An improved Krylov eigenvalue strategy using the FEAST algorithm with inexact system solves
FEAST特征值算法是一种子空间迭代算法,它使用复平面中的轮廓积分来获得位于任何用户定义的搜索区间中的特征值的矩阵的特征向量。通过计算在复平面的特定区域中的少量特征值,FEAST能够通过同时求解多个特征对来自然地并行化本征值问题的解决方案。传统的FEAST算法是通过直接求解移位的线性系方程组来实现的;在本文中,我们描述了一种使用迭代Krylov子空间算法来不精确地求解移位的线性系的FEAST算法的变体。我们表明,这种迭代FEAST算法(我们称之为IFEAST)是数学上等价的块Krylov子空间方法解决本征值问题。通过使用Krylov子空间间接通过解决移位线性系,而不是直接投影的特征值问题,IFEAST是能够解决本征值问题使用非常大的维度Krylov子空间,而不必存储这些子空间的基础。因此,IFEAST结合了Krylov方法的灵活性和功能,只需要矩阵向量乘法来解决本征值问题,与传统FEAST算法的自然并行性。我们讨论IFEAST和更传统的Krylov方法之间的关系,并提供数值例子说明其行为。
2017-06-02 cs.NA math.NA
GCGE: A Package for Solving Large Scale Eigenvalue Problems by Parallel Block Damping Inverse Power Method
本文提出了一个求解大规模本征值问题的特征值求解器及其相应的软件包GCGE。该方法是阻尼思想、子空间投影法和动态位移反幂法的结合。为了减少投影子空间的维度,当所需特征对数量较多时,提出了一种移动机制。介绍了该软件包的数值方法、实现技术和软件结构。大量的数值计算结果表明,该特征值求解器和GCGE软件包具有很好的效率、稳定性和可扩展性,可用于计算大量大型对称矩阵的特征值对。
2021-11-12 cs.NA math.NA
Exponentially convergent numerical-analytical method for solving eigenvalue problems for singular differential operators
Institute of Mathematics of the NAS of Ukraine(乌克兰国家科学院数学研究所)
本文提出一种指数收敛的数值-解析方法(FD方法),用于求解带有奇异Legendre算子和奇异势的Sturm-Liouville问题,给出了方法收敛的充分条件和先验精度估计,并提供了详细的算法实现与SLEIGN2算法的比较。
2013-09-23 cs.NA math.NA
Solving Biharmonic Eigenvalue Problem With Navier Boundary Condition Via Poisson Solvers On Non-Convex Domains
众所周知,通常的混合方法通过将算子分解为两个拉普拉斯算子来求解双调和本征值问题,可能会在非凸区域上产生虚假本征值。为了克服这个困难,我们采用了一种新的混合方法,它将双调和方程分解为三个泊松方程,并仍然恢复原来的解决方案。利用这一思想,我们设计了一个有效的双调和特征值算法,它只包含泊松求解器。利用这种方法,本征函数可以被限制在正确的空间中,从而避免了非凸区域中的伪模。在准均匀网格上得到了特征值和特征函数的先验误差估计,特别是对于线性有限元证明了$\mathcal{O}({h}^{2α})$($ 0<α<π/ω$,$ω> π$是凹角的角度)的收敛速度.令人惊讶的是,数值证据表明,$\mathcal{O}({h}^{2})$收敛速度的准均匀网格的定期细化策略,即使在非凸多边形域。
2021-07-25 cs.NA math.NA
Triangularized Orthogonalization-free Method for Solving Extreme Eigenvalue Problems
提出了一种新的无正交化方法和两种求解极值本征值问题的具体算法。在基于梯度的算法之上,所提出的算法修改多列梯度,使得较早的列与较晚的列解耦。几乎可以保证算法整体收敛到特征向量而不是特征空间。局部地,算法以取决于特征间隙的收敛速度线性地收敛。动量加速,精确的lineswitch,和列锁定,以进一步加快这两种算法,并减少其计算成本。我们证明了这两种算法的效率在几个随机矩阵具有不同的光谱分布和矩阵计算化学。
2021-10-14 cs.NA math.NA
Solving Maxwell's Eigenvalue Problem via Isogeometric Boundary Elements and a Contour Integral Method
我们通过等几何边界元和围道积分法求解麦克斯韦本征值问题。我们讨论了离散化的分析性质,概述了实施,并展示了数值例子。
2020-06-08 cs.CE cs.NA math.NA
Solving the Parametric Eigenvalue Problem by Taylor Series and Chebyshev Expansion
