代数方程组与互补问题的高性能算法






在知识创新工程的支持下, 主要研究了大型稀疏线性
与弱非线性代数方程组的异步并行算法,
预处理KRYLOV子空间迭代算法以及大型稀疏线性互补问题的
同步与异步并行算法。 

代数方程组的数值方法及其理论, 是数值分析与科学计算的基础与核心。 高性能的线性与非线性代数解法器, 是获得高计算效率和准确计算结果 的需要和保证。 因此, 随着计算机, 特别是并行计算机的迅速发展, 并行算法, 子空间迭代算法及其预处理, 已成为当前数值代数的国际前沿研究方向。

异步迭代模型, 是并行计算的一个具有广阔应用前景的重要研究方向。 这类计算模型无需处理器之间的相互等待, 通讯灵活自由, 并且能够充分利用现有的信息和资源去及时地更新计算进程, 进而提高算法的并行计算效率。 这类计算模型 适用于多计算机和分布式计算系统, 以及网络并行计算等。 另外, 这类异步迭代模型的数学描述和理论研究不受具体 计算机结构的约束。 因此, 各种异步并行计算方法 及其性质的研究, 受到了数值分析, 科学计算, 以及计算机界 的高度重视和普遍关注。 根据滞后信息充分利用的原则, 运用分块与内外迭代技术, 我们研究了关于大型稀疏线性与弱非线性代数方程组, 以及线性互补问题的 异步迭代算法。 由于异步迭代自身的非定常性及其中变量的随机性, 其数学描述和理论分析是相当困难和颇具挑战性的。 我们建立了求解线性, 弱非线性代数方程组和线性互补问题的 各种算法模型, 并在较弱的条件下, 系统地建立了这些算法模型的收敛理论。 大量数值实验表明, 这些新算法是 求解上述问题的可靠而有效的计算方法。

KRYLOV子空间迭代算法是求解大规模线性代数方程组的最有效方法之一, 而预处理技术则是改善这类方法收敛性质的最有效手段。 但是, 好的预处理子 的构造, 以及子空间算法的收敛理论, 是非常困难和富有挑战性的。 将多层与不精确迭代策略有机地结合, 我们构造了对称正定代数方程组的修正 块SSOR预处理子, 精确地估计了预处理矩阵的条件数, 从而在理论上证实了这类 预处理迭代算法的有效性和准确性; 对于一般线性代数方程组, 揭示了KRYLOV子空间 迭代算法的收敛性质与系数矩阵的特征值, 特征向量, 以及最大JORDAN块的阶数之间 的内在关系, 从而进一步完善了子空间迭代算法的收敛理论。

最后, 我们将区域分解原理和分而治之原则有机地统一, 将多重网格思想与多项式加速技术巧妙地结合, 并创造性地运用于以二阶自共轭椭圆型偏微分方程(组)为背景的 对称正定线性代数方程组, 构造了具有很高概括性的串行和并行代数 多层迭代算法的一般框架, 并证明了这类算法具有``最优阶"的收敛速度。

获得了中国科学院青年科学家奖二等奖 (1999年) 和中国科学院优秀青年奖 (1999年)。

1999年正式发表的论文如下:

1999年参加国际国内学术会议, 并做邀请报告如下: 1999年学术讲座如下: