排序方式: 共有19条查询结果,搜索用时 15 毫秒
1.
GCRO-DR方法是求解一系列连续线性系统常用迭代方法.本文首先提出了simpler GCRODR方法,在单个循环中它的计算成本比GCRO-DR更少.本文为了避免算法的不稳定性问题和内存溢出问题,并提高simpler GGRO-DR算法的收敛性,引入了重启参数自适应策略.另外,在用该方法求解大型连续线性系统需要多次重启次数情形以及相邻系数矩阵之间谱信息相关情形,本文利用重启参数自适应策略提供的学习样本,通过强化学习来选取一个比较好的重启参数.最后,数值实验证明了所提三类算法的有效性. 相似文献
2.
3.
光滑子是影响代数多重网格算法(AMG)求解效率的重要组件之一.本文考虑实际应用中普遍出现的一类多尺度稀疏矩阵,由于多尺度性质的影响,现有AMG光滑子的光滑效果不理想,从而影响AMG算法求解该类方程的效率.借助代数界面的概念,本文分析了代数界面对松弛型光滑子的影响,并通过扩展代数界面的内涵,设计了一种代数界面优先的光滑子(AI-Smoother).以Gauss-Seidel(GS)光滑子为例,通过三维模型问题和实际问题测试了该光滑子(AI-GS)的有效性.测试表明,与自然序GS光滑子相比,AI-GS有效改善了AMG算法的收敛速度.对于三维随机系数扩散方程百万自由度算例,AI-GS可获得28.2%的加速,对于激光聚变应用中的三温方程百万自由度算例,AI-GS可获得28.8%的加速. 相似文献
4.
迭代方法是科学计算中求解大规模稀疏线性代数方程组最常用的方法.大量实际应用表明,迭代方法通常具有较高的通信与计算比,只有在粗粒度并行下才能取得较好的并行可扩展性能.而实际应用大规模计算的需求和当前多核/众核体系结构的发展趋势要求迭代方法具备细粒度并行可扩展能力.文中引入渐近规模,即满足加速条件的计算规模下界,来反映并行迭代方法适应细粒度并行的能力,并由此刻画通信与计算比.基于矩阵的稀疏模式及其通信模式、机器的通信参数和迭代方法的基本运算,给出了渐近规模的理论预测公式.在一台包含128个双路4核计算节点的并行机上,分别基于纯进程并行(MPI)和进程/线程混合并行(MPI/OpenMP),以实际应用中3种常用迭代方法Jacobi、CG、BiCGSTAB为例,分析其渐近规模.并行可扩展性测试表明了渐近规模用于刻画迭代方法通信与计算比的准确性.对于纯进程情形,给出了渐近规模的理论预测与实际测试的对比,表明了理论预测结果的正确性.最后,基于这些结果,从迭代方法的算法设计和并行实现等方面讨论了面向未来更大规模的计算系统,降低通信与计算比的途径. 相似文献
5.
用Java语言开发人工神经网络应用的研究 总被引:4,自引:0,他引:4
该文概括介绍人工神经网络的软件实现技术的现状,并从面向对象程序设计的角度出发,以实际例子详述Java语言在人工神经网络应用软件或智能系统相应模块的开发方面的运用前景。 相似文献
6.
7.
相对于一致加密网格,SAMR网格可以在保持相同数值模拟精度的前提下,大幅度减少网格数目,缩短计算时间。针对惯性约束聚变中的流体力学不稳定性数值模拟,基于JASMIN框架研制了二维多介质流体力学并行SAMR应用程序。在数百个CPU核上模拟了压缩内爆模型,数值模拟结果和并行性能分析显示了应用程序的正确性和并行实现的高效率。 相似文献
8.
10.