A Conjugate-Gradient Approach to the Parameter Estimation Problem of Magnetic Resonance Advection Imaging
我们认为逆问题的估计空间变化的脉搏波速度在血管中的大脑中的动态MRI数据,因为它出现在最近提出的成像技术的磁共振平流成像(MRAI)。该问题被制定为一个线性算子方程与噪声运营商和解决使用共轭梯度型方法。实验数据的数值例子表明,所开发的算法相比,以前提出的方法的有用性和优势。
2020-01-10 cs.NA math.NA
Parallel Newton-Chebyshev Polynomial Preconditioners for the Conjugate Gradient method
本文利用多项式预条件子在并行环境下求解大型对称正定线性系的共轭梯度法。本文将求解矩阵方程X^{-1} = A的特殊牛顿法与预处理的切比雪夫多项式联系起来。我们提出了一个简单的修改的一个参数,避免集群的极值特征值,以加快收敛。我们提供的结果非常大的矩阵(高达80亿未知数)在并行环境中的效率所提出的类预条件。
2020-11-27 cs.NA math.NA
On the Behavior of the Residual in Conjugate Gradient Method
SARD Center, Canon Inc.(佳能公司 SARD 中心)
研究有限精度下共轭梯度法递归残差与真实残差的差异,分析其行为并给出下界估计。
2013-01-21 cs.NA math.NA
Numerically Stable Recurrence Relations for the Communication Hiding Pipelined Conjugate Gradient Method
University of Antwerp(安特卫普大学)
本文提出了一种数值稳定的流水线共轭梯度算法,通过将多项递推关系替换为两项递推关系,提高了算法的稳定性,同时保持了计算成本,从而在不同流水线长度下都能获得高精度解。
2019-05-15 cs.NA math.NA
Conjugate Gradient Methods are Not Efficient: Experimental Study of the Locality Limitation
VSB-Technical University of Ostrava(俄斯特拉发科技大学);CERFACS(法国欧洲计算流体力学研究中心);Lehrstuhl für Systemsimulation, Friedrich-Alexander Universtät Erlangen-Nürnberg(埃尔朗根-纽伦堡大学系统模拟讲席)
本文通过实验研究揭示了共轭梯度法因局部限制导致的效率问题,指出图的直径决定了达到足够精度所需的最小迭代次数。
2026-01-15 cs.NA math.NA
Convergence of the Conjugate Gradient Method on Singular Systems
当系数矩阵$A$为对称半正定且系统相容时,本文分析了共轭梯度法在精确算法下的收敛性。为此,我们对角化$A$,并将算法分解为$A$的范围和零空间分量。此外,我们将分析的CGLS和CGNE(CG正常误差)方法秩亏最小二乘问题。
2020-05-11 cs.NA math.NA
Learning Preconditioner for Conjugate Gradient PDE Solvers
本文提出用图神经网络学习预条件子,为共轭梯度求解器引入归纳偏置,并在二维和三维线性二阶PDE上验证了有效性与泛化性。
2023-09-06 cs.NA math.NA
Preconditioned Conjugate Gradients, Radial Basis Functions and Toeplitz Matrices
Imperial College London(帝国理工学院)
针对网格数据插值产生的稠密线性系统,提出一种高效的预处理共轭梯度法,利用Toeplitz矩阵结构实现迭代次数与变量数无关。
2010-06-12 cs.NA math.NA
Numerical Stability of s-step Enlarged Krylov Subspace Conjugate Gradient Methods
American University of Beirut(贝鲁特美国大学)
本文提出s-step扩展Krylov子空间共轭梯度法,通过合并s次迭代提升收敛速度并减少通信开销,提出多种数值稳定的变体。
2018-04-27 cs.NA math.NA
Predict-and-recompute conjugate gradient variants
University of Washington(华盛顿大学);Charles University(查理大学)
