求解对称区间矩阵标准特征值的进化策略新算法

针对实对称区间矩阵的特征值问题,将区间不确定量看成是围绕区间中点的一种摄动,提出了一种基于区间扩张的对称区间矩阵特征值问题求解的进化策略算法。将区间矩阵中点作为平衡点,区间不确定量作为相应的扰动量,根据摄动公式求出区间矩阵的最大特征值和最小特征值,从而获得区间矩阵特征值问题的解。算例显示了该算法的有效性,其主要特点是收敛速度快、求解区间精度高。     

进化策略算法在矩阵特征值求解中的应用

工程实践中多种振动问题的求解常常归纳为求矩阵特征值问题,另外一些稳定性分析问题及相关分析问题也可以转化为求矩阵特征值问题.为了有效求解此类问题,提出了一种新的求解矩阵特征值的进化策略算法,该算法可用于求解任意矩阵的特征值.实验结果表明,这种基于进化策略算法求解矩阵特征值的方法,与传统方法相比,表现出求解精度高,收敛速度快等优点.     

拟Newton法在高阶矩阵中的应用——求解最大特征值及特征向量

将求解高阶矩阵的最大特征值及其对应的特征向量问题转化为高阶非线性方程组的求解问题。在此基础上,提出了求解矩阵最大特征值及其对应特征向量的拟Newton法,给出求解矩阵最大特征值及其单位化向量重新整理后的Broyden方法公式、BFS方法公式、DFP方法公式及其对应的Broyden算法,BFS算法,DFP算法。以层次分析法中高阶判断矩阵为例验证了该方法的可行性,说明了该方法相对收敛速度快的优势。     

特征值问题的同伦反乘幂迭代法

1.引 言 设A为复数域c上的n×n阶矩阵,现求解特征值问题 Ax=λx,x∈c~n,λ∈c.(1.1) 众所周知,问题(1.1)有许多求解方法,反乘幂法是较为有效的一种,但运用反乘幂法的前提是,A的特征值必须充分隔离.如何有效地隔离各个特征值?这就是本文的主题.     

具优势对称部分的非对称非线性问题的不精确Newton分裂算法

本文讨论了处理具优势对称部分的非对称非线性问题的不精确Newton方法.利用矩阵分裂技术,建立了求解此类问题的一类不精确Newton分裂极小参量法、不精确Newton分裂对称LQ法(简记:Newton-SMINRES,Newton-SSYMMLQ),并在合理的假设下,证明了算法的收敛性.数值计算表明:Newton-SMINRES,Newton-SSYMMLQ算法的收敛行为要好于一般求解非线性方程组的Newton-Krylov子空间方法:Newton-BiCGSTAB,Newton-GMRES和Newton-MINRES等算法.     

一种求解复Hermite矩阵特征值的方法

介绍几种求解矩阵特征值和特征向量的经典算法及各自优缺点,通过理论推导,提出了一种性能稳健的方法,可以求解信号处理中常见的复Hermite阵.将对复Hermite矩阵求特征值和特征向量的问题转化为求解实对称阵的特征值和特征向量,而实对称阵的求解采用一种改进的三对角Householder法.最后把结果与Matlab仿真结果比较,可以看出该方法有很高的精确度.     

求解矩阵特征值和特征向量的PSO算法

提出一种基于粒子群优化算法的求解方法,将线性方程组的求解转化为无约束优化问题加以解决,采用粒子群优化算法求解矩阵特征值和特征向量。仿真实验结果表明,该方法求解精度高、收敛速度快,能够在10代左右收敛,可以有效获得任意矩阵的特征值和特征向量。     

SMP集群系统上矩阵特征问题并行求解器的有效算法

对称矩阵三对角化和三对角对称矩阵的特征值求解是稠密对称矩阵特征问题并行求解器的关键步.针对SMP集群系统的多级体系结构,基于Householder变换的矩阵三对角化和三对角矩阵特征值问题的分而治之算法,给出了它们的MPI+OpenMP混合并行算法.算法研究集中在SMP集群系统环境下的负载平衡、通信开销和性能评价.混合并行算法的设计结合了粗粒度线程并行模式和任务共享的动态调用方法,改善了MPI算法中的负载平衡问题、降低了通信开销.在深腾6800上的实验表明,基于混合并行算法的求解器比纯MPI版本的求解器具有更好的性能和可扩展性.     

基于融合邻域寻优与θ-PSO算法的矩阵特征值求解

提出一种融合邻域寻优与θ-PSO算法的矩阵特征值求解新方法,将矩阵特征值的求解问题转化为最优化问题。与需要多次运行程序分别求解不同范围的特征值算法相比,该方法可以一次性求出矩阵的全部特征根。仿真实验表明,该算法编程实现方便,对于不同类型的矩阵均可以应用,求解精度高,收敛速度快,大概在10~15代左右就可以收敛,完全可以满足工程实践运算中对精度和速度的要求。     

解实对称矩阵特征值问题的Jacobi算法

求解n阶实对称阵A的特征值问题Ax=λx的Jacobi方法,是用一系列平面旋转变换化A为对角型,从而得到特征值和特征向量的.假设A_0=A,A_k=R_kA_(k-1)R_k~T,k=1,2,3,…,当k→∞时,A_k趋向于固定的对角型.简记某次变换为     

求解对称特征值问题的块Chebyshev—Davidson方法

块Davidson方法是求解大型对称矩阵特征值问题块Lancz08方法的预处理变形．为了加速块Davidson方法的收敛性,我们组合块Chebyshev迭代法和块Davidson方法,提出了求解大型对称矩阵若干极端特征值的块Chebyshev—Davidson方法,并将收缩技术应用到该方法中．数值结果表明,块Chebyshev—Davidson方法优于块Davidson方法和Chebyshev—Davidson方法．     

