mumps求解器使用心得

这篇具有很好参考价值的文章主要介绍了mumps求解器使用心得。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

以mumps中example.c例子为标准,在实践尝试了几乎所有参数设置后,总结了对于普通小白有用的几个重要参数:

1.id.par = 1 // 可选择0,1;该参数在使用mpi并行的时候会考虑,

=1:解释为主进程(rank=0)参与因子分解和求解阶段的并行步骤;

=0:解释为主进程(rank=0)不参与因子分解和求解阶段的并行步骤,因此在等于0的时候务必保证mumps按照的是并行版本以及当前程序的进程数目大于1;这个参数在集群的大规模计算中非常的有用,能保证主进程与其他进程的内存使用相对平衡。

这里测试了mpi=4个进程下两种参数的结果:

par=1:

mumps求解器,算法,矩阵,线性代数,c++

 par=0:

mumps求解器,算法,矩阵,线性代数,c++

 直观的看出par=0的情况下,四个进程的内存使用量相对平衡。

 2.id.sym=0 //可选择0:矩阵非对称;1 矩阵对称正定;2 矩阵一般对称与对称复数

example.c中使用的是矩阵非对称例子,因此如果是对称矩阵最好是改成1or2,测试显示大规模矩阵求解的时候使用非对称矩阵接口的内存消耗几乎是使用对称矩阵接口的2倍!

修改方式简单:sym=1or2;输入的稀疏矩阵为上三角或者下三角矩阵;例如:

  DMUMPS_STRUC_C id;
  MUMPS_INT n = 2;
  MUMPS_INT8 nnz = 3;
  MUMPS_INT irn[] = {1,1,2};
  MUMPS_INT jcn[] = {1,2,2};
  double a[3];
  double rhs[2];
  /* Define A and rhs */
  /*
    |1 1|      |1|
  A=|1 2|  rhs=|4| 
  */
  rhs[0]=1.0;
  rhs[1]=4.0;
  a[0]=1.0;
  a[1] = 1.0;
  a[2]=2.0;

求解结果:

mumps求解器,算法,矩阵,线性代数,c++

 3.ICNTL(14) = 20 //默认20表示动态内存增加以20%的增量增加;

这个参数也可以设置大小,设置小一些能过多的分配避免不必要的内存分配;

4.mumps的信息输出,这个对于观察mumps的性能也是非常重要,设置也非常简单:

mumps求解器,算法,矩阵,线性代数,c++

 当前文件夹下面会生成fort.1的日志文件;

其他的参数专业性质很强,并且在测试中对于改善mumps的性能并不是太明显(因为本身mumps很多默认参数都具有自动选择最优解决方案的功能),甚至有可能某些参数的使用可能会导致错误。

按照Chat-GPT的回答:

MUMPS求解器的参数设置可以通过调整以下几个方面来进行优化:

  1. 任务分解策略:MUMPS可以采用多种不同的任务分解策略,包括面向数据的任务划分、面向任务的任务划分和混合型的任务划分。这些策略会影响到并行计算效率和内存利用率,因此需要根据具体问题进行选择。

  2. 内存管理策略:MUMPS可以采用不同的内存管理策略,包括静态分配和动态分配。静态分配可以减少内存碎片,但是可能导致内存浪费;动态分配可以更灵活地利用内存,但是可能会增加内存碎片和内存管理开销。

  3. 稀疏性处理策略:MUMPS支持不同的稀疏性处理策略,包括对称性检测、自动重排序、填充度控制等。这些策略可以影响到系数矩阵的稀疏性和分解质量,从而影响到求解器的性能和内存使用量。

  4. 精度控制策略:MUMPS可以控制因式分解和求解过程中的精度要求,包括矩阵因式分解的阈值、数值稳定性检测的容限等。这些策略可以影响到计算精度和内存使用量。

综上所述,MUMPS求解器的参数设置需要根据具体问题进行选择和优化,以在保证计算精度的前提下,尽可能地减少内存使用量和计算时间。

mumps的说明书的确也是如此,一般情况下mumps默认的管理策略都能很好的自动选择最优方案进行分解与计算。文章来源地址https://www.toymoban.com/news/detail-743536.html

到了这里,关于mumps求解器使用心得的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 线性代数 --- 计算斐波那契数列第n项的快速算法(矩阵的n次幂)

    The n-th term of Fibonacci Numbers:         斐波那契数列的是一个古老而又经典的数学数列,距今已经有800多年了。关于斐波那契数列的计算方法不难,只是当我们希望快速求出其数列中的第100,乃至第1000项时,有没有又准又快的方法,一直是一个值得探讨和研究的问题。笔者