本文研究了一种通过重叠全局同步和矩阵向量乘积来减少迭代时间的共轭梯度变种,该方法在多种测试问题上表现出与标准共轭梯度算法相近的收敛性,并通过误差分析和实验验证了其在实际应用中的有效性。
2021-03-21 cs.NA math.NA
A Scalable Deflated Conjugate Gradient Solver for the Time-Dependent Pseudo-Stress Stokes Problem
Politecnico di Milano(米兰理工大学)
针对伪应力格式非定常斯托克斯方程,提出结合收缩共轭梯度法与W循环多重网格的求解框架,通过选择收缩子空间消除奇异模式,实现时间步长无关的鲁棒收敛。
2026-06-12 cs.NA math.NA
Volume-Preserving Parameterizations via Preconditioned Nonlinear Conjugate Gradient Method
National Taiwan Normal University(台湾师范大学);Nanjing Center for Applied Mathematics(南京应用数学中心);Shanghai Institute for Mathematics and Interdisciplinary Sciences(上海数学与交叉学科研究院);National Yang Ming Chiao Tung University(国立阳明交通大学)
本文提出一种基于预条件非线性共轭梯度法的体积保持参数化方法,通过最小化等体积能量实现三维流形到规范域的双射映射,实验证明其精度和效率优于现有方法,并适用于形状配准和体积变形。
2026-09-29 cs.NA math.NA
The conjugate gradient algorithm on a general class of spiked covariance matrices
我们考虑共轭梯度算法应用于一般类的加标样本协方差阵。本文的主要结果是,在任何有限步的误差和残差向量的范数集中在确定的值由正交多项式确定的变形Marchenko-Pastur定律。一阶极限和涨落被证明是普遍的。此外,对于散装特征值位于一个单一的间隔的情况下,我们表现出更强的普适性的结果,在渐近收敛速率的共轭梯度算法只依赖于支持的散装,提供的尖峰是很好地从散装分离。特别是,这表明,经典的条件数的共轭梯度算法的界限是悲观的尖峰矩阵。
2021-06-25 cs.NA math.NA math.PR
Structure of the preconditioned system in various preconditioned conjugate gradient squared algorithms
最近提出了一种改进的预条件共轭梯度平方(PCGS)算法,它比传统的PCGS算法有更好的性能。本文通过对各种PCGS算法(包括改进的PCGS算法)的比较、分析和数值试验,验证了改进的PCGS算法是左预处理系统的协调算法,具有传统PCGS和左PCGS的优点。我们表明,CGS方法的预处理系统的方向是由PCGS算法中的$α_k$和$β_k$的操作。通过比较这些算法的逻辑结构,我们表明,预处理系统的方向可以切换的初始阴影残留向量的构造和设置。
2019-07-24 cs.NA math.NA
A cooperative conjugate gradient method for linear systems permitting multithread implementation of low complexity
Federal University of Rio de Janeiro(里约热内卢联邦大学);Inria(法国国家信息与自动化研究所)
提出协同共轭梯度法(cCG),通过将标量控制参数替换为矩阵实现多下降和共轭方向同时更新,并证明多线程实现的最坏情况复杂度为O(n^{2+1/3})。
2012-03-31 cs.NA math.NA
Local convergence behavior of extended local optimal block preconditioned conjugate gradient method for computing eigenvalues of Hermitian matrices
Tsinghua University(清华大学);Beijing Institute of Mathematical Sciences and Applications(北京国际数学研究中心)
本文分析了改进的局部最优预条件共轭梯度法在计算Hermitian矩阵极值特征值时的局部收敛行为,提出了新的收敛速率分析方法,改进了现有研究成果,并扩展到广义问题。
2026-03-20 cs.NA math.NA
Nonsymmetric multigrid preconditioning for conjugate gradient methods