对称箭形矩阵最大最小特征对的逆特征值问题的一个有效算法

研究一个对称箭形矩阵的逆特征值问题：给定非零向量x∈R^n,y∈R^k,k≤n,以及两个实数λ〉μ,求对称箭形矩阵A,使得（λ,x）是对称箭形矩阵A的最大特征对,而（μ,y）是A的k阶顺序主子阵Ak的最小特征对。给出该问题有解的充分必要条件,并且给出一个算法计算该问题的一个解,数值实例说明是可行的。     

对称Toeplitz线性方程组的基于余弦变换的最佳预优矩阵

利用第四类离散余弦变换矩阵构造出求解对称Toeplitz线性方程组的最佳预优矩阵,构造该预优矩阵所需的运算量为O(n).理论和数值实验显示,利用本文中所构造的预优矩阵求解对称Toeplitz线性方程组所需的迭代次数与现有的其它类型预优矩阵差不多,但预优矩阵的构造要更简单.     

求解矩阵特征值的捕鱼算法

根据圆盘定理以及矩阵特征值的性质,将求解特征值的问题转化为最小化问题。通过圆盘定理确定寻优区域,用捕鱼算法在复数域内求解任意数值矩阵特征值的近似值。数值实验表明,该算法具有收敛速度快,计算精度高的优点。因此,该算法是有效和可行的。     

求实对称矩阵部分特征值的并行算法

提出了并行求解实对称稠密矩阵部分特征值的反幂法的预处理方法.该方法基于带状矩阵特征问题反幂法的信息传递复杂度低的特点,采用Householder变换并行算法约化大型实对称稠密矩阵为一定带宽的带状矩阵,针对带状矩阵用反幂法求解矩阵的在某一点的近似特征值;其中针对反幂法迭代中遇到的线性方程组,采用文献中的并行预处理共轭梯度算法求解.最后在Lenovo深腾1800集群上进行数值实验,并与预处理前反幂法的计算结果进行了比较,实验结果表明,经过预处理后的并行性远高于直接采用反幂法的并行性.     

基于扩展FEAST的大规模特征值求解问题研究

为了求解非线性特征值问题,在线性FEAST特征值算法的基础上,提出一种非线性FEAST扩展算法.通过将复平面分割为不相交的区域集合,计算每个区域的特征对.扩展算法使用与线性FEAST算法相同的一系列运算,通过修改围道积分来支持非线性特征值求解的固定移位集合和固定子空间维数.与线性FEAST算法相似,扩展算法可以通过并行求解额外的线性系统,改进数值围道积分或提升近似特征向量子空间的维数,从而提高非线性FEAST的收敛速度.通过三个计算模型问题验证了非线性FEAST算法的多项式特征值行为.     

一种计算矩阵特征值特征向量的神经网络方法

当把Oja学习规则描述的连续型全反馈神经网络(Oja-N)用于求解矩阵特征值特征向量时,网络初始向量需位于单位超球面上,这给应用带来不便.由此,提出一种求解矩阵特征值特征向量的神经网络(1yNN)方法.在lyNN解析解基础上得到了以下结果:初始向量属于任意特征值对应特征向量张成的子空间,则网络平衡向量也将属于该空间;分析了lyNN收敛于矩阵最大特征值对应特征向量的初始向量取值条件;明确了lyNN收敛于矩阵不同特征值的特征子空间时,网络初始向量的最大取值空间;网络初始向量与已知特征向量垂直,则lyNN平衡解向量将垂直于该特征向量;证明了平衡解向量位于由非零初始向量确定的超球面上的结论.基于以上分析,设计了用lyNN求矩阵特征值特征向量的具体算法,实例演算验证了该算法的有效性.1yNN不出现有限溢,而基于Oja-N的方法在矩阵负定、初始向量位于单位超球面外时必出现有限溢,算法失效.与基于优化的方法相比,lyNN实现容易,计算量较小.     

解一类非线性特征值问题的数值算例

刻画玻色-爱因斯坦凝聚态(BEC)的Gross-Pitaevskii方程通过差分方法离散,转化成一类非线性特征值问题(BEC问题).在这篇文章中,讨论了对BEC问题的求解方法,并给出数值算例.通过半定松弛的方法(SDP松弛方法)和交替方向乘子法(ADMM),计算BEC问题的最小非线性特征值的一个界;通过Lasserre半定松弛,可以依次地计算BEC问题的所有实非线性特征值.在数值算例中,从求解问题的规模和求解速度两方面比较了SDP松弛方法和ADMM,同时用matlab自带的fmincon方法来求解,初步比较了它们的数值计算结果.     

正则化HSS预处理鞍点矩阵的多尺度算法

针对鞍点求解结果收敛速度慢、CPU消耗时间较长等问题,提出一种正则化HSS预处理鞍点矩阵的多尺度算法.运用最优正则化方法确定正则参数,得到计算最优正则参数公式;通过HSS方法完成系数矩阵预处理,得到新的预处理子NHSS;为了更加具体地分析预处理后的鞍点矩阵多尺度算法特征值分布形态,择优选取预处理子参数,确保算法收敛速率...     

基于动力学方程求解复矩阵特征值问题的并行实现

该文提出了一种利用动力学方程求解复特征值及其特征向量的并行实现方法。方法的原理为：首先将特征值问题通过优化技术转化为一个非线性动力学系统的求解问题，然后利用电路模拟中的波形松弛法并行计算这组动力学方程的解。该方法能够有效地确定复矩阵的全部特征值和特征向量。这是首次将波形松弛法引入大型矩阵的计算中，其并行算法已在IBM RS／6000 SuperPOWER2系统中有效地实现。