安R包使用（预处理）共轭梯度算法求解线性方程组，使用Armadillo模板化C++线性代数库提高了效率，并具有用户指定预处理方法的灵活性。

下载cPCG_1.5.5.目标.gz文件在这里并从命令行生成：

R CMD安装cPCG_1.5.5.tar.gz

从github获取当前开发版本：

开发工具时间：安装github("斯蒂芬/cPCG")

注释：Mac OSX用户需要安装开放式多媒体播放器为了编译包。检查在这里寻求解决方案。

求解线性方程组Ax=b的共轭梯度法，其中A是对称正定的，b是列向量。

cgsolve（A，b，浮点tol=1e-6，int maxIter=1000）

当A的条件数较大时，共轭梯度（CG）方法可能无法在合理的迭代次数内收敛。预条件共轭梯度（PCG）方法应用一个预条件矩阵C，通过求解C^{-1}Ax={C}^{-1{b来解决问题，其中对称和正定矩阵C近似于a和C^{-1}甲提高了A的条件数。

pcgsolve（A，b，preconditioner=“Jacobi”，float tol=1e-6，int maxIter=1000）

预处理剂的常见选择包括：雅可比预处理、对称连续过松弛（SSOR）和不完全Cholesky因子分解。

• 雅各比雅可比预条件是矩阵A的对角线，假设所有对角线元素都不为零。

• SSOR公司：对称连续超松弛预条件子，实现为M=（D+L）D^{-1}（D+L）^T。

• 国际协调委员会：不完全Cholesky因子分解预条件。

使用OpenMP进行共轭梯度法的并行稀疏矩阵。

#A是稀疏矩阵，可以使用“矩阵”包函数矩阵（…，sparse=TRUE）生成cgsolve_sparseOMP（A，b，tol=1e-6，maxIter=1000，n线程=1）

稀疏矩阵并行使用OpenMP进行预处理共轭梯度法，雅可比预处理器目前可用。

#A是稀疏矩阵，可以使用“矩阵”包函数矩阵（…，sparse=TRUE）生成pcgsolve_sparseOMP（A，b，preconditioner=“Jacobi”，tol=1e-6，maxIter=1000，nThreads=1）

• 用户手册
• 渐晕
• cPCG：高效定制的预处理共轭梯度法