改进的并行Arnoldi方法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (34): 72-73.

改进的并行Arnoldi方法

戴宽平，吕全义

西北工业大学应用数学系，西安 710129

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-12-01 发布日期:2011-12-01

Improved parallel Arnoldi method

DAI Kuanping，LV Quanyi

Department of Applied Mathematics，Northwestern Polytechnical University，Xi’an 710129，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-12-01 Published:2011-12-01

摘要/Abstract

摘要： 为了求解大规模的块三对角线性方程组，相关研究给出一种变形的并行Arnoldi算法，通过选取适当的基，使算法具有良好的并行性。结合已有的选基方式，在预处理思想的指导下，提出了另一种选基的方法。在联想深腾1800集群上进行的数值实验结果表明，该算法的收敛速度有了明显的提高，并保持了较高的并行性，并行效率可达到85%以上。

关键词: 预处理, Arnoldi方法, 块三对角线性方程组, 并行迭代算法

Abstract: In order to solve the large-scale block-tridiagonal systems，a kind of distortion parallel Arnoldi method has given，and the algorithm has a better parallelism by choosing of the suitable bases.With the algorithm，this paper proposes a new kind of method to choose the bases.The numerical experiments on the Lenovo Deep Proton 1800 high-performance show that the new algorithm is preferable convergence and the parallel efficiency may achieve above 85%.

Key words: precondition, Arnoldi method, block-tridiagonal liner equations, parallel iterative algorithm

戴宽平，吕全义. 改进的并行Arnoldi方法[J]. 计算机工程与应用, 2011, 47(34): 72-73.

DAI Kuanping，LV Quanyi. Improved parallel Arnoldi method[J]. Computer Engineering and Applications, 2011, 47(34): 72-73.

[1]	孙爽，陈燕，朴在吉，张金松. 轨迹数据的时空模式挖掘与管理决策研究综述[J]. 计算机工程与应用, 2021, 57(16): 16-26.
[2]	成立明，陈建新，陈瑞，陈志敏. 融合自监督单目图像深度估计的视觉里程计[J]. 计算机工程与应用, 2021, 57(15): 230-236.
[3]	彭小红，梁子祥，张军，陈荣发. 深度学习驱动的水下图像预处理研究进展综述[J]. 计算机工程与应用, 2021, 57(13): 43-54.
[4]	李道全，王雪，于波，黄泰铭. 基于一维卷积神经网络的网络流量分类方法[J]. 计算机工程与应用, 2020, 56(3): 94-99.
[5]	余同瑞，金冉，韩晓臻，李家辉，郁婷. 自然语言处理预训练模型的研究综述[J]. 计算机工程与应用, 2020, 56(23): 12-22.
[6]	刘俊涛，王素娟，林晓明，刘祚时，谭俭辉，宋丹. 结合FCM聚类和边缘感知模型的眼底渗出物检测[J]. 计算机工程与应用, 2020, 56(11): 192-199.
[7]	晁静静，沈文忠，宋天舒. 基于HOG和SVM的双眼虹膜图像的人眼定位算法[J]. 计算机工程与应用, 2019, 55(9): 184-189.
[8]	吕伟，宋文爱，富丽贞，许文. 大规模图数据边受限制的最短距离查询算法[J]. 计算机工程与应用, 2019, 55(7): 71-81.
[9]	姜道银1，2，葛洪伟1，2，袁罗1. 一种动态划分的混合连续域蚁群优化算法[J]. 计算机工程与应用, 2018, 54(7): 144-151.
[10]	王卿云1，2，李红燕1，2，洪申达1，2. 基于张量模型的多因素影响程度分析方法[J]. 计算机工程与应用, 2017, 53(17): 94-100.
[11]	王锦盛1，熊邦书1，莫燕1，黄建萍2，李新民2，赵平均3. 基于随机森林的直升机飞行状态识别方法[J]. 计算机工程与应用, 2017, 53(17): 149-152.
[12]	陈迪，代艳君，王志锋. 论坛主题挖掘研究综述[J]. 计算机工程与应用, 2017, 53(16): 36-44.
[13]	李衡1，赵毅强2，杨瑞霞1，何家骥2，李跃辉2，杨松2. 基于小波降噪数据预处理的硬件木马检测优化[J]. 计算机工程与应用, 2017, 53(1): 49-53.
[14]	杨莉1，吴贵芳1，孙秀明2. 基于多尺度曲波变换的路面裂缝融合算法[J]. 计算机工程与应用, 2016, 52(6): 182-185.
[15]	孙红敏，姜楠楠，李想. 基于文档集的生物信息挖掘模型研究[J]. 计算机工程与应用, 2016, 52(24): 102-106.