University of Colorado Denver(科罗拉多大学丹佛分校);Mitsubishi Electric Research Laboratories(三菱电机研究实验室)
研究在共轭梯度法中关闭几何多重网格后平滑(松弛)的可能性,通过数值实验证明在柔性PCG和LOBPCG中可避免后平滑以加速收敛,并提供理论依据。
2013-06-21 cs.NA math.NA
Flexibly Enlarged Conjugate Gradient Methods
本文针对扩展共轭梯度法及其s步版本内存需求高的问题,探究了多种在不大幅影响收敛性的前提下降低其内存开销的方案,这类方法原本通过扩展Krylov子空间实现了比经典CG更少的迭代次数。
2024-09-17 cs.NA math.NA
A robust, open-source implementation of the locally optimal block preconditioned conjugate gradient for large eigenvalue problems in quantum chemistry
本文提出LOBPCG算法的两个开源实现,用于量子化学大特征值问题,测试表明其在内存受限及病态非对角占优问题中可媲美甚至超越戴维森方法。
2023-05-11 cs.NA math.NA
PiTSBiCG: Parallel in Time Stable Bi-Conjugate Gradient Algorithm
提出了一种新的时间并行(PiT)数值模拟方法,用于求解不定常的偏/常微分方程。我们提出了一个可靠的替代方案,众所周知的parareal在时间算法,通过制定在时间上的并行代数问题,并解决它使用适应双共轭梯度稳定的方法。所提出的并行时间稳定双共轭算法(PiTSBiCG)在稳定各种问题的并行解决方面具有很大的潜力。在这项工作中,我们描述了新算法的数学方法,并提供了数值证据,表明其优越性的标准parareal方法。
2022-03-18 cs.NA math.NA math.OC
Accelerating the Conjugate Gradient Method by Solving Multiple GPU-Parallelized Duplicate Systems
Oak Ridge National Laboratory(橡树岭国家实验室);Duke University(杜克大学)
该研究提出通过求解多个并行化的线性系统副本,结合块共轭梯度法,在不额外增加硬件资源的情况下,将稠密系统求解时间最多缩短6倍、稀疏系统最多缩短5倍,且可兼容各类预条件子。
2026-08-10 cs.NA math.NA
A Bramble-Pasciak conjugate gradient method for discrete Stokes equations with random viscosity
Department of Mathematics, Technische Universität Darmstadt(达姆施塔特工业大学数学系)
本文研究了随机伽辽金有限元离散化鞍点问题所得到的线性方程组的迭代求解方法,提出了一种基于Bramble-Pasciak共轭梯度方法的线性求解器,并通过特征值估计分析了其在物理和数值参数下的性能。
2018-10-30 cs.NA math.NA
Theoretical insights on the residual transformation from bi-conjugate gradient into bi-conjugate residual via a smoothing scheme
Tokyo City University(东京城市大学)
本文通过理论分析探讨了通过残差平滑方案从Bi-CG到Bi-CR的转换,证明了转换后算法的双正交性质,并提出了更简洁的转换算法及示例。
2026-02-20 cs.NA math.NA
Randomized conjugate gradient least squares
Beihang University(北京航空航天大学);Hong Kong University of Science and Technology(香港科技大学)
提出一种随机共轭梯度最小二乘(RCGLS)方法,通过迭代降维降低计算成本,并证明其期望线性收敛且优于随机坐标下降法。
2026-05-24 cs.NA math.NA
Minimizing convex quadratic with variable precision conjugate gradients
Université de Toulouse, INP, IRIT(图卢兹大学);McGill University(麦吉尔大学);NAXYS, University of Namur(南纳尔大学)
本文研究了利用不准确的矩阵-向量乘积的共轭梯度法求解凸二次优化问题,推导了理论性能界限,并通过数值实验验证了该方法在多精度计算中的潜力。
