बहुपत्नी पूर्ववर्तियों की वर्तमान स्थिति क्या है?


15

मुझे आश्चर्य है कि बहुपत्नी पूर्ववर्तियों के साथ क्या हुआ है। मुझे उनमें दिलचस्पी है, क्योंकि वे गणितीय दृष्टिकोण से तुलनात्मक रूप से सुरुचिपूर्ण प्रतीत होते हैं, लेकिन जहां तक ​​मैंने क्रायलोव के तरीकों पर सर्वेक्षण में पढ़ा है, वे आमतौर पर पूर्ववर्तियों के रूप में बहुत खराब प्रदर्शन करते हैं। साद और वैन डेर होस्ट के शब्दों में, "इन तकनीकों में वर्तमान रुचि सभी गायब हो गई है" (यहां) । फिर भी, हाल के दिनों में मल्टीकोर और जीपीयू-गणना के लिए उपयोग किए गए हैं।

क्या कोई मुझे बता सकता है या बल्कि समझा सकता है कि ये तरीके अभी भी किस संदर्भ में जीवित हैं, और कला की वर्तमान स्थिति पर एक अच्छा सर्वेक्षण कहां मिलेगा?


ArXiv (पर हाल ही में एक कागज arxiv.org/pdf/1806.08020.pdf ) Arnoldi के लिए बहुपद preconditioners जांच करता है। विशेष रूप से, वे विभिन्न समस्याओं पर इसका परीक्षण करते हैं और अच्छी गति प्राप्त करते हैं। वे निष्कर्ष निकालते हैं कि बहुपद पूर्वनिर्धारण के कारण वेक्टर के संचालन में कमी "संचार से बचने के लिए महान प्रदर्शन का वादा करता है उच्च प्रदर्शन कंप्यूटरों पर eigenvalue अभिकलन"। मैं लेखकों में से नहीं हूं।
19-12 को अमर्नी जूल

जवाबों:


12

यथोचित प्रदर्शन करने के लिए, बहुपत्नी पूर्वपदों को काफी सटीक वर्णक्रमीय अनुमानों की आवश्यकता होती है। अशिक्षित अण्डाकार समस्याओं के लिए सबसे छोटे eigenvalues ​​को आमतौर पर इस तरह अलग किया जाता है कि चेबीशेव जैसे तरीके इष्टतम से बहुत दूर हैं। बहुपद तरीकों की सबसे दिलचस्प संपत्ति यह है कि उन्हें किसी भी आंतरिक उत्पादों की आवश्यकता नहीं होती है।

यह वास्तव में काफी बहुपद उपयोग करने के लिए लोकप्रिय है smoothers multigrid में। एक पूर्ववर्ती से मुख्य अंतर यह है कि चिकना केवल स्पेक्ट्रम के हिस्से को लक्षित करना है । एक बहुपद चिकनी वर्तमान में PETSc की मल्टीग्रिड में डिफ़ॉल्ट है। एक तुलना के लिए एडम्स एट अल, समानांतर मल्टीग्रिड स्मूथी: बहुपद बनाम गॉस-सेडेल (2003) भी देखें ।

बहुपदीय प्रीकॉन्डिशनर्स का उपयोग शुद्ध रूप से कटौती की आवृत्ति को कम करने के लिए किया जा सकता है। यद्यपि उन्हें प्रत्येक मैट्रिक्स के लिए पुन: उपयोग करना पड़ता है, बचत हार्डवेयर पर महत्वपूर्ण हो सकती है, जिसमें कटौती महंगी होती है (बड़े सुपर कंप्यूटर पर सामान्य)। इस पर अधिक जानकारी के लिए McInnes, Smith, Zhang, and Mills, Hierarchical and Nested Krylov Methods for Extreme-Scale Computing (2012) देखें

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.