稀疏矩阵算法的概念

在科学与工程领域中进行数值计算时经常需要处理大型的稀疏矩阵，这些矩阵的特征一是阶数很大，二是含有大量的零元，使得无法使用传统的稠密矩阵存储方案和算法。由于矩阵阶数太大，若存储整个矩阵，将会占用大量的存储空间，甚至会超出计算系统的存储容量，因此需要设计专门的稀疏存储方案，尽可能的减少零元素的存储。
稀疏矩阵算法是以稀疏矩阵作为核心数据结构的算法。与稠密矩阵算法相比，稀疏矩阵算法的最大特点是通过只存储和处理非零元素从而大幅度降低存储空间需求以及计算复杂度，代价则是必须使用专门的稀疏矩阵压缩存储数据结构，因而在计算过程中引入了大量的离散间接寻址操作。稀疏矩阵算法是典型的不规则算法，计算访存比很低，并且计算过程中的访存轨迹与稀疏矩阵的稀疏结构相关，很难发掘计算过程中的时空局部性，因此在传统的基于Cache的处理器上稀疏矩阵算法的计算效率很低。为了提高稀疏矩阵算法的计算效率，需要从稀疏存储数据结构和稀疏矩阵算法两方面对现有算法进行改进。
按照应用领域的不同，稀疏矩阵算法分为两类，一类是非数值计算算法，典型代表是图搜索算法，包括宽度优先搜索等核心算法；另一类则是数值计算算法，典型代表是稀疏线性方程组求解，包括稀疏矩阵向量乘、稀疏三角方程组求解以及稀疏矩阵分解等核心算法。