我们讨论了两种方法来解决参数(或随机)本征值问题。其中一个使用泰勒展开,另一个使用切比雪夫展开。参数本征值问题假设矩阵$A$取决于参数$μ$,其中$μ$可以是随机变量。因此,特征值和特征向量也是$μ$的函数。我们通过迭代计算泰勒系数来计算这些函数关于$μ_{0}$的泰勒近似。如果给出$A(μ)$在$μ_{0}$的导数,则对于所有特征对,该方法的复杂度为$O(n^{3})$。切比雪夫展开式的工作原理类似。我们首先找到一个初始的近似迭代,然后我们完善与牛顿法。第二种方法更昂贵,但在整个展开区间上提供了良好的近似,而不是围绕单个点。我们目前的数值实验确认的复杂性,并证明该方法能够跟踪特征值的交点。进一步的实验揭示了泰勒展开方法在距展开点$μ_{0}$的距离方面的局限性。
2023-02-07 cs.NA math.NA
A map of contour integral-based eigensolvers for solving generalized eigenvalue problems
University of Tsukuba(筑波大学);Dalian University of Technology(大连理工大学);JST/CREST(日本科学技术振兴机构/战略创造研究推进事业)
本文从投影方法的角度重新审视了五个典型的基于轮廓积分的本征求解器,总结了它们之间的关系,指出所有基于轮廓积分的本征求解器都可以视为投影方法,并根据所使用的子空间、投影类型以及隐含的问题类型进行分类。
2016-11-09 cs.NA math.NA
A Multigrid Method for Nonlinear Eigenvalue Problems
Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院)
本文提出了一种基于有限元方法的多重网格方法,通过将非线性特征值问题分解为多个线性边界值问题和小规模非线性特征值问题,显著提高了求解效率。
2015-01-08 cs.NA math.NA
Solving singular generalized eigenvalue problems by a rank-completing perturbation
TU Eindhoven(埃因霍温理工大学);Technische Universität Berlin(柏林工业大学);University of Ljubljana(卢布尔雅那大学)
本文提出一种基于特定秩扰动的简单方法,用于求解奇异广义本征值问题,该方法在速度和鲁棒性方面表现优异,为阶梯法提供了一种替代方案。
2019-04-01 cs.NA math.NA
An integral method for solving nonlinear eigenvalue problems
Bielefeld University(比勒费尔德大学)
提出一种基于复积分的数值方法,用于计算给定围道内所有非线性全纯特征值问题,并简化为k维线性特征值问题,无需初始近似。
2010-03-08 cs.NA math.NA
Solving generalized eigenvalue problems by ordinary differential equations on a quantum computer
在实际中出现的许多特征值问题通常具有广义形式$A\x=λB\x$。一个特别重要的情况是对称的,即$A, B$是埃尔米特的,而$B$是正定的。求解这类特征值问题的标准算法是将它们归结为厄米特特征值问题。在量子计算机中,量子相位估计是解决厄米特本征值问题的一种有效方法。在这项工作中,我们提出了一个新的量子算法的对称广义本征值问题使用常微分方程。该算法比基于量子相位估计的标准算法具有更低的复杂度。此外,它适用于比对称更广泛的情况:$B$是可逆的,$B^{-1}A$是对角化的,所有的特征值都是实数。
2021-10-19 cs.NA math.NA quant-ph
Solving nonlinear eigenvalue problems via contour integration and region partitioning
本文结合 Beyn 方法与递归积分法(RIM),提出基于围道积分和区域划分的非线性特征值求解器,通过新划分准则去除问题相关参数,提升稳健性并能处理奇点、聚点及多特征值区域。
2025-03-15 cs.NA math.NA
A Nonnested Augmented Subspace Method for Eigenvalue Problems with Curved Interfaces
本文提出了一种求解曲面本征值问题的非嵌套增广子空间算法及其多层校正方法。增广子空间算法和相应的多级校正方法是基于一个粗有限元空间,它不是精细有限元空间的子集。非嵌套增广子空间方法可以将求解最细网格上的本征值问题转化为求解同一网格上的线性方程组和低维增广子空间上的小规模本征值问题。相应的理论分析和数值实验证明了算法的有效性。
2020-11-16 cs.NA math.NA
Optimal Convergence Rate of Self-Consistent Field Iteration for Solving Eigenvector-dependent Nonlinear Eigenvalue Problems
