Saad和M.H.chltz提出.该法基于Krylov向量的完全正交化,由于所需计算量和内存量较少等方面的优势,目前广泛应用于机械、计算力学、计算数学等工程领域。为了提高算法的计算效率,采用预条件子技术是一种非常有效的方法。刘晓明等将GMRES方法应用于油藏数值模拟计算问题,利用矩阵分块技术和拟消去法(PE)对系数矩阵进行了预处理。于春肖、杨爱民等[12]提出改进GMRES(m)算法收敛性的一种预条件方法,并论证方法的正确性。陈一鸣、杨爱民等[34]利用分治策略对GMRES方法进行了并行处理,用于快速解决矩阵和向量之间、矩阵和矩阵之间的运算。除上述方法外,本文将给出一种加快收敛速度、减小存储空间的并行带预校GMRES(PCGMRES)算法,此算法是基于B.K.Schmidt等给出的度量通信开销的方法[],是引入并行技术的Krylov子空间投影类方法[],期间使用预测-校
文档评论(0)