    2024年04月27日
    浏览(45)
  • 线性代数代码实现(七)求解线性方程组(C++)

    前言:         上次博客,我写了一篇关于定义矩阵除法并且代码的文章。矩阵除法或许用处不大,不过在那一篇文章中,我认为比较好的一点是告诉了大家一种计算方法,即:若矩阵  已知且可逆,矩阵  已知,并且  ,求解矩阵 B 。我认为这种初等行变换的方法还是挺

    2023年04月23日
    浏览(46)
  • 【C++】开源:Eigen3矩阵与线性代数库配置使用

    😏 ★,° :.☆( ̄▽ ̄)/$: .°★ 😏 这篇文章主要介绍Eigen3线性代数模板库配置使用。 无专精则不能成,无涉猎则不能通。——梁启超 欢迎来到我的博客,一起学习,共同进步。 喜欢的朋友可以关注一下,下次更新不迷路🥞 项目Gitlab地址: https://gitlab.com/libeigen/eigen 官网:

    2024年02月14日
    浏览(41)
  • 数值线性代数:Arnoldi求解特征值/特征向量

    线性方程组求解 、 最小二乘法 、 特征值/特征向量求解 是(数值)线性代数的主要研究内容。 在力学、气象学、电磁学、金融等学科中,许多问题最终都归结为特征值、特征向量的求解。 ARPACK 使用 IRAM ( Implicit Restarted Arnoldi Method )求解大规模系数矩阵的部分特征值与特征向量

    2024年01月18日
    浏览(51)
  • GPU编程 CUDA C++ 线性代数求解器 cuSolver库

    cuSolver库较cuBLAS库更为高级,其能处理矩阵求逆,矩阵对角化,矩阵分解,特征值计算等问题。cuSolver库的实现是基于cuBLAS库和cuSPARSE库这两个基本库。cuSolver库的功能类似于Fortran中的LAPACK库:是Linear Algebra PACKage的简称。 以下以一个厄米矩阵的本征值(特征值)问题,代码示

    2024年02月05日
    浏览(50)
  • MATLAB数值分析学习笔记:线性代数方程组的求解和高斯消元法

    工程和科学计算的许多基本方程都是建立在守恒定律的基础之上的,比如质量守恒等,在数学上,可以建立起形如 [A]{x}={b} 的平衡方程。其中{x}表示各个分量在平衡时的取值,它们表示系统的 状态 或 响应; 右端向量{b}由无关系统性态的常数组成通常表示为 外部激励。 矩阵

    2023年04月15日
    浏览(61)
  • MATLAB数值分析学习笔记:线性代数方程组的求解和高斯-赛德尔方法

    迭代法是前面介绍的消元法的有效替代,线性代数方程组常用的迭代法有 高斯-赛德尔方法 和 雅克比迭代法, 下面会讲到二者的不同之处,大家会发现两者的实现原理其实类似,只是方法不同,本篇只重点介绍高斯-赛德尔方法。 看了我之前的笔记的同学应该已经对迭代法不

    2024年02月05日
    浏览(58)
  • 07 MIT线性代数-求解Ax=0:主变量,特解 pivot variables, special solutions

    前面定义了矩阵的列空间和零空间,那么如何求得这些子空间呢? A 的零空间即满足 A x = 0 的所有 x 构成的向量空间 对于矩阵 A 进行“行操作”并不会改变 A x = b 的解,因此也不会改变零空间 unchanged 第一步消元: echelon 阶梯型 pivot columns and free columns rank of A = # of pivots r=2 = 

    2024年02月07日
    浏览(43)
  • 线性代数本质系列(一)向量,线性组合,线性相关,矩阵

    本系列文章将从下面不同角度解析线性代数的本质,本文是本系列第一篇 向量究竟是什么? 向量的线性组合,基与线性相关 矩阵与线性相关 矩阵乘法与线性变换 三维空间中的线性变换 行列式 逆矩阵,列空间,秩与零空间 克莱姆法则 非方阵 点积与对偶性 叉积 以线性变换

    2024年02月04日
    浏览(50)
  • 0203逆矩阵-矩阵及其运算-线性代数

    定义7 对于 n n n 阶矩阵A,如果有一个 n n n 阶矩阵B,使 A B = B A = E AB=BA=E A B = B A = E 则说矩阵A是可逆的,并把矩阵B称为A的逆矩阵,简称逆阵。 定理1 若矩阵A可逆,则 ∣ A ∣ ≠ 0 vert Avert not = 0 ∣ A ∣  = 0 证明: A 可逆,即有 A − 1 ,使得 A A − 1 = E ∣ A A − 1 ∣ = ∣ A

    2024年04月13日
    浏览(56)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包