Standard approaches to domain decomposition methods (DDM) are uncapable of producing block-diagonal system matrices. The derived-vector-space (DVS), approach to DDM, introduced in 2013, overcomes this limitation. However, the DVS approach in its original form was applicable to a relatively narrow class of problems because it required building a special matrix, whose construction is frequently impossible. In this paper, an enhanced formulation of DVS is presented, which does not require the construction of a special matrix and is applicable to any linear problem. Keywords: domain decomposition, parallel processing, DVS, FETI, BDDC


翻译:对域分解方法的标准方法(DDM)无法产生成块对角系统矩阵。2013年开始采用的衍生矢量-空间(DVS)对DDM(DDM)的方法克服了这一限制,然而,最初形式的DVS方法适用于相对狭窄的一类问题,因为它需要建立一个特别的矩阵,而这种矩阵的构建往往是不可能的。本文介绍了DVS的强化配方,这不需要构建一个特殊的矩阵,而是适用于任何线性问题。关键词:域分解、平行处理、DVS、FETI、BDDC。关键词:域分解、DDDC。

0
下载
关闭预览

相关内容

专知会员服务
52+阅读 · 2020年9月7日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:连通知识图谱与推荐系统
LibRec智能推荐
3+阅读 · 2018年8月9日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
神经网络学习率设置
机器学习研究会
4+阅读 · 2018年3月3日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年11月9日
Arxiv
17+阅读 · 2021年1月21日
Arxiv
8+阅读 · 2018年5月1日
VIP会员
相关VIP内容
专知会员服务
52+阅读 · 2020年9月7日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:连通知识图谱与推荐系统
LibRec智能推荐
3+阅读 · 2018年8月9日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
神经网络学习率设置
机器学习研究会
4+阅读 · 2018年3月3日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员