2020-09-21 cs.NA math.NA math.OC
A semi-conjugate gradient method for solving unsymmetric positive definite linear systems
共轭梯度法是求解对称正定线性系的经典Krylov子空间方法。对非对称正定线性系提出了一种类似的半共轭梯度法。与CG不同,SCG需要下三角线性系的解来产生每个半共轭方向。我们证明了SCG理论上等价于完全正交化方法(FOM),它是基于Arnoldi过程和收敛在有限的步骤。由于SCG的三角形系统的大小增加每次迭代,我们研究了滑动窗口实现(SWI),以提高效率,并表明产生的方向仍然是局部半共轭的。通过一个反例说明了SWI与直接不完全正交化方法(DIOM)的不同,DIOM是一种带滑动窗口的FOM。对流-扩散方程和其他应用的数值实验表明,SCG是强大的,滑动窗口实现SWI允许SCG有效地解决大型系统。
2022-06-08 cs.DS cs.NA math.NA
Non-recursive equivalent of the conjugate gradient method without the need to restart
本文提出了一种简单的替代共轭梯度法(CG)的方法,该方法作为迭代Ritz方法(IRM)的特例,用于求解线性方程组。该算法不依赖共轭性,无需维护不同步骤向量之间的整体正交性,比CG更稳定,且不需要重启技术。每步仅需一次矩阵-向量乘法即可,且可通过能量考虑简单解释,无需依赖n维空间中的A正交性。最后,松弛因子和预条件化技术可轻松采用。
2019-03-25 cs.NA math.NA
Conjugate gradient for ill-posed problems: regularization by preconditioning, preconditioning by regularization
Univ. Lille, CNRS, Centrale Lille(里尔大学、法国国家科学研究中心、中央里尔理工学院)
本文提出了一种结合预处理和正则化的共轭梯度法,用于高效求解病态问题,并应用于边界数据补全和光学流估计。
2025-12-11 cs.NA math.NA physics.class-ph
Universality for the conjugate gradient and MINRES algorithms on sample covariance matrices
给出了求解线性系的两种Krylov子空间方法的概率分析。我们证明了一个中心极限定理的范数的残差向量的共轭梯度和MINRES算法时,适用于广泛的一类样本协方差阵满足一些标准的时刻条件。证明涉及建立一个四矩定理的所谓的谱测度,这意味着,特别是,普遍性的矩阵所产生的Lanczos迭代。中心极限定理则意味着一个几乎确定的迭代计数的迭代法的问题。
2020-07-01 cs.NA math.NA math.PR
A rational conjugate gradient method for linear ill-conditioned problems
针对 Hilbert 空间中的线性病态算子方程,本文结合有理与普通 Krylov 空间,提出基于 Arnoldi/Lanczos 分解及短期递归的有理共轭梯度型正则化方法,并用数值算例验证其收敛与正则化效果。
2023-06-06 cs.NA math.NA
A Proof of the Forsythe Conjecture for the Two-Step Restarted Conjugate Gradient Method
University of Cambridge(剑桥大学);California Institute of Technology(加州理工学院);Cornell University(康奈尔大学)
该研究针对重启长度为2的情况,证明了Forsythe1968年提出的重启共轭梯度法归一化残差方向趋近二循环的猜想,即偶、奇步归一化残差分别收敛(方法不终止时)。
2026-08-05 cs.NA math.DS math.NA
Comments on the article "A Bayesian conjugate gradient method"
最近的文章“贝叶斯共轭梯度法“由Cockayne,Oates,Ipsen和Girolami提出了一个近似贝叶斯迭代过程的解决方案的线性方程组,基于共轭梯度法,它给出了一个序列的高斯/正常估计的精确解。概率富集的目的是协方差结构旨在提供解决方案均值的不确定性或置信度的后验测量。本文对文章进行了评述,提出了一些问题,并提出了进一步研究的方向。
2019-06-24 cs.NA math.NA math.PR
Strategies for the vectorized Block Conjugate Gradients method
