بهبود همگرایی روش gmres با شروع مجدد

بررسی همگرایی روش GMRES برای ماتریس‌های همراه بلوکی از طریق غلاف‌های عددی چندجمله‌ای وار

<span style="color: #222222; font-family: Arial, Helvetica, sans-serif; font-size: small; font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: 400; letter-spacing: normal; orphans: 2; text-align: start; text-indent: 0px; text-transform: none; white-space: normal; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; background-color: #ffffff; text-...

یادداشت سردبیر: چرا توقف، چرا شروع مجدد؟

روش های کمترین باقیمانده تعمیم یافته (gmres)و بررسی نرخ همگرایی آن دریک سیستم خطی خاص

در این پایان نامه روش تکراری کمترین باقیمانده تعمیم یافته (gmres) را یکبار با استفاده از تبدیلات گیونز و بار دیگر با استفاده از مشتق مورد بررسی قرار داده و سپس آنها را از نظر تعداد اعمال حسابی و مقدار حافظه اشغال شده مورد مقایسه قرار می دهیم. نرخ همگرایی کمترین باقیمانده تعمیم یافته (gmres) را برای سیستم خطی ax=b با ماتریس تاپ لیتز سه قطری، وقتی که b ستون اول یا آخر ماتریس همانی باشد مورد بررس...

Weighted Inner Products for GMRES and GMRES-DR

The convergence of the restarted GMRES method can be significantly improved, for some problems, by using a weighted inner product that changes at each restart. How does this weighting affect convergence, and when is it useful? We show that weighted inner products can help in two distinct ways: when the coefficient matrix has localized eigenvectors, weighting can allow restarted GMRES to focus o...

Gmres with Multiple Preconditioners∗

We propose a variant of GMRES, where multiple (two or more) preconditioners are applied simultaneously, while maintaining minimal residual optimality properties. To accomplish this, a block version of Flexible GMRES is used, but instead of considering blocks associated with multiple right hand sides, we consider a single right-hand side and grow the space by applying each of the preconditioners...

GMRES with Deflated Restarting

A modification is given of the GMRES iterative method for nonsymmetric systems of linear equations. The new method deflates eigenvalues using Wu and Simon’s thick restarting approach. It has the efficiency of implicit restarting, but is simpler and does not have the same numerical concerns. The deflation of small eigenvalues can greatly improve the convergence of restarted GMRES. Also, it is de...