项目名称: 积分算子特征值问题多尺度快速算法的若干研究

项目编号: No.11461011

项目类型: 地区科学基金项目

立项/批准年度: 2015

项目学科: 数理科学和化学

项目作者: 隆广庆

作者单位: 南宁师范大学

项目金额: 36万元

中文摘要: 积分算子特征值问题多尺度快速算法是计算数学领域的一个研究重点和热点,在数学、物理和工程上有很强的应用背景。目前这类问题的研究成果相当的少,其瓶颈问题是积分算子离散后的系数矩阵通常是满矩阵,导致计算量过大而使数值计算无法进行下去。构造计算量少效率高的积分算子特征值问题的快速算法对科学与工程计算具有重要的理论价值和应用价值。充分吸收多尺度快速算法的核心思想和两网格方法的核心思想的精华,将两个精华结合起来,构建一套积分算子特征值问题多尺度快速算法是本项目的研究重点。首先,根据积分算子的性质,构造截断策略,在保证计算收敛性前提下,对稠密矩阵进行压缩,使得计算复杂度达到最优,体现出算法的快速性。其次,对压缩后的非典型大规模矩阵特征值求解上,充分吸收两网格和多层扩充算法的精华,将特征值求解问题转化为方程求解问题,利用多尺度基底具有高低频层次性,构造大规模稀疏矩阵的特征值问题的多层扩充算法。

中文关键词: 积分算子;多尺度方法;快速算法;多层扩充法;特征值问题

英文摘要: Many practical problems in science and engineering are formulated as eigen-problems of integral operators. For many years, numerical solutions of the eigen-problem have attracted much attention. The main bottleneck problem for the integral operators is that the matrix resulting from a discretization of an integral operator is a full matrix. Solving the eigen-problem of a full matrix requires significant amount of computational effort. Hence, fast algorithms for solving such a problem are highly desirable. In this proposal, taking advantage of the idea of fast methods for integral equations, which is using a sparse matrix to approximate the dense matrix, and the idea of two-grid for eigenvalue problems, which is reducing the eigenvalue problem to solve a linear algebraic system, we develop multiscale fast methods for eigen-problems for integral operators. We firstly develop a fast method with almost optimal convergence order by constructing a truncation strategy, which leads to the optimal complexity of algorithm. This exhibits the fast of the method. Then we use the idea of two-grid discretization scheme to develop fast multilevel augmentation methods for solving eigen-problems, based on multilevel decompositions of the approximate subspace aiming at efficiently solving linear systems of large scale obtained from discretization of integral operators.

英文关键词: integral operators;multiscale methods;fast methods;multilevel augmentation methods;eigenvalue problems

成为VIP会员查看完整内容
0

相关内容

【博士论文】吉布斯分布的局部、动态与快速采样算法
专知会员服务
28+阅读 · 2021年11月26日
专知会员服务
211+阅读 · 2021年8月2日
【开放书】《矩阵流形优化算法》,241页pdf
专知会员服务
93+阅读 · 2021年7月3日
专知会员服务
21+阅读 · 2021年6月28日
【干货书】数值Python计算,Numerical Python,709页pdf
专知会员服务
111+阅读 · 2021年5月30日
专知会员服务
18+阅读 · 2021年5月16日
923页ppt!经典课《机器学习核方法》,附视频
专知会员服务
104+阅读 · 2021年3月1日
最新《图理论》笔记书,98页pdf
专知会员服务
74+阅读 · 2020年12月27日
最新《非凸优化理论》进展书册,79页pdf
专知会员服务
108+阅读 · 2020年12月18日
《常微分方程》笔记,419页pdf
专知会员服务
71+阅读 · 2020年8月2日
CUDA高性能计算经典问题:归约
极市平台
1+阅读 · 2022年1月13日
CUDA高性能计算经典问题:前缀和
极市平台
0+阅读 · 2022年1月9日
NLP技术中的Tokenization
PaperWeekly
1+阅读 · 2021年12月16日
正则化方法小结
极市平台
2+阅读 · 2021年11月24日
一文概括常用图像处理算法以及常用开发库
极市平台
1+阅读 · 2021年11月23日
谈中小企业算法岗面试
极市平台
1+阅读 · 2021年10月29日
常见的距离算法和相似度计算方法
极市平台
18+阅读 · 2020年7月31日
求解稀疏优化问题——半光滑牛顿方法
极市平台
45+阅读 · 2019年11月30日
机器学习计算距离和相似度的方法
极市平台
10+阅读 · 2019年9月20日
最全综述 | 图像分割算法
极市平台
23+阅读 · 2019年6月23日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
31+阅读 · 2020年9月21日
小贴士
相关VIP内容
【博士论文】吉布斯分布的局部、动态与快速采样算法
专知会员服务
28+阅读 · 2021年11月26日
专知会员服务
211+阅读 · 2021年8月2日
【开放书】《矩阵流形优化算法》,241页pdf
专知会员服务
93+阅读 · 2021年7月3日
专知会员服务
21+阅读 · 2021年6月28日
【干货书】数值Python计算,Numerical Python,709页pdf
专知会员服务
111+阅读 · 2021年5月30日
专知会员服务
18+阅读 · 2021年5月16日
923页ppt!经典课《机器学习核方法》,附视频
专知会员服务
104+阅读 · 2021年3月1日
最新《图理论》笔记书,98页pdf
专知会员服务
74+阅读 · 2020年12月27日
最新《非凸优化理论》进展书册,79页pdf
专知会员服务
108+阅读 · 2020年12月18日
《常微分方程》笔记,419页pdf
专知会员服务
71+阅读 · 2020年8月2日
相关资讯
CUDA高性能计算经典问题:归约
极市平台
1+阅读 · 2022年1月13日
CUDA高性能计算经典问题:前缀和
极市平台
0+阅读 · 2022年1月9日
NLP技术中的Tokenization
PaperWeekly
1+阅读 · 2021年12月16日
正则化方法小结
极市平台
2+阅读 · 2021年11月24日
一文概括常用图像处理算法以及常用开发库
极市平台
1+阅读 · 2021年11月23日
谈中小企业算法岗面试
极市平台
1+阅读 · 2021年10月29日
常见的距离算法和相似度计算方法
极市平台
18+阅读 · 2020年7月31日
求解稀疏优化问题——半光滑牛顿方法
极市平台
45+阅读 · 2019年11月30日
机器学习计算距离和相似度的方法
极市平台
10+阅读 · 2019年9月20日
最全综述 | 图像分割算法
极市平台
23+阅读 · 2019年6月23日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员