A shift splitting modified Newton-type (SSMN) iteration method is introduced for solving large sparse generalized absolute value equations (GAVEs). The SSMN method is established by replacing the regularized splitting of the coefficient matrix of the linear part, which is employed in the modified Newton-type (MN) iteration method, with the shift splitting of the matrix. The conditions for the convergence of the proposed method are discussed in depth for the cases when the coefficient matrix is a general matrix, a symmetric positive definite matrix, and an $H_{+}$-matrix. Through two numerical examples, we find that the SSMN and MN methods complement each other. The optimal performances of the two methods depend on the definiteness of the coefficient matrix of the linear part. The MN method is more efficient when the coefficient matrix is positive definite, whereas the SSMN method has a better performance when the coefficient matrix is indefinite.


翻译:引入了分班制修改牛顿型(SSMN)迭代法,以解决大量稀少的通用绝对值方程式(GAVES)问题。确定SSMN方法的方法是用修改的牛顿型(MN)迭代法取代线性部分系数矩阵的正规分割法,采用分流法,采用分流法。当系数矩阵是通用矩阵、对称正数确定矩阵和$H ⁇ $-美元矩阵时,将深入讨论拟议方法的趋同条件。通过两个数字示例,我们发现SSMN和MNM方法相互补充。两种方法的最佳性能取决于线性部分系数矩阵的确定性。当系数矩阵是肯定的时,MNW方法更有效率,而当系数矩阵是不确定时,SMN方法的性能更好。

0
下载
关闭预览

相关内容

《图表示学习》报告,McGill助理教授Hamilton讲授,79页ppt
【ACML2020】张量网络机器学习:最近的进展和前沿,109页ppt
专知会员服务
54+阅读 · 2020年12月15日
【斯坦福】凸优化圣经- Convex Optimization (附730pdf下载)
专知会员服务
220+阅读 · 2020年6月5日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
已删除
创业邦杂志
5+阅读 · 2019年3月27日
VIP会员
相关资讯
已删除
创业邦杂志
5+阅读 · 2019年3月27日
Top
微信扫码咨询专知VIP会员