对求解一类具有特征向量依赖性(NEPv)的非线性本征值问题的自洽场(SCF)迭代法进行了全面的收敛性分析.使用一个切线角矩阵作为一个中间措施的近似误差,我们建立了新的公式的两个基本量,最佳地表征局部收敛的平原SCF:局部收缩因子和局部平均收缩因子。与以前建立的结果相比,新的收敛速度估计提供了更清晰的边界上的收敛速度。作为一个应用,我们扩展的收敛性分析,一个流行的SCF的变种-电平移位SCF。对电子结构计算中的Kohn-Sham方程和玻色-爱因斯坦凝聚模拟中的Gross-Pitaevskii方程所产生的NEPv,数值计算证明了收敛速度估计的有效性.
2020-09-18 cs.NA math.NA
Finite Element Method For Solving The Dirac Eigenvalue Problem With Linear Basis Functions
Hebron University(希伯伦大学)
本文通过Petrov-Galerkin有限元法解决狄拉克本征值问题中的虚假本征值问题,采用连续基函数避免了对连续可微基函数的需求。
2017-09-13 cs.NA math.NA
Structure Preserving Parallel Algorithms for Solving the Bethe-Salpeter Eigenvalue Problem
Computational Research Division, Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室计算研究部);Department of Physics, University of California, Berkeley(加州大学伯克利分校物理系);Materials Sciences Division, Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室材料科学部);NERSC, Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室NERSC)
本文提出保持结构的并行算法用于求解贝特-萨尔佩特本征值问题,通过理论分析建立其与实哈密顿本征值问题的等价性,并展示Tamm-Dancoff近似法所得本征值均被高估,同时讨论了大规模问题的并行实现及数值实验。
2015-09-18 cs.NA math.NA
A Multilevel Correction Method for Interior Transmission Eigenvalue Problem
Academy of Mathematics and System Sciences, Chinese Academy of Sciences(中国科学院数学与系统科学研究院);Fudan University(复旦大学)
本文提出一种多级校正方法,将最细有限元空间中的传输本征值求解转化为一系列线性问题和非常低维空间中的传输本征值求解,提高了计算效率。
2016-04-24 cs.NA math.NA
Solving Eigenvalue Problems in a Discontinuous Approximation Space by Patch Reconstruction
我们采用了一种对称的内罚间断Galerkin方法,利用一个分片重构的近似空间来求解椭圆型本征值问题,包括二维和三维的二阶和四阶问题。它是最近提出的求解相应边值问题的方法的直接推广,特征函数和特征值逼近的最优误差估计是现有结果的直接结果.该方法的优点是,它只使用一个自由度的每个元素,以实现非常高的阶精度,这是高度优选的本征值问题所暗示的张的最近的研究[J. Sci. Comput. 65(2),2015]。数值结果表明,高阶方法可以提供更可靠的特征值。为了证明我们的方法是正确的本征值问题,我们表明,补丁重建的近似空间达到相同的精度与更少的自由度比经典的间断Galerkin方法。随着多项式阶数的增加,我们的方法甚至可以获得比协调有限元法更好的性能,这类方法是传统上解决高精度问题的首选方法。
2019-08-23 cs.NA math.NA
New Power Method for Solving Eigenvalue Problems
本研究提出一种新型幂法,借助算子泛函和可调参数无需收缩步骤即可选取任意特征值,收敛性依赖参数与特征值的接近度,数值结果与解析结果高度一致。
2024-10-07 cs.NA math.NA quant-ph
A Multigrid Method Based On Shifted-Inverse Power Technique for Eigenvalue Problems
Xiamen University(厦门大学);Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院);Tianjin University of Finance and Economics(天津财经大学)
本文提出基于移位反幂迭代技术的多网格方法,通过有限元方法求解特征值问题,将求解转化为多级网格上的边界值问题解序列,提升整体效率。
2014-10-27 cs.NA math.NA
