Участник:Alexander34396/Обобщенный метод минимальных невязок: различия между версиями

Материал из Алговики
Перейти к навигации Перейти к поиску
Строка 40: Строка 40:
  
 
=== Макроструктура алгоритма ===
 
=== Макроструктура алгоритма ===
 +
 +
В алгоритме можно выделить следующие макрооперации:
 +
 +
# Вычисление расстояния между векторами;
 +
# Суммирование векторов;
 +
# Поиск минимума в векторе;
 +
Сравнение векторов,
 +
Деление вектора на скаляр.
  
 
=== Схема реализации последовательного алгоритма ===
 
=== Схема реализации последовательного алгоритма ===

Версия 21:10, 15 октября 2016

1 Свойства и структура алгоритма

1.1 Общее описание алгоритма

Обобщённый метод минимальных невязок (англ. Generalized minimal residual method, GMRES) - итерационный метод численного решения системы линейных алгебраических уравнений с невырожденной матрицей. Метод основан на минимизации квадратичного функционала невязки на подпространствах Крылова. Разработан Юсефом Саадом и Мартином Шульцем в 1986 году как обобщение метода MINRES на случай систем с несимметричными матрицами.

1.2 Математическое описание алгоритма

Исходные данные:

  • система линейных алгебраических уравнений вида [math] Ax = b [/math], где [math] A [/math] — невырожденная матрица размера [math]n[/math]-на-[math] n [/math];
  • подпространство Крылова размерности [math] m, m \lt = n [/math], порождённое вектором [math] b [/math] и матрицей [math] A [/math]:
[math] K_m = K_m(A,b) = \operatorname{span} \, \{ b, Ab, A^2b, \ldots, A^{m-1}b \}. \, [/math]

Вычисляемые данные:

  • [math] x_m \in K_m [/math] - приближённое решение исходной системы.

Метод GMRES приближает точное решение исходной системы [math] Ax = b [/math] вектором [math] x_m \in K_m [/math], минимизирующим Евклидову норму невязки [math]r_m = Ax_m-b[/math].

Для решения исходной системы GMRES, используя [math] l_2 [/math]-ортонормальный базис пространства [math] K_m [/math], выполняет поиск приближённого решения [math] x_m [/math] в виде:

[math] x_m = x_0 + z_m [/math],

где [math] x_0 [/math] - некоторое начальное приближение, [math] z_m \in K_m [/math] - поправка решения.

Для построения ортонормального базиса [math] K_m [/math] метод использует ортогонализацию Арнольди. При введении для базиса [math] K_m [/math] матричного обозначения [math] V_m [/math] можно записать:

[math] z_m = V_my_m [/math],

где [math] y_m \in \mathbb{R}^m [/math] - вектор коэффициентов.

В общем виде алгоритм метода GMRES может быть записан следующим образом:

  1. найти ортонормальный базис [math] V_m [/math] подпространства [math] K_m [/math] с помощью ортогонализации Арнольди;
  2. найти [math] y_m [/math], минимизирующий [math] \|r_m\|_2 [/math];
  3. посчитать [math] x_m = x_0 + V_my_m [/math];
  4. посчитать [math] r_m [/math] и остановиться,если требуемая точность была достигнута, иначе повторить.

1.3 Вычислительное ядро алгоритма

Вычислительное ядро последовательной версии метода GMRES состоит из двух частей:

  • Вычисление ортонормального базиса [math] K_m [/math] с помощью ортогонализации Арнольди:
на одной итерации алгоритма [math] m(m + 1) n + mNZ [/math] мультипликативных операций, где NZ - количество ненулевых элементов матрицы [math] A [/math];
  • Формирование приближенного решения [math] x_0 + V_mY_m [/math]:
[math]nm[/math] мультипликативных операций.

1.4 Макроструктура алгоритма

В алгоритме можно выделить следующие макрооперации:

  1. Вычисление расстояния между векторами;
  2. Суммирование векторов;
  3. Поиск минимума в векторе;

Сравнение векторов, Деление вектора на скаляр.

1.5 Схема реализации последовательного алгоритма

Для решения исходной системы методом GMRES можно воспользоваться следующим алгоритмом:

1 Подготовка перед итерационным процессом:

1.1 Выбрать начальное приближение [math] x_0 [/math];
1.2 Посчитать невязку [math] r_0 = b - Ax_0 [/math];
1.3 Вычислить [math] v_1 = \frac{r_0}{\|r_0\|_2} [/math].

2 Построение ортонормального базиса [math] K_m [/math]:

Для всех [math] j [/math] от 1 до m по нарастанию выполнять:
2.1 [math] h_{ij} := (Av_j, v_i), \quad i=1,\ldots,j [/math];
2.2 [math] \hat{v}_{j+1} := Av_j - \sum_{i=1}^j h_{ij}v_{i} [/math];
2.3 [math] h_{j+1j} = \|\hat{v}_{j+1}\|_2 [/math];
2.4 [math] v_{j+1} = \frac{\hat{v}_{j+1}}{h_{j+1j}} [/math].

3 Вычисление приближённого решения [math] x_m [/math]:

3.1 [math] x_m = x_0 + V_my_m [/math], где [math]y_m[/math] минимизирует [math]\|r_0 - AV_my_m\|_2[/math];
3.2 Вычислить [math] r_m [/math];
3.3 Если требуемая точность достигнута, остановиться.

4 Рестарт:

4.1 [math]x_0 = x_m[/math];
4.2 [math]v_1 = \frac{r_m}{\|r_m\|_2}[/math];
4.3 Перейти к шагу 2.