吴树林
- 作品数：2 被引量：7H指数：1
- 供职机构：四川理工学院理学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：理学更多>>
- Parareal算法的均方稳定性分析被引量：6
- 2011年
- Parareal算法是一种非常有效的实时并行计算方法.与传统的并行计算方法相比,该算法的显著特点是它的时间并行性—先将整个计算时间划分成若干个子区间,然后在每个子区间内同时进行计算.Parareal算法收敛速度快,并行效率高,且易于编程实现,从2001年由Lions,Maday和Turinici等人首次提出至今,在短短的几年间得到了广泛的研究和应用.最近,Parareal算法在随机微分方程数值解中的应用也得到了一些学者的关注.本文中,我们研究Parareal算法在随机微分方程数值解中的均方稳定性,分析保持算法稳定的充分性条件.通过分析,我们得到了如下结论:a)Parareal算法在有限时间区间内是超线性收敛的;b)在无限时间区间内,该算法是线性收敛的.最后,通过数值试验,我们验证了本文中的理论结果.
- 吴树林王志勇黄乘明
- 关键词：并行计算稳定性超线性收敛
- Robin型离散Schwarz波形松弛算法的收敛性分析被引量：1
- 2013年
- Schwarz波形松弛(Schwarz waveform relaxation,SWR)是一种新型区域分解算法,是当今并行计算研究领域的焦点之一,但针对该算法的收敛性分析基本上都停留在时空连续层面.从实际计算角度看,分析离散SWR算法的收敛性更重要.本文考虑SWR研究领域中非常流行的Robin型人工边界条件,分析时空离散参数t和x、模型参数等因素对算法收敛速度的影响.Robin型人工边界条件中含有一个自由参数p,可以用来优化算法的收敛速度,但最优参数的选取却需要求解一个非常复杂的极小-极大问题.本文对该极小-极大问题进行深入分析,给出最优参数的计算方法.本文给出的数值实验结果表明所获最优参数具有以下优点:(1)相比连续情形下所获最优参数,利用离散情形下获得的参数可以进一步提高Robin型SWR算法在实际计算中的收敛速度,当固定t或x而令另一个趋于零时,利用离散情形下所获参数可以使算法的收敛速度具有鲁棒性(即收敛速度不随离散参数的减小而持续变慢).(2)相比连续情形下所获收敛速度估计,离散情形下获得的收敛速度估计可以更加准确地预测算法的实际收敛速度.
- 吴树林
- 关键词：并行计算