Yet another eigenvalue algorithm for solving polynomial systems
近年来,求解多项式方程组的符号-数值特征值方法取得了一些进展。在这篇文章中,我们添加到这个列表中。我们设计了一个算法,解决系统的孤立的解决方案可靠和有效的。在超定的情况下,它减少了任务的本征值问题在一个更简单和更快的方式比以前的方法,它可以优于同伦连续方法。我们在概念验证Julia包EigenvalueSolver. jl中提供了许多示例和实现。
2022-02-10 cs.NA cs.SC math.AG
Orthogonal Constrained Neural Networks for Solving Structured Inverse Eigenvalue Problems
本文提出了一种名为Stiefel多层感知机(SMLP)的新型无监督神经网络,通过引入Stiefel层确保相似变换的正交性,并利用ReLU处理非负性约束,构建了统一框架以高效精确求解结构化逆特征值问题。
2024-06-28 cs.NA math.NA
Solving Multi-Group Neutron Diffusion Eigenvalue Problem with Decoupling Residual Loss Function
本文针对多群中子扩散特征值问题,提出解耦残差损失函数和直接迭代损失函数,在无先验数据条件下求解一维至三维多群临界问题,并展现出优于已有方法的泛化能力。
2024-11-24 cs.NA math.NA
Solving singular generalized eigenvalue problems. Part II: projection and augmentation
针对奇异广义特征值问题,本文提出基于子空间投影和增广矩阵束的两种替代求解方法,其中投影法对一般奇异束效率最高,增广束法则适用于其线性系统可被高效求解的场景。
2023-02-20 cs.NA math.NA
A New Subspace Iteration Algorithm for Solving Generalized Eigenvalue Problems
在振动分析的数值模拟、量子力学、电子结构等许多应用中都需要求解广义本征值问题,子空间迭代法是求解本征值问题的一种广泛应用的算法。为了求解广义本征值问题,最近提出了一种子空间迭代法-Chebyshev-Davidson算法。在Chebyshev-Davidson算法中,子空间迭代中引入了切比雪夫多项式滤波技术。本文在Chebyshev-Davidson算法的基础上构造了一种新的子空间迭代算法。该算法将切比雪夫滤波和不精确瑞利商迭代技术相结合,扩大了迭代的子空间。振动分析问题的数值结果表明,该算法的迭代次数和计算时间均比Chebyshev-Davidson算法和一些典型的GEP算法少小于.数值结果表明,新算法比Chebyshev-Davidson算法更稳定可靠。
2022-12-30 cs.NA math.NA
A rational approximation method for solving acoustic nonlinear eigenvalue problems
提出两种近似方法(基于柯西积分公式的有理逼近和切比雪夫插值)计算三维声学BEM非线性特征值问题的特征频率与模态,结合适合并行化的Rayleigh-Ritz过程,在自由度达两百万的基准及工业应用中验证了有效性。
2019-06-07 cs.NA math.NA
Solving eigenvalue problems on curved surfaces using the Closest Point Method
University of Oxford(牛津大学);New York University(纽约大学);Simon Fraser University(西蒙菲莎大学)
提出一种基于最近点方法的算法,通过将曲面嵌入高维空间来求解Laplace-Beltrami算子的特征值和特征函数,并证明嵌入空间问题与原曲面问题的一一对应关系。
2011-06-21 cs.NA math.NA
A Parallel Augmented Subspace Method for Eigenvalue Problems
利用多重网格法中的粗空间,提出了一类求解本征值问题的并行增广子空间格式。借助于多重网格法中的粗空间,将特征值问题在最细空间中的求解分解为求解标准线性边值问题和极低维本征值问题。由于多重网格法不需要在最细空间中直接求解特征值,可以作为求解线性边值问题的方法,从而提高了计算效率。此外,对于不同的特征值,相应的边值问题和低维本征值问题相互独立,不存在数据交换,可以并行求解。这个性质意味着我们不需要在最高维空间中进行正交化。这是本文的主要目的,因为避免正交化可以提高所提出的数值方法的可扩展性。数值算例验证了并行增广子空间方法的有效性。
2020-08-18 cs.NA math.NA
A comparison of eigenvalue-based algorithms and the generalized Lanczos trust-region algorithm for Solving the trust-region subproblem