块Krylov方法最近获得了很大的吸引力。由于它们增加了运算强度,它们提供了一种很有前途的方法来提高现代硬件的性能。最近Frommer等人提出了一个块Krylov框架,它结合了块Krylov方法和数据并行方法的优点。我们回顾了这个框架,并将其应用于块共轭矩阵方法,以解决具有多个右手边的线性系。在本课程中,我们考虑现代硬件上出现的挑战,如有限的内存带宽,SIMD指令的使用和通信开销。我们提出了一个性能模型来预测不同块CG变体的效率,并将其与实验数值结果进行比较。
2019-12-26 cs.MS cs.NA math.NA
Recent implementations, applications, and extensions of the Locally Optimal Block Preconditioned Conjugate Gradient method (LOBPCG)
Mitsubishi Electric Research Laboratories(三菱电机研究实验室)
本文综述了LOBPCG方法的最新实现、应用及其在标准特征值问题外的扩展,涵盖力学、材料科学和数据科学领域。
2017-08-28 cs.NA math.NA stat.CO
The Truncated Conjugate Gradient (TCG), a Non-iterative/Fixed-cost Strategy for Computing Polarization in Molecular Dynamics: Fast Evaluation of Analytical Forces
Sorbonne Universités, UPMC Univ. Paris 06(索邦大学,巴黎第六大学)
本文提出截断共轭梯度法用于分子动力学中极化计算,通过固定阶数截断共轭梯度算法,实现非迭代计算,从而避免迭代方法中常见的能量守恒问题,提高计算效率。
2017-08-03 cs.NA math.NA physics.chem-ph
Proximal Nonlinear Conjugate Gradient Methods for Composite Optimization
Keio University(庆应义塾大学)
本文提出一种贴近非线性共轭梯度法,用于解决复合优化问题,即光滑非凸函数与非光滑凸函数之和。方法利用前向-后向残差和三阶Hestenes-Stiefel公式,证明了在凸和弱凸情况下算法的全局收敛性,并在非凸情况下展示了更好的性能。
2026-08-28 cs.NA math.NA math.OC
Solving linear equations with messenger-field and conjugate gradients techniques - an application to CMB data analysis
INRIA Paris, Sorbonne Université, Univ Paris-Diderot SPC, CNRS, Laboratoire Jacques-Louis Lions(巴黎国家信息与自动化研究所,索邦大学,巴黎第七大学,法国国家科学研究中心,雅克-路易·利翁斯实验室);AstroParticule et Cosmologie, Univ Paris Diderot, CNRS/IN2P3, CEA/Irfu, Obs de Paris, Sorbonne Paris Cité(粒子天体物理学与宇宙学,巴黎第七大学,法国国家科学研究中心/法国国家核能与替代能源委员会,巴黎天文台,索邦巴黎城市)
本文比较了信息场方法与预条件共轭梯度方法在求解线性方程中的性能,指出预条件共轭梯度方法在迭代次数和求解时间上通常表现更优,并通过宇宙微波背景数据中的例子验证了这一结论,同时指出预条件共轭梯度方法的性能可能依赖于初始向量。
2018-10-22 astro-ph.CO cs.NA math.NA
Smoothed Analysis for the Conjugate Gradient Algorithm
Brown University(布朗大学);University of California(加州大学)
本文研究共轭梯度算法在随机正定矩阵扰动下的收敛速度界,基于拉盖尔正交族在临界缩放下的有限矩估计,结合平滑分析框架分析期望迭代次数。
2016-11-06 cs.NA math.NA math.PR
Convergence of the conjugate gradient method with unbounded operators
在无限维希尔伯特空间上的线性反问题的框架中,我们证明了在自伴非负算子是无界的,且对迭代算法的初始猜想有极小的、技术上不可避免的假设的最一般情况下,共轭梯度迭代收敛到反问题的精确解.收敛性被证明总是保持在希尔伯特空间范数(误差收敛),以及在其他水平的正则性(能量范数,剩余等)。这取决于迭代的规律性。我们还讨论了,无论是分析和通过选择的数值试验,我们的收敛结果的主要特点和差异相比的情况下,已经在文献中,操作员有界。
2021-11-17 cs.NA math.NA math.SP
