大型稀疏矩阵求解器GSS 2.0发布

 
GSS(GRUS SPARSE SOLVER) 是用于求解大型稀疏矩阵的软件包。采用最新的模型及算法,具有高效,稳定,通用等特点。提供10万阶免费试用版,详细信息欢迎访问 www.grusoft.com。对比测试表明:速度明显优于同类求解器,其中分解时间平均不到UMFPACK的一半。许多矩阵只有GSS可求解。
GSS支持多种数据类型和平台,提供多种接口和模式,已在多个行业得到应用。
  
GSS针对不同类型的稀疏矩阵采用不同的解法。
GSS采用 LL T 分解(cholesky分解)。即对称正定阵 A存在如下分解,其中 L为下三角矩阵。
A=LL T                                                                          
cholesky算法理论成熟,表现稳定,解的精度很高。稀疏求解中有多种高性能的实现,例如可分为Left-looking,Right–looking及Crout三类。GSS采用Right–looking multi-frontal 算法,灵活、高效、并行性好。对某些正定矩阵,采用多波前/波前混合算法,以减少数据移动量,进一步提高速度。
GSS采用对称置换的 LDL T分解。即
                      PA P T =LDL T                                                  
其中 L是单位下三角阵, D由阶数为1或2的对角块构成, P是置换阵。
对称不定求解在理论上比较成熟,但具体实现还待提高。表现在稳健的算法性能较差,而高性能的算法不够稳健,无法解出各种类型的不定矩阵。例如Bunch-Parlett算法可以很好的解决满阵问题,但应用到稀疏矩阵上时,效率与稳定无法兼顾。GSS正致力更高效稳健的不定阵算法。
GSS采用不对称置换的 LU分解。其基本形式如下:
                      PAQ=LU                                                        
其中 L是单位下三角阵, U是上三角阵, P,Q是置换阵。
不对称矩阵的求解理论还在发展,还有很多可以改进的地方。GSS在确保通用可靠的基础上,尽量提高效率。在符号分析中采用block upper triangular排序,QUOTIENT-GRAPH模型,在数值分解中灵活运用多种主元方法。对于困难矩阵,并采用矩阵平衡, refine等技术。实测中,综合性能较其它求解器有明显的优势,有一些矩阵只有GSS可以求解。
通过不对称置换把“大元素”置换到对角元,可提高速度和精度。GSS采用网络流算法,这也是该算法首次用于“大元素”置换问题。
通过block upper triangular排序,可以得到一系列具有特殊性质的对角块,即strong hall matrix。随后的分析中充分利用这个特性,以提高效率。
依据矩阵的一些性质,GSS采用SIMPLE和HARD两种策略。HARD策略适用于非常不对称、对角元很多都是零、条件数很大等困难矩阵。在求解时会采用矩阵平衡技术,主元置换算法,动态符号分析及iterative refine等以提高解的精度,需要更多的时间。其它的矩阵采用SIMPLE策略,速度更快。
不对称矩阵数值分解过程中,仍需要一些符号分析,而符号分析算法的flops是很低的。GSS采用很多技巧,将所需的符号分析工作减到最少。
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值