代数多重网格法分析与其在预处理Krylov子空间方法中的应用.pdfVIP

第一章绪论 在科学与工程计算领域，如流体力学计算，结构与非结构问题的有限元分析， 石油地震数据处理，数值天气预报，电力系统优化设计，高维微分方程组数值解中， 线性代数方程组的求解，特别是稀疏线性代数方程组的求解处于核心地位，大量实 践经验表明，线性代数方程组的求解时间在整个问题的总计算时间中占有非常大的 比重。由于稀疏矩阵包含着大量的零元素，需要设计专门的存储格式和算法，才能 达到高效求解此类方程组的目的． 由于受舍入误差，计算机内存和计算复杂度的限制，对大规模问题，直接求解 该类方程组几乎是不可能，通常采用迭代方法，迭代法的主要思想是通过构造有效 的迭代格式，在有限步数内收敛于方程的精确解。在数值计算领域，人们一直在寻 求具有最优计算复杂度的算法，即算法的计算量线性的以来于物理量个数，代数多 重网格(AMG)方法【1，2]就具有这种性质，现已成为数值计算领域一种重要的加速 迭代收敛技术。 多重网格法是在离散区域有限元网格的基础上构造出多个层次的网格，这些网 格随着层数的增加越来越粗(点和边的数量越来越小)。线性方程组经过迭代光滑后， 其高频部分误差会很明显地被削减，但低频部分误差很难被削减，但是当我们把迭 代光滑后的误差通过一定机制传递到下一层网格上后，又变成既包含高频误差又包 含低频误差，因此可以在下一层上继续光滑迭代，再把误差传递到更下一层网格…… 这样一直到最后一层网格，由于规模已经很小，就可以用直接法求解，然后将结果 返回到上一层网格，作为该层解的修正，再作光滑迭代，把结果返回到更上一层网 格……直到第一层网格，解修正后再作光滑迭代，我们就得到了线性方程组的近似 解，其结果误差会比经典迭代法求得的误差小很多。 在实际应用中，多重网格法不仅直接用来求解线性方程组，而且作为预处理迭 代法的预处理步骤更是个理想的选择，可以达到很好的收敛速度，可用来求解大规 模线性方程组。 多重网格法根据网格层次的构造方法又分为几何多重网格法(GMG)和代数多 造完全数值化，通过引入辅助矩阵来代表虚拟的网格，替代了GMG的实际网格，极 大地扩大了多重网格法的适用范围 本论文第二章介绍了求解大型稀疏线性方程组的Krylov子空间法及其预处理 方法，第三章介绍了通用的代数多重网格法并给出了一些在算法实现时的具体方法 和策略，第四章给出了几种实际应用中常用网格的粗化方法，第五章提出了以代数 多重网格法为预处理算子的预处理方法，推导出以AMG为预处理算子的预处理拟 极小残差法，第六章给出了数值算例。 2 第2章krylov子空间法及其预处理方法 求解稀疏线形方程组的方法有直接法和迭代法二种，直接法中，由于要对稀疏 矩阵进行分解，而在分解过程中将引入许多填充元素(即非零元素)，从而增加存储 开销，为了减少这种开销，需要在分解过程中，对矩阵的行和列进行重新的排序(即 对矩阵进行置换)，这就必须为减少填充元付出一定的代价，相对直接法，迭代法的 存储开销大大贪绍，一般地，每步迭代的计算开销与矩阵本身所需的存储开销同量 阶，但迭代法的收敛性依赖于矩阵本身的特性，对某些条件不好的问题，迭代法可 能不收敛，所以要对矩阵特性进行分析，不同问题需要采用不同的迭代方法。目前， Krylov子空间方法是求解稀疏线性方程组最流行和最有效的方法之有一，也是当前 研究的热点。 ． 本章将先介绍Krylov子空间法及其方法分类，特别介绍双共轭梯度BICG (Biconjugate Residual method)法。然后介绍预处理方法的思想并推导出适用于Krylov子空间方法的预 处理方法。 2．1Krylov子空间法 Krolov子空问起主要思想是为各迭代步递归的构造残差向量，即第n步的残差 向量，即第n步的残差向量‘通过系数矩阵A的某个多项式与第一个残差向量巧相 乘得到到： ‘=巴一，(彳)巧 通常，迭代多项式的选取应使构造的残差向量在某种内积意义下相互正交，从而 保证某种极小性(极小残差性)，达到快速收敛的目的。 2．1．1 Krylov子空间法概念及其方法的分类 给定线性方程组 Ax=b