Contributed Discussion of "A Bayesian Conjugate Gradient Method"
我们要祝贺作者的“贝叶斯共轭梯度法”对他们的深刻的文件,并欢迎这一出版物,我们坚信这将成为一个基本的贡献不断增长的领域的概率数值方法,特别是子领域的贝叶斯数值方法。在这篇短文中,我们首先讨论了解决线性系统的先验选择,然后提出了贝叶斯共轭梯度(BayesCG)算法的扩展,用于同时解决几个相关的线性系统。
2019-08-08 cs.NA math.NA stat.CO
Spectral conjugate gradient projection methods for large-scale monotone equations without Lipschitz continuity
King Fahd University of Petroleum and Minerals(阿卜杜勒阿齐兹国王石油矿产大学);Islamic University in Uganda(乌干达伊斯兰大学)
本文提出两种无导数投影方法,用于求解带凸约束的大规模非线性单调方程。两种方法均引入自适应谱参数,分别改进了共轭梯度框架,且搜索方向满足独立于线搜索的充分下降条件。第一种方法在无利普希茨连续性假设下具有全局收敛性,第二种方法在标准单调性和利普希茨连续性假设下具有全局收敛性。
2026-05-15 cs.NA math.NA math.OC
Generalized quantum singular value transformation with application in quantum conjugate gradient least squares algorithm
School of Mathematics and Statistics, Wuhan University(武汉大学数学与统计学院);Department of Applied Physics, School of Science, Xi’an Jiaotong University(西安交通大学理学院应用物理系);Hubei Key Laboratory of Computational Science, Wuhan University(武汉大学计算科学湖北省重点实验室)
本文提出广义量子奇异值变换,放宽了多项式奇偶性限制,应用于经典-量子混合的量子共轭梯度最小二乘算法。
2026-04-17 cs.NA math.NA quant-ph
Stochastic Gradient Descent with Nonlinear Conjugate Gradient-Style Adaptive Momentum
University of Utah(犹他大学);University of Kentucky(肯塔基大学)
动量在基于随机梯度的优化算法中起着至关重要的作用,用于加速或改进深度神经网络(DNN)的训练。在深度学习实践中,动量通常由校准良好的常数加权。然而,调整动量的超参数可能是一个巨大的计算负担。在本文中,我们提出了一种新的\emph{adaptive momentum}用于改进DNN训练;这种自适应动量,不需要动量相关的超参数,由非线性共轭梯度(NCG)方法激发。具有这种新的自适应动量的随机梯度下降(SGD)消除了对动量超参数校准的需要,允许显著更大的学习率,加速DNN训练,并提高训练的DNN的最终准确性和鲁棒性。例如,具有该自适应动量的SGD分别从$5.25\%$到$4.64\%$和从$23.75\%$到$20.03\%$减少了用于训练CIFAR 10和CIFAR 100的ResNet 110的分类误差。此外,具有新的自适应动量的SGD也有利于对抗训练,并提高了训练的DNN的对抗鲁棒性。
2020-12-03 cs.LG cs.NA math.NA
The conjugate gradient algorithm on well-conditioned Wishart matrices is almost deterministic
证明了对于大矩阵,用共轭梯度法求解随机正定线性系所需的迭代次数几乎是确定的。我们处理Wishart矩阵$W = XX^*$的情况下,其中$X$是$n \times m$和$n/m \sim d$的$0 < d < 1$。准确地说,我们证明了大多数选择的误差容限,随着矩阵的大小增加,迭代计数偏离一个明确的确定性值的概率趋于零。此外,对于固定的迭代次数,我们证明了差错向量的范数和残差向量的范数按概率指数快速收敛,按均值收敛和几乎必然收敛。
2019-10-02 cs.CC cs.NA math.NA
On the convergence of orthogonalization-free conjugate gradient method for extreme eigenvalues of Hermitian matrices: a Riemannian optimization interpretation