求解置信域子问题(TRS)在数值优化和许多其他应用中起着关键作用。基于一个基本的结果,解决TRS的大小$n$是数学上等价于找到一个特定的矩阵对大小$2n$的最右边的特征对,基于特征值的方法是有前途的,由于它们的简单性。对于$n$大的,隐式重新启动Arnoldi(IRA)和改进Arnoldi(IRRA)算法非常适合这个特征值问题。为了合理地比较直接求解TRS的算法和基于特征值的算法的整体效率,一个重要的前提是这两种算法必须以(几乎)相同的精度计算TRS的近似解,但文献中忽略了这个前提。为此,我们建立了两类残差范数之间的密切关系,从而在给定IRA和IRRA的停止容限的情况下,我们能够确定GLTR应该使用的可靠的停止容限,以确保GLTR和IRA,IRRA以相似的精度提供收敛的近似解。我们还对直接求解TRS的广义Lanczos置信域(GLTR)算法、等价特征值问题的Arnoldi方法和精化Arnoldi方法在剩余范数上的收敛性进行了分析。数值实验表明,IRA和IRRA与GLTR相比是有竞争力的,而IRRA优于IRA。
2021-02-19 cs.NA math.NA
A Globally Convergent Inexact Newton-Like Cayley Transform Method for Inverse Eigenvalue Problems
Zhejiang University(浙江大学);Zhejiang Normal University(浙江师范大学)
本文提出一种基于近似牛顿方法的全局化算法,用于求解逆特征值问题,通过回溯技术保证全局收敛性,并在某些弱假设下证明了R阶收敛性。
2013-04-23 cs.NA math.NA
Neural Networks Based on Power Method and Inverse Power Method for Solving Linear Eigenvalue Problems
Sichuan University(四川大学)
本文提出受幂法与逆幂法启发的两类神经网络,利用自动微分和损失优化迭代求解线性特征值问题,可高效获得最大、最小及内部特征值与特征函数的准确近似。
2026-11-02 cs.AI cs.LG cs.NA
A Multi-level Correction Scheme for Eigenvalue Problems
Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院)
提出一种新的多层校正方案,通过有限元法求解特征值问题,每步校正只需在细网格上求解源问题并在粗网格上求解特征值问题,从而提高计算效率。
2011-07-01 cs.NA math.NA
Fourier Method for Approximating Eigenvalues of Indefinite Stekloff Operator
Department of Mathematics, The Pennsylvania State University(宾夕法尼亚州立大学数学系)
本文提出一种高效计算亥姆霍兹方程斯托克斯特征值的方法,利用傅里叶变换和精心设计的扩展限制技术,提高计算效率和清晰度。
2017-11-16 cs.NA math.NA
All Real Eigenvalues of Symmetric Tensors
Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院);University of California San Diego(加州大学圣地亚哥分校)
本文提出通过求解半定规划松弛问题,依次计算对称张量的所有实特征值,从最大到最小依次进行,验证了该方法的有效性。
2014-12-13 cs.NA math.NA
A Full Multigrid Method for Eigenvalue Problems
Institute of Computational Mathematics, Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院计算数学研究所)
本文提出一种完整的嵌套多网格方案求解本征值问题,通过多级校正法将本征值问题转化为一系列定义在最粗有限元空间上的边界值问题和本征值问题的解,利用多网格迭代步骤求解边界值问题,并结合高效迭代方法提高求解效率。
2014-09-28 cs.NA math.NA
A Nonlinear Generalization of the Bauer-Fike Theorem and Novel Iterative Methods for Solving Nonlinear Eigenvalue Problems
该研究将经典Bauer-Fike定理推广至非线性场景,以此为基础提出含自适应围道积分法的新型迭代方法求解非线性特征值问题,经数值实验验证性能优于现有方法,填补了该领域理论与实践的空白。
2024-09-17 cs.NA math.NA
An Efficient Adaptive Finite Element Method for Eigenvalue Problems
