摘要：本文介绍两种求解非线性特征值问题的多重网格算法.这种类型的多重网格算法是多重校正方法和求解边值问题的多重网格算法相结合而得到的.在这种多重网格算法中,求解特征值问题被转化成在一序列有限元空间上的边值问题的求解和在最低维空间下的非线性特征值的求解.由于采用了具有最优复杂度的多重网格算法来求解其中的边值问题,非线性特征值问题的多重网格算法可以大大提高求解的整体效率.这里求解边值问题的多重网格算法也可以被其他高效的求解算法代替而设计出新的求解非线性特征值问题的高效算法.

摘要：本文基于阻尼块反幂法与子空间投影算法设计了一种求解特征值问题的广义共轭梯度算法,同时也实现了相应的计算软件包.然后对算法和计算过程进行一系列的优化来提高算法的稳定性、计算效率和并行可扩展性,使得本文的算法适合在并行计算环境下求解大规模稀疏矩阵的特征值.所形成的软件包不依赖于矩阵和向量的具体结构,可以应用于任意的矩阵向量结构.针对几种典型矩阵的测试结果表明,本文的算法和软件包不但具有良好的数值稳定性和可扩展性,同时相比于SLEPc软件包中的LOBPCG (locally optimal block preconditioned conjugate gradient)和Jacobi-Davidson解法器有2至6倍的效率提升.软件包的网址是https://***/pase2017/GCGE-1.0.

摘要：科学研究与工程实际中存在着大量的非线性偏微分方程,这使得非线性方程的求解变得越来越重要.本综述论文利用定义在粗网格上的有限元空间来重建任意有限元函数的Aubin-Nitsche技巧的误差估计.然后介绍如何利用这种对Aubin-Nitsche技巧的新视角来设计求解半线性椭圆方程和特征值问题的扩展子空间算法,同时给出相应的收敛性分析和计算量估计.特别地,当求解多项式形式的非线性方程和特征值问题的时候,扩展子空间算法的渐进计算量可以达到最优.本文的论述表明扩展子空间算法是一种用来设计求解非线性方程快速算法的框架,可以应用于更广泛的非线性方程的求解,同时也可以结合各种高效的线性解法器来提高非线性方程的求解效率.

摘要：当矩阵的规模较大或者条件数较高时,格拉姆-施密特(Gram-Schmidt)正交化算法和其相关修正算法时常表现出数值不稳定性的现象。为了解决该问题,探索了修正Gram-Schmidt算法(MGS)中舍入误差的累积效应,然后基于无误差变换技术和双倍双精度算法,设计并实现了双倍双精度修正Gram-Schmidt正交化算法(DDMGS)。该算法的精度测试中显示所提算法较分块施密特正交化(BMGS_SVL,BMGS_CWY,BCGS_PIP与BCGS_PIO)的变体算法具有更好的数值稳定性,证明了DDMGS算法能够有效地减少矩阵的正交性损失,提升数值精度,展示了所提算法的可靠性。在算法的性能测试中,首先计算并比较了不同算法的浮点计算量(flops),随后将所提DDMGS算法与修正施密特正交化算法在ARM和Intel两款处理器上作比较,虽然DDMGS算法的运行时间分别是MGS的5.03倍和18.06倍左右,但获得了明显的精度提升效果。

摘要：本文介绍一种求解半线性问题的完全多重网格算法,该算法是基于多重校正算法与线性边值问题的多重网格迭代结合而设计的.多重校正算法将半线性问题的求解转化成线性边值问题的求解加上在一个低维空间上的半线性问题的求解.利用并行计算技术,这里所提出的多重网格算法可以明显地提高求解半线性椭圆问题的效率.更进一步,当非线性项是多项式函数的时候,本文也设计了一种高效的完全多重网格算法,并且通过分析可以知道该算法求解多项式形式的半线性椭圆问题的计算量具有渐近最优的性质.最后用数值实验验证了本文算法的有效性.