大规模稀疏矩阵并行计算4.pptVIP

Footer Text Footer Text 大规模稀疏矩阵并行计算 李修宇 QQ：295553381 * * 主流求解方法 直接法 GAUSS消去法 波前法 多波前法 迭代法 经典迭代法 Jacobi、SOR、SSOR 投影方法 CG、GMRES 预处理技术 不完全分解预处理条件 代数多重网格技术 * 大规模稀疏矩阵并行计算 * 矩阵性质对求解的影响 性质 影响 * 大规模稀疏矩阵并行计算 * 非零元的分布 带状分布 按块分布 …… 正定性 对称性 矩阵的存储方式 求解方法的选择 求解速度 …… 直接法 矩阵图重排：一般分为两大类，带宽缩减算法（也常称为外形缩减）和区域分解算法，应用较多的带宽缩减算法CM，RCM，GPS，Rosen算法。一般建议多重方法结合使用：全局方法的全局平衡性、局部方法的局部最优特性。 符号分解：确定非零元结构以及相应的消元索引，以便在实际数值分解前确定所需存储资源大小，避免数值分解中动态分配存储空间和复杂的索引策略。 构建消去树(elimination tree)：确定分解节点之间的分解依赖，即确定分解的顺序并构成并行分解的层次结构。 * 大规模稀疏矩阵并行计算 * 直接法 数值分解：利用符号分解得到的非零元结构和索引沿消去树路径进行分解。 回代求解：包括前向（forward）和后向（backward）回代，可先构建消去依赖树或顶点