×

大型线性方程组的稀疏随机化算法和新版本的边界随机漫步方法。 (英语) Zbl 1180.65007号

摘要:提出了求解大型线性代数方程组的稀疏随机化蒙特卡罗(SRMC)算法。我们基于小尺寸子矩阵的概率抽样,或通过矩阵的随机稀疏化对矩阵向量乘积和矩阵迭代进行随机评估,构造高效的随机算法。这种方法超出了标准的基于马尔可夫链的Neumann-Ulam方法,该方法没有降低方差的通用工具。
相反,在新方法中,首先,可以通过增加矩阵的采样列数来减小方差,其次,Neumann-Ulam格式不受Neumann级数收敛的限制假设。我们将所开发的方法应用于不同的随机迭代过程。给出了静电势理论在边界积分方程中的应用,其中我们发展了一种求解近似线性代数方程组的SRMC算法,并将其与标准随机走入边界法进行了比较。

MSC公司:

65二氧化碳 蒙特卡罗方法
65 C50 其他概率计算问题(MSC2010)
60克50 独立随机变量之和;随机游走
65立方厘米 马尔可夫链的数值分析或方法
65号38 偏微分方程边值问题的边界元方法
35J05型 拉普拉斯算子、亥姆霍兹方程(约化波动方程)、泊松方程
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 于布拉夫斯基(Bulavsky Yu)。随机模拟和实验设计中的数学方法。圣彼得堡大学出版社。第64页–(1996)
[2] DOI:10.1006/jagm.1998.0989·Zbl 0923.68110号 ·doi:10.1006/jagm.1998.0989
[3] DOI:10.1007/BF01448839·doi:10.1007/BF01448839
[4] 内政部:10.1137/S0097539704442684·Zbl 1111.68147号 ·doi:10.1137/S0097539704442684
[5] DOI:10.1515/mcma.2002.8.1.1·Zbl 1002.65005号 ·doi:10.1515/mcma.2002.8.1.1
[6] 内政部:10.1145/1039488.1039494·兹比尔1125.65005 ·数字对象标识代码:10.1145/1039488.1039494
[7] Kublanovskaya V.N.,《Steklov数学研究所学报》(第53页–(1959年)
[8] DOI:10.1016/j.jcp.2003.10.05·Zbl 1053.65004号 ·doi:10.1016/j.jcp.2003.10.05
[9] 内政部:10.2307/2280232·兹比尔0033.28807 ·doi:10.2307/2280232
[10] 内政部:10.1007/BF01449148·Zbl 0008.35603号 ·doi:10.1007/BF01449148
[11] Sabelfeld K.K.,多克尔。阿卡德。Nauk SSSR 262(5)第1076页–(1982)
[12] Sabelfeld K.,新西伯利亚,第118页–(1989)
[13] 内政部:10.1515/156939606776886634·Zbl 1122.65007号 ·doi:10.1515/156939606776886634
[14] DOI:10.1016/S0020-7683(99)00263-2·Zbl 0983.74083号 ·doi:10.1016/S0020-7683(99)00263-2
[15] 内政部:10.1007/s00041-008-9030-4·Zbl 1169.68052号 ·doi:10.1007/s00041-008-9030-4
[16] 沃罗比耶夫·朱。V.、J.公司。数学。和数学。物理学。4(6)第1088页–(1964)
[17] 沃罗比耶夫·朱。V.、J.公司。数学。和数学。物理学。第8(3)页,第663页–(1968)
[18] DOI:10.1049/el:19740097·doi:10.1049/el:19740097
[19] DOI:10.1016/j.acha.2007.12.002·Zbl 1155.65035号 ·doi:10.1016/j.acha.2007.12.002
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。