ILUT和最小度算法在大型线性方程组求解中的应用分析.pdfVIP

摘要 摘 要 科学计算的一个重要课题就是求解大型的线性方程组，在实际应用中，稀疏 矩阵占了很大部分，因此高效求解大型稀疏线性方程组就成为我们研究的主要方 向之一。其中，不完全分解预条件子因为能够保持线性系统的稀疏性，降低存储 的复杂性，减少计算量而受到重视。本文主要研究求解稀疏线性系统的性能算法， 特别是构造有效的不完全分解预条件子。 首先介绍了经典的迭代法、预条件技术以及不完全分解；然后对不完全分解 预条件方法ILUT 进行改进得到算法MILUT ；最后结合最小度排序思想 得到算法 MDILUTP 。通过数值实验可以看出，算法对于稀疏矩阵的分解有 着较好的效果。 对于稀疏矩阵而言，无论是对对称正定的矩阵分解构造预条件子，还是对一 般矩阵分解构造预条件子，为了保证分解后矩阵的稀疏性质不会遭到破坏，通常 我们都要设定非零元素控制参数。通过构造合理的非零元素控制参数，得到改进 的不完全分解预条件子MILUT ，取得了一定的效果。 针对非对称矩阵，研究基于ILUTP 的预处理技术，结合最小度排序思想， 在选主元过程中加入列非零元权值参数，使重排序后的矩阵在分解过程中减少填 充元的产生，从而降低存储的复杂性，减少计算量，提高运行效率，同时确保矩 阵的稀疏性在分解过程中不会遭到破坏。 关键词: 迭代法，预条件技术，不完全分解，排序技术，选主元 I 万方数据 ABSTRACT ABSTRACT Scientific computing is an important topic used for solving large linear equations , and the large sparse matrices take up a large proportion in practical applications, Therefore solving the large sparse linear equations efficiently has become one of our main research directions. The incomplete decomposition preconditioner attaches our attention, not only because it is able to maintain the sparsity of the linear system but it can also reduce storage complexity and the amount of calculation. This paper studies the performance algorithm to solve linear sparse system and construct a valid incomplete decomposition preconditioner . Firstly,