算法740:Fortran子程序用于计算改进的不完全Cholesky因式分解

审核人：莫里斯·本森

两种新的适用于“黑盒”实现的不完全Cholesky分解算法经过了简短的理论讨论，并进行了详细描述（包括伪代码），证明了它们对于生成各种稀疏问题的预条件是有效的。新方法不需要任何用户提供的参数，并且在因子中保留与原始矩阵中相同数量的非零元素（根据方法以行或列的方式）。这确保了使用新因子的计算成本与标准不完全Cholesky因式分解的计算成本相同。这些方法只保留较大的幅值，而不强制执行任何稀疏模式，从而保留了因子中所需的非零数量。对相关工作进行了很好的回顾，并清楚地描述了所提出方法的新特点。大量实验结果表明了新策略的实用性。预处理共轭梯度算法的迭代次数表明其性能优于标准的不完全Cholesky分解。原始系统的效率和不同顺序的效果是所研究的特性之一。本报告应该会引起开发新算法的专家和对新的、更有效的预条件应用感兴趣的研究人员的兴趣。介绍很清楚，参考资料为需要更多细节的人提供了良好的基础。