大型稀疏矩阵的LU分解及特征值求解Grusoftcom课件.pptVIP

大型稀疏矩阵的LU分解及特征值求解陈英时2016.1.9

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densematrix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?直接法基于高斯消元法，即计算A的LU分解。A通常要经过一系列置换排序，可归并为左置换矩阵P，右置换矩阵Q。基本步骤如下：1）符号分析：得到置换排序矩阵PQ2）数值分解：3）前代回代：I.S.Duff,A.M.Erisman,andJ.K.Reid.DirectMethodsforSparseMatrices.London:OxfordUniv.Press,1986.J.J.Dongarra,I.S.Duff,...NumericalLinearAlgebraforHigh-PerformanceComputers.G.H.Golob,C.F.Vanloan.MatrixComputations.TheJohnsHopkinsUniversityPress.1996

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-BoeingExchangeFormat。。。?测试集Harwell-BoeingSparseMatrixCollectionUFsparsematrixcollection

求解器的飞速发展?BBMAT38744阶，分解后元素超过四千万.1988巨型机cray-2上1000秒32.6秒[4]15秒4秒1秒20032006201220144G3.0G3.0G4核i78核umfpack4GSS1.2GSS2.3GSS2.4?硬件的发展?稀疏算法逐渐成熟CPU，内存等稀疏排序，密集子阵multifrontal,supernodal…?数学库BLAS，LAPACK

稀疏LU分解算法的关键稀疏LU分解（不考虑零元的）LU分解1零元是动态的概念，需要稀疏排序,减少注入元(fill-in)2密集子阵根据符号分析，数值分解算法的不同，直接法有以下几类[15]：1）generaltechnique(通用方法)：主要采用消去树等结构进行LU分解。适用于非常稀疏的非结构化矩阵。2）frontalscheme(波前法)LU分解过程中，将连续多行合并为一个密集子块(波前)，对这个子块采用BLAS等高效数学库进行分解。3）multifrontalmethod(多波前法)将符号结构相同的多行(列)合并为多个密集子块，以这些密集子块为单位进行LU分解。这些子块的生成，消去，装配，释放等都需要特定的数据结构及算法。

稀疏排序排序算法的作用是减少矩LU分解程中生的注入元，求解矩的最排序方法是个NP完全（不能在合理的内行求解），具体矩而言，目前也没有方法或指来判定哪种算法好。因此不同的算法，比生的注入元，是确定排序算法的可靠依据。主要的排序算法有最小度排序（MMD，minimumdegreeorderingalgorithm）和嵌套排序（nesteddissection）两种。矩排序方面相的成熟件有AMD[12]、COLAMD、METIS[13]等。YannokakisM.Computingtheminimumfill-ininNP-Complete.SIAMJ.AlgebraicDiscreteMethods,1981,2:77~79

近似最小度排序算法–商图近似最小度排序（AMD，ApproximateMinimumDegreeOrderingAlgorithm）算法于1996年左右由PatrickR.Amestoy等学者提出AMESTOY,P.R.,DAVIS,...1996a.Anapproximateminimumdegreeorderingalgorithm.SIAMJ.MatrixAnal.Applic.17,4,886–905.

为何需要密集子块(DenseMatrix)

多波前法(multifrontal)简介?发展DuffandRaid[2]等分析，改进[3]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densematrix,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,,GSS,MUMPS,PARD