我正在使用ublas :: Compressed Matrix与UMFPACK（一种稀疏线性求解器）一起工作。由于我正在做一个模拟，所以每当线性系统的构造略有不同时，可能会涉及放大/缩小系数矩阵和一些稀疏矩阵乘法。线性系统的规模约为25k。是否有任何有效的方法来动态更改boost中的compress_matrix？
即使有升压与UMFPACK工作，我还需要矩阵从不时改变，有时甚至搞清楚非零值的数量将是耗时的（理想情况下，我有一个结合补丁当我初始化矩阵时给出非零值的数量）。另外，我使用ublas :: range来动态追加列/行。
所以我的问题是：是否有任何有效的方式做到这一点？现在对我来说太慢了。转换一个像15k这样的维度的矩阵花费将近6秒，并且附加大约12k行很快（因为我猜它是一个行主矩阵），但是将相同数量的列附加到矩阵可能花费20s（我想对于相同的原因如上所以，即使我使用了列主矩阵，所需的总时间也是相同的）。
有点在这里变得绝望。任何建议都是值得欢迎的。
干杯。
你怎么每次都构建矩阵，你是从某种不同的软件的接口。在这种情况下，花费在接口上的时间是我认为很低。
你使用-DNDEBUG标志，为的uBLAS，对不对？
我不知道仍然是什么问题...
最佳，了Umut
嗨乌穆特，感谢您的关注，我会更多地进行测试，并尝试在这里给出一个完整的图片。 – He01 2011-01-02 18:01:29
我不熟悉你的包，但为什么你（理想）必须指定的非数零矩阵中的元素？你不能过分指定，然后缩小尺寸？
我也明白为什么添加列应该花费这么多的困惑。稀疏格式应该能够处理该格式。我会断定有两件事情正在发生。无论是你的矩阵在被转换回来之前都被转换为非稀疏矩阵（在任何体面的稀疏矩阵包中看起来很可怕，也不可能），或者插入的代码是二次的，因为它重复插入值，时间。
后者似乎是可能的。我会尝试推出我自己的“插入列”代码，它接受当前的稀疏矩阵，计算出更多的条目，分配更大的块，然后按顺序复制，随时插入新列。这是线性的，应该基本上是瞬时的。我不知道这是否足以解决整个问题，但应该是一个开始。
此外，如果基体具有25K条目的顺序上，没有合理的答案，为什么将其复制或调换它应该不会超过几毫秒以上。我认为你需要对这个问题的各个部分进行基准测试，并且确切地确定时间到了哪里，除非上述添加列的解决方案解决了你的问题。
而不是通过连接几个不同的价值观的构建，你有没有考虑让他们在不同的矩阵，并利用现有的解算器例程来构建自己的整体求解？基本上，您可以将适当的分解（LU，QR，无论）应用于一个组件矩阵，对随后的组件运行相应的更新/转换，并对每个后续矩阵重复。然后，您将使用因式分解矩阵来计算您的解决方案。但是，你一直在使用的库是否会直接支持这个库，或者你是否必须自己编写一些/所有的数值例程，这并不清楚。
你有没有试过Eigen这种问题？最近他们完成了稀疏矩阵的支持。
由于我有近30个意见，但没有答案，我想也许我的问题不是很清楚。所以这里有一些细节。 – He01 2010-11-16 10:59:17
由于我正在做模拟，每一个时间步骤，我已经组装了一个线性系统并解决它，它基本上只是AX = B。然而，系数矩阵A通常由三个矩阵组成。一个权重矩阵，分别为软约束和硬约束的两个系数矩阵，不能预先计算。 （见下一条评论） – He01 2010-11-16 11:08:06
因为求解线性系统是最小二乘函数最小化的结果，所以我必须做一个矩阵 - 矩阵乘法来产生一个矩阵T和一个矩阵 - 向量相乘以使得B线性系统的软约束矩阵。然后，我必须将硬约束矩阵附加到T的底部和右边以便使A生成。最后，在A和B完成之后，我可以将它们输入到UMFPack中（请参见下一条评论）。 – He01 2010-11-16 11:08:22