我试图实现一个块不共轭梯度算法,不受从不可逆残差矩阵的分解;但是我得到了无意义的结果(在每次迭代中,排名Rcurrent
应该变小,而不是增加)。它被提供在Hao Ji和Yaohang Li的论文“A breakdown-free block conjugate gradient method”中。我是否正确实施此算法?
这里的算法:
这是我在茱莉亚实现:
function orth(M::Matrix)
matrixRank = rank(M)
Ufactor = svdfact(M)[:U]
return Ufactor[:,1:matrixRank]
end
function BFBCG(A::Matrix, Xcurrent::Matrix, M::Matrix, tol::Number, maxit::Number, Rcurrent::Matrix)
# initialization
#Rcurrent = B - A*Xcurrent;
Zcurrent = M*Rcurrent;
Pcurrent = orth(Zcurrent);
Xnext::Matrix = ones(size(Xcurrent))
# iterative method
for i = 0:maxit
Qcurrent = A*Pcurrent
acurrent = (Pcurrent' * Qcurrent)\(Pcurrent'*Rcurrent)
Xnext = Xcurrent+Pcurrent*acurrent
Rnext = Rcurrent-Qcurrent*acurrent
# if Residual norm of columns in Rcurrent < tol, stop
Znext = M*Rnext
bcurrent = -(Pcurrent' * Qcurrent)\ (Qcurrent'*Znext)
Pnext = orth(Znext+Pcurrent*bcurrent)
Xcurrent = Xnext
Zcurrent = Znext
Rcurrent = Rnext
Pcurrent = Pnext
@printf("\nRANK:\t%d",rank(Rcurrent))
@printf("\nNORM column1:\t%1.8f",vecnorm(Rcurrent[:,1]))
@printf("\nNORM column2:\t%1.8f\n=============",vecnorm(Rcurrent[:,2]))
end
return Xnext
end
这些输入的纸张的结果:
A = [15 5 4 3 2 1; 5 35 9 8 7 6; 4 9 46 12 11 10; 3 8 12 50 14 13; 2 7 11 14 19 15; 1 6 10 13 15 45]
M = eye(6)
guess = rand(6,2)
R0 = [1 0.537266261211281;2 0.043775211060964;3 0.964458562037146;4 0.622317517840541;5 0.552735938776748;6 0.023323943544997]
X = BFBCG(A,guess,M,tol,9,R0)
是等级在第三次迭代中达到零。
太宽了。在没有上下文的情况下显示一些伪代码并不有用。另外:单词preconditioner和没有线搜索可能会解释为什么在某些迭代中非减少(但这只是猜测)。 – sascha
我试图包括算法的目标,以澄清/添加上下文。至于预处理器,它作为文件中的单位矩阵。 –
如果您希望优化代码,那么可以使用大量的预分配和就地操作来减少临时数组的数量。查找'A_mul_B!'和'At_mul_B!'。 –