本文的目的是提出一种有效的自适应有限元法的本征值问题的多层校正方案和反幂法的基础上。该方法包括求解每个自适应分区上的相关边值问题和一些特殊网格上的极低维本征值问题,这些网格由该算法控制。因此,对于相关的边值问题,求解本征值问题的效率可以提高到类似于自适应有限元法。收敛性和最佳复杂性的理论验证和数值证明。
2022-02-24 cs.NA math.NA
A Multilevel Correction Type of Adaptive Finite Element Method for Eigenvalue Problems
Institute of Computational Mathematics, Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院计算数学研究所)
提出一种基于多层校正方案的自适应有限元方法,通过求解自适应网格上的边值问题和粗网格上的小规模特征值问题,提高特征值问题求解效率,并理论验证收敛性与最优复杂度。
2012-01-11 cs.NA math.NA
Real Eigenvalues of nonsymmetric tensors
University of California San Diego(加州大学圣迭戈分校);Tianjin University(天津大学)
本文提出基于Lasserre类型的半定松弛方法,用于计算非对称张量的实Z特征值和H特征值,证明非对称张量的Z特征值有限而H特征值无限,通过求解有限个半定松弛问题实现特征值的计算。
2015-03-24 cs.NA math.NA
Solving an Integral Equation Eigenvalue Problem via a New Domain Decomposition Method and Hierarchical Matrices
Institut für Geometrie und Praktische Mathematik, RWTH Aachen University(几何学与实用数学研究所,亚琛工业大学)
本文提出一种新的域分解方法,结合递归方法和分层矩阵,用于求解积分方程本征值问题,解决传统方法在处理密集矩阵时的效率问题。
2017-12-28 cs.NA math.NA
A multigrid correction scheme for a new Steklov eigenvalue problem in inverse scattering
School of Mathematical Sciences, Guizhou Normal University(贵州师范大学数学科学学院)
本文提出一种多网格校正方案,用于求解反散射中新型Steklov特征值问题,通过将细网格有限元空间的特征值问题转化为一系列边界值问题和最粗网格有限元空间的特征值问题,证明系数矩阵对称正定,并给出误差估计。
2018-06-15 cs.NA math.NA
Solving singular generalized eigenvalue problems. Part III: structure preservation
本文针对奇异广义特征值问题中对称束难以直接进行结构保持适配的开放问题,提出利用 Hermitian 扰动构造结构保持方法,并证明其能保持符号特征且可应用于求解二元多项式方程组。
2024-06-11 cs.NA math.NA
Solving polynomial eigenvalue problems by means of the Ehrlich-Aberth method
University of Pisa(比萨大学)
本文采用Ehrlich-Aberth迭代,将多项式特征值问题视为标量多项式det P(x)的求根问题,讨论了起始近似选择、牛顿修正计算、停机准则及无穷远特征值处理,实现了比基于QZ算法更精确的特征值近似,并针对特殊结构多项式(如回文、Hamiltonian、辛等)提出了适应Ehrlich-Aberth迭代的通用方法。
2012-07-26 cs.NA math.NA
A rational approximation method for the nonlinear eigenvalue problem
本文给出了几类非线性本征值问题的特征值和特征向量的计算方法。其主要思想是用有理函数逼近本征值问题中涉及的函数,然后应用一种形式的线性化。这种线性化的扩展形式的特征对不被直接提取。相反,它的结构是利用开发一个计划,允许提取所有的特征值在一定区域的复平面通过解决一个本征值问题小得多的尺寸。由于其简单的实现和在大尺寸下有效工作的能力,所提出的方法在解决具有挑战性的工程问题时很有吸引力。一些理论结果来解释为什么新的方法的作品和数值实验来验证所提出的算法。
2020-06-09 cs.NA math.NA
A fast numerical algorithm for constructing nonnegative matrices with prescribed real eigenvalues
National Chung Cheng University(国立中正大学)
本文提出基于归纳原理的数值方法,解决非负矩阵和对称非负矩阵的逆特征值问题,并提供快速求解随机矩阵逆特征值问题的方法。
2014-08-12 cs.NA math.NA