本文证明求解无约束 Burer-Monteiro 公式的非线性共轭梯度法等价于 Bures-Wasserstein 度量下商流形上的黎曼共轭梯度法,从而证明其全局收敛性,并通过数值实验验证了其在大规模厄米矩阵极端特征值计算中的高效性。
2023-12-02 cs.NA math.NA math.OC
Superiorization of Preconditioned Conjugate Gradient Algorithms for Tomographic Image Reconstruction
Institute of Mathematical Science and Computation, University of São Paulo(圣保罗大学数学科学与计算研究所);Department of Computer Science, The Graduate Center, City University of New York(纽约市立大学研究生院计算机科学系);School of Electrical Engineering, Southwest Jiaotong University(西南交通大学电气工程学院);Program in Electrical and Computer Engineering, Federal University of Technology(联邦技术大学电气与计算机工程项目)
本文研究了用于从投影中重建图像的优越化预条件共轭梯度算法的特性,提出通过优化二次标准(如总变分)来提升图像质量,实验表明该方法在短时间内可获得高质量重建结果。
2018-07-26 cs.NA math.NA math.OC
A Bayesian Conjugate Gradient Method
数值计算的一个基本任务是求解大型线性方程组。共轭梯度法是一种迭代方法,它提供了快速收敛的解决方案,特别是当一个有效的预条件。然而,对于更具挑战性的系统,即使在执行了多次迭代之后,也可能存在相当大的误差。在这种情况下获得的估计值是没有什么价值的,除非进一步的信息可以提供有关的数值误差。在本文中,我们提出了一种新的统计模型,这个数值误差集的贝叶斯框架。我们的方法是一个严格的概括共轭梯度法,这是恢复为后验均值为一个特定的选择之前。用Krylov子空间方法对所得估计进行了分析,并给出了后验估计的一个压缩结果。然后,该方法进行了分析,在模拟研究,以及被应用到一个具有挑战性的问题,在医学成像。
2018-12-17 cs.NA math.NA math.ST
Graph-based Preconditioning Conjugate Gradient Algorithm for N-1 Contingency Analysis
应急分析(CA)对于保证现代电力系统的运行安全起着至关重要的作用。随着可再生能源的高度普及,需要一个实时和全面的N-1 CA作为电力系统分析工具,以确保系统的安全性。本文提出了一种基于图的预处理共轭梯度(GPCG)方法,用于N-1元胞自动机的节点并行计算。为了在实际应用中追求更高的性能,基本情况的系数矩阵被用作每个N-1场景的不完全LU(ILU)预处理器。此外,再分派策略被用来处理CA中的孤岛问题。最后,在中国一个实际的省级系统上对所提出的GPCG方法的计算性能进行了测试。
2018-03-08 cs.DC cs.DS cs.NA
Deep Learning of Preconditioners for Conjugate Gradient Solvers in Urban Water Related Problems
Universität Innsbruck(因斯布鲁克大学)
线性方程组的求解是水利工程应用中经常遇到的问题。通常问题的规模太大,无法通过直接因式分解来解决。如果矩阵是对称正定的,则可以采用迭代方法,特别是共轭梯度法。预条件进一步提高收敛速度,但迄今为止,只有手工制作的需要专业知识已被使用。我们提出了一种创新的方法,采用机器学习,特别是一个卷积神经网络,专门为手头的问题独立设计预处理矩阵。基于流体模拟中的深入案例研究,我们能够证明我们学习的预处理器能够提高收敛速度,甚至超过了不完全Cholesky因式分解或代数MultiGrid等成熟的方法。
2019-06-17 cs.LG cs.NA math.NA
Linearly convergent nonlinear conjugate gradient methods for a parameter identification problems
Khalifa University of Sciences and Technology(Khalifa大学);New York University in Abu Dhabi(纽约大学阿布扎比分校)
本文提出了一种用于非线性微分方程系统参数估计反问题的通用描述,采用最优控制工具和状态约束进行求解,通过非线性共轭梯度方法实现线性收敛性分析。
2018-06-26 cs.NA math-ph math.MP