Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Preconditioners for Mixed FEM Solution of Stationary and Nonstationary Porous Media Flow Problems Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

On the Preconditioned Quasi-Monte Carlo Algorithm for Matrix Computations

verfasst von : V. Alexandrov, O. Esquivel-Flores, S. Ivanovska, A. Karaivanova

Erschienen in: Large-Scale Scientific Computing

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this paper we present a quasi-Monte Carlo Sparse Approximate Inverse (SPAI) preconditioner. In contrast to the standard deterministic SPAI preconditioners that use the Frobenius norm, Monte Carlo and quasi-Monte Carlo preconditioners rely on stochastic and hybrid algorithms to compute a rough matrix inverse (MI). The behaviour of the proposed algorithm is studied. Its performance is measured and compared with the standard deterministic SPAI and MSPAI (parallel SPAI) approaches and with the Monte Carlo approach. An analysis of the results is also provided.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Task-Based Parallel Sparse Matrix-Vector Multiplication (SpMVM) with GPI-2
Nächstes Kapitel Energy Performance Evaluation of Quasi-Monte Carlo Algorithms on Hybrid HPC
Literatur
1.
Alexandrov, V.N., Karaivanova, A.: Parallel monte carlo algorithms for sparse SLAE using MPI. In: Margalef, T., Dongarra, J., Luque, E. (eds.) PVM/MPI 1999. LNCS, vol. 1697, pp. 283–290. Springer, Heidelberg (1999) CrossRef
2.
Allèon, G., Benzi, M., Giraud, L.: Sparse approximate inverse preconditioning for dense linear systems arising in computational electromagnetics. Numer. Algorithm. 16(1), 1–15 (1997)MATHCrossRef
3.
Atanassov, E.I., Durchova, M.K.: Generating and testing the modified halton sequences. In: Dimov, I., Lirkov, I., Margenov, S., Zlatev, Z. (eds.) NMA 2002. LNCS, vol. 2542, pp. 91–98. Springer, Heidelberg (2003)
4.
Atanassov, E., Karaivanova, A., Ivanovska, S.: Tuning the generation of sobol sequence with Owen scrambling. In: Lirkov, I., Margenov, S., Waśniewski, J. (eds.) LSSC 2009. LNCS, vol. 5910, pp. 459–466. Springer, Heidelberg (2010) CrossRef
5.
Benzi, M., Meyer, C., Tuma, M.: A sparse approximate inverse preconditioner for the conjugate gradient method. SIAM J. Sci. Comput. 5, 1135–1149 (1996)MathSciNetCrossRef
6.
Branford, S.: The parallel hybrid Monte Carlo algoritm. Master’s thesis, Schools of Systems Engineering, The Univerity of Reading (2003)
7.
Branford, S.: Hybrid Monte Carlo methods for linear algebra problems. Ph.D. thesis, School of Systems Engineering, The University of Reading, April 2009
8.
Branford, S., Weihrauch, C., Alexandrov, V.N.: A sparse parallel hybrid Monte Carlo algorithm for matrix computations. In: Sunderam, V.S., van Albada, G.D., Sloot, P.M.A., Dongarra, J. (eds.) ICCS 2005. LNCS, vol. 3516, pp. 743–751. Springer, Heidelberg (2005) CrossRef
9.
10.
Carpentieri, B., Duff, I., Giraud, L.: Some sparse pattern selection strategies for robust Frobenius norm minimization preconditioners in electromagnetism. Numer. Linear Algebra Appl. 7, 667–685 (2000)MATHMathSciNetCrossRef
11.
Carpentieri, B., Giraud, L., et al.: Experiments with sparse preconditioning of dense problems from electromagnetic applications. Technical report, CERFACS, Toulouse, France (2000)
12.
Fathi, B., Liu, B., Alexandrov, V.N.: Mixed Monte Carlo parallel algorithms for matrix computation. In: Sloot, P.M.A., Tan, C.J.K., Dongarra, J., Hoekstra, A.G. (eds.) ICCS-ComputSci 2002, Part II. LNCS, vol. 2330, pp. 609–618. Springer, Heidelberg (2002) CrossRef
13.
Grote, M., Hagemann, M.: Spai: sparse approximate inversepreconditioner. Spaidoc.pdf paper in the SPAI 3:1 (2006)
14.
Huckle, T.: Factorized sparse approximate inverses for preconditioning. J. Supercomput. 25(2), 109–117 (2003)MATHCrossRef
15.
Huckle, T., Kallischko, A., Roy, A., Sedlacek, M., Weinzierl, T.: An efficient parallel implementation of the MSPAI preconditioner. Parallel Comput. 36(56), 273–284 (2010). Parallel Matrix Algorithms and ApplicationsMATHMathSciNetCrossRef
16.
Karaivanova, A.: Quasi-Monte Carlo methods for some linear algebra problems. Convergence and complexity. Serdica J. Comput. 4, 58–72 (2010). ISSN: 1312–6555MathSciNet
17.
Niederreiter, H.: Random Number Generation and Quasi-Monte Carlo Methods. SIAM, Philadelphia (1992) MATHCrossRef
18.
Strassburg, J., Alexandrov, V.: Enhancing Monte Carlo preconditioning methods for matrix computations. Procedia Comput. Sci. 29, 1580–1589 (2014)CrossRef
19.
Metadaten
Titel
On the Preconditioned Quasi-Monte Carlo Algorithm for Matrix Computations
verfasst von
V. Alexandrov
O. Esquivel-Flores
S. Ivanovska
A. Karaivanova
Copyright-Jahr
2015
Buch
Large-Scale Scientific Computing

Print ISBN: 978-3-319-26519-3

Electronic ISBN: 978-3-319-26520-9

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-26520-9_17