A Full Multigrid Method for Nonlinear Eigenvalue Problems
Central University of Finance and Economics(中央财经大学);Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院)
本文提出一种完整多网格方法用于非线性特征值问题,通过将问题转化为一系列线性边界值问题和最粗网格上的非线性特征值问题,结合多网格迭代和高效迭代方法,证明该方案计算最优,提升求解效率。
2015-02-16 cs.NA math.NA
Local and Parallel Finite Element Algorithm Based On Multilevel Discretization for Eigenvalue Problem
Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院)
本文提出基于多级离散化的局部并行算法求解特征值问题,通过将最细网格的特征值问题转化为最粗网格的特征值问题和一系列边值问题的解,实现每个处理器计算工作达到最优阶数,提升整体效率。
2014-01-20 cs.NA math.NA
A model reduction method for solving the eigenvalue problem of semiclassical random Schrödinger operators
针对半经典随机薛定谔算子特征值问题,提出截断随机势序列、结合多尺度有限元与拟蒙特卡罗方法、引入低维POD基函数的模型降阶方案,推导误差估计并经实验验证,可高效模拟复杂量子系统且研究本征函数局域化特性。
2025-02-11 cs.NA math.NA
Solving Multivariate Polynomial Systems and Rectangular Multiparameter Eigenvalue Problems with MacaulayLab
KU Leuven(荷语鲁汶大学)
本文介绍了MacaulayLab工具箱,该工具箱实现了求解多元多项式系统和矩形多参数特征值问题的数值线性代数算法,通过对比其他软件包如PNLA、PHCpack和MultiParEig,展示了其核心功能和性能。
2026-05-20 cs.MS cs.NA math.NA
ParaSLRF: A High Performance Rational Filter Method for Solving Large Scale Eigenvalue Problems
Graduate School of China Academy of Engineering Physics(中国工程物理研究院研究生院);KU Leuven(荷语鲁汶大学);Institute of Applied Physics and Computational Mathematics(应用物理与计算数学研究所);CAEP Software Center for High Performance Numerical Simulation(中国工程物理研究院高性能数值模拟软件中心)
本文提出并行 SLRF 方法 ParaSLRF,通过两级并行、迭代求解、等成本极点选择及特征对锁定等机制,高效计算区间内广义特征值并实现优异强可扩展性。
2025-10-20 cs.NA math.NA
Generalization Error Estimates of Machine Learning Methods for Solving High Dimensional Schrödinger Eigenvalue Problems
Institute of Computational Mathematics and Scientific/Engineering Computing, Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院计算数学与科学工程计算研究所);University of Chinese Academy of Sciences(中国科学院大学)
针对高维薛定谔特征值问题,提出采用截断函数构造满足边界条件的试探函数的机器学习方法,推导了不受维数灾难影响的泛化误差收敛速率,并将误差界推广至归一化惩罚法。
2024-08-24 cs.NA math.NA
Inverse eigenvalues problem of nonnegative matrices via unit lower triangular matrices
Arak University(阿拉克大学)
本文利用单位下三角矩阵解决非负矩阵的逆特征值问题,提出更简便的解决方法。
2018-05-20 cs.NA math.NA
Solving a sequence of eigenvalue problems using snapshot and row subsampling
Mathematical Institute, Oxford(牛津大学数学研究所)
本文针对矩阵随参数渐变的特征值问题序列,提出结合降阶模型与行子采样的高效算法,经理论分析与数值验证,可推广至奇异值及广义特征值问题求解。
2026-10-15 cs.NA math.NA