2013. 7. 20最全版.pptVIP

tyuyt utyu tyuyt utyu tyuyt utyu tyuyt utyu tyuyt utyu tyuyt utyu tyuyt utyu tyuyt utyu tyuyt utyu tyuyt utyu tyuyt utyu tyuyt utyu tyuyt utyu tyuyt utyu tyuyt utyu * tyuyt utyu 2013. 7. 20 大型稀疏矩阵求解器GSS简介 上海智琢软件科技有限公司 稀疏矩阵求解的广泛应用 矩阵求解是数值计算的核心[1] 稀疏矩阵求解是数值计算的关键之一 偏微分方程，积分方程，特征值，优化… 万阶以上dense matrix不可行 稀疏矩阵求解往往是资源瓶颈 时间瓶颈，内存，外存等瓶颈 一些有趣的应用 GOOGLE PAGE RANK[8] * yrty 稀疏矩阵复杂、多变 基本参数 对称性，稀疏性，非零元分布 敏感性，病态矩阵 条件数 格式多变 Harwell-Boeing Exchange Format 。。。 测试集 Harwell-Boeing Sparse Matrix Collection UF sparse matrix collection * yrty 求解器的飞速发展 BBMAT /research/sparse/matrices/Simon/bbmat.html 38744阶，分解后元素超过四千万. 1988 巨型机cray-2上 1000秒 2003 4G umfpack4 32.6秒[4] 2006 3.0G GSS1.2 15秒 2012 3.0G 4核 GSS 2.3 4秒 硬件的发展 CPU，内存等 稀疏技术逐渐成熟 multifrontal ,supernodal… 数学库 BLAS，LAPACK * yrty LU分解稀疏矩阵的优势 保持稀疏性（优于QR分解等） 百万阶的矩阵的LU可在PC上求解。 较高的稳定性（优于迭代法）[5] 列选主元，代价较小(O( ) ) 多种技巧处理病态矩阵 可充分发挥CPU的效率（优于迭代法） flops 50%*CPU主频 算法很复杂 * yrty 多波前法(multifrontal)简介 发展 Duff and Raid [2] J.W.H.Liu等分析，改进 [3] T.A.Davis开发UMFPACK [4] 基本算法 利用稀疏矩阵的特性，得到一系列密集子阵（波前）。将LU分解转化为对这些波前的装配，消去，更新等操作。 多波前法的优点 波前是dense matrix ,可直接调用高性能库（BLAS等） 密集子阵可以节省下标存储 提高并行性 目前主要的求解器 UMFPACK,WSMP,GSS,HSL MA41等 * yrty LU分解形成frontal 10阶矩阵。 蓝点代表非零元。红点表示分解产生的注入元(fill-in) Frontal划分{a}, {b}{c}{d} {e} {f,g}{h,i,j} * yrty Frontal的装配，消去，更新过程 a c h c · · h · · {c} {f,g} {b} {e} {h,i,j} {a} c,g,h g · · h · · b e j e · · j · · f,g,h g g · h · · e,i,j i · · j · · h,i, j i i · j · j {d} d,i,j i · · j · · 消去树 * yrty GSS简介 标准C开发，适用于各种平台 比INTEL PARDISO更快，更稳定 平均数值分解时间不到UMFPACK的1/3 突破32位Windows内存限制 支持最多32个CPUP 提供64位版本 * yrty GSS的技术特点 支持 AMD，METIS，COLAMD及用户自定义排序 自动分析分块矩阵结构，提取strong hall matrix 支持列选主元，rook pivoting，static pivoting等多种主元策略 支持常见的稀疏矩阵格式，包括ccs,crs, Harwell Boeing format等 支持INTEL Hyper-Threading；支持共享内存的多CPU并行机 32位Windows下，可处理LU规模超过4G的矩阵 提供多种处理病态矩阵手段 * yrty 对比测试 INTEL PARDISO 9.0 UMFPACK 4.4。 测试集 symmetric set，2-by-2 set，unsymmetric set [4] P43.0G，512K cache。 1G内存 * yrty 与INTEL