基于UB树的大型稀疏矩阵存储研究的中期报告.docxVIP

基于UB树的大型稀疏矩阵存储研究的中期报告

中期报告：

一、研究背景

稀疏矩阵在科学计算中经常出现，因为它们可以节省大量的存储空间。而且，对于稀疏矩阵来说，计算出其所有元素的数值是不必要的，只有矩阵中的一小部分元素是重要的。当矩阵异常大时，也需要高效地读取和处理数据。因此，如何存储和访问大型稀疏矩阵是一个非常重要的问题。

目前，主要的稀疏矩阵存储技术包括三种：(1)压缩存储技术，例如CSR（CompressedSparseRow）、CSC（CompressedSparseColumns）和COO（CoordinateFormats）等；(2)基于块状存储技术，例如稠密块和稀疏块；(3)基于树结构存储技术，例如压缩前的UB树（UnbalancedBinaryTree）和VBR（VariableBlockRow）等。

二、研究内容

本文基于UB树的稀疏矩阵存储方法进行研究，该方法已经被证明可以高效地存储和操作稀疏矩阵。本文的研究内容包括：

1.UB树算法分析。分析UB树存储策略的优缺点，设计UB树的构建算法和矩阵乘法算法，并分析算法的时间复杂度。

2.UB树的优化。在UB树算法的基础上，通过结合区间压缩、排序和区间回收技术以及UB树内部调整，提高UB树的效率，并在实验中进行验证。

3.UB树的应用。将优化后的UB树应用到实际问题中，对比其他常见的稀疏矩阵存储方法，分析比较它们的效率和适用范围，并进行优化。

三、研究成果

目前，我们已完成了UB树算法和优化方案的设计，实现了UB树的构建算法和矩阵乘法算法，并进行了时间复杂度分析。下一步，我们将进行实验，验证算法和优化方案的有效性，并对比其他稀疏矩阵存储方法进行评估。

四、下一步工作

1.实现优化后的UB树，并进行实验验证。

2.对比其他常见的稀疏矩阵存储方法，进行性能分析。

3.进一步优化UB树，提高稀疏矩阵存储与计算的效率。

4.编写论文，总结并发表研究成果。

五、参考文献

[1]Demmel,J.AppliedNumericalLinearAlgebra(SIAM,Philadephia,1997).

[2]Duff,IandScott,J,SparseMatricesandtheirUseinSolvingLinearEquations(SIAM,Philadelphia,1996).

[3]Bunch,JRandHopcroft,JE,TriangularFactorizationandInversionbyFastMatrixMultiplication,MathematicsofComputation,vol28,pp231-237,1974.

[4]Heath,MT,ScientificComputing:AnIntroductorySurvey(McGraw-Hill,NewYork,1997).

[5]Bum-Il,NandKajal,K,AHigh-LevelSparseMatrix-MatrixMultiplicationFrameworkonGPUs,IEEETransactionsonParallelandDistributedSystems,vol23,no3,pp459-468,2012.