1) parallel iterative algorithm
并行迭代算法
1.
A finite difference parallel iterative algorithm for solving hyperbolic equation;
双曲型方程的有限差分并行迭代算法
2.
In this paper,a parallel iterative algorithm for linear equations is given by approximating inverse of a matrix.
文章利用近似逆矩阵构造了一类求解线性方程组的并行迭代算法。
2) MIMD parallel iterative algorithm
MIMD并行迭代算法
1.
Moreover the acceleration techniques of the algorithm and its potential application to the MIMD parallel iterative algorithm.
利用列处理法和分治策略给出一种求解任意线性代数方程组AX =b(A∈Rn×m)的迭代分治算法 ,证明算法对任意的相容性线性代数方程组收敛于它的一个解而对任意的不相容性线性代数方程组收敛于它的一个最小二乘解 ,并探讨算法的加速技术及其在线性代数方程组MIMD并行迭代算法研究中的应用前
2.
The acceleration techniques of the algorithm and its prospective application to MIMD parallel iterative algorithm for the system of linear algebraic equations are discussed.
利用行处理法和分治策略给出一种求解任意线性代数方程组AX=b(A∈Rn×m)的迭代分治算法,证明算法对任意的相容性线性代数方程组收敛,并探讨算法的加速技术及其在线性代数方程组MIMD并行迭代算法研究中的应用前景。
3) arallel repetitive process
并行迭代法
1.
According to the request of grid concurrent operation of nonlinear programming, the parallel repetitive process is proposed to enhance its parallel based on analyzing the repetitive process of NLS.
根据非线性规划问题的网格并行运算的要求,在分析非线性最小二乘问题的迭代法的基础上,提出了非线性最小二乘问题的并行迭代法来提高其并行度。
4) asynchronous parallel iterative algorithm
异步并行迭代算法
1.
An asynchronous parallel iterative algorithm based on the shared memory MIMD (multiple instruction and multiple data streams) parallel computation model was put forward.
用高次方程正项分解方法,将求解实系数高次方程非零实数根的问题,转化成求解两单调上升凹函数在平面直角系第一象限内交点横坐标的等价问题;给出了基于共享存储多指令流多数据流(MIMD)并行计算模型求解任意实系数高次方程全部实数根的大范围收敛性异步并行迭代算法,并分析了算法计算的复杂程度。
5) message passing parallel iterative algorithm
消息传递并行迭代算法
6) Distributed Parallel iterative algorithm
分布式并行迭代算法
补充资料：迭代算法
迭代算法
iteration algorithm
迭代算法〔i恤腼吨函d朋;HTep叫“ouH‘~p“仪] 由点到集合的一个映射序列A*所确定的递推算法，其中A*:V一V，V是一个拓扑空间，对于某初始点““任v，可依下式计算点列。“任V， 。“+，一注*。“，儿=o，l，·…(l)称算子(1)为迭代(i把mt沁n)，而序列{。“}为迭代序列(itemti祀s叫uence). 迭代法(jtemtionn犯thod)(或迭代逼近法(me-thod of iterati记appro汕na石on”应用于求下面算子方程的解 通。”f，(2)即某泛函的极小值，求方程Au=又“的本征值和本征向量等，同时也用来证明这些问题解的存在性.如果对于一个初始近似。。，当k一的时:‘~。，则称迭代方法(l)收敛到问题的解u. 求解(2)的线性度量空间V上的算子A*一般由下式构造 注*况几=。七一H*(A。友一f)，(3)其中{H*二V~V}是由某迭代型方法所确定的算子序列.压缩映射原理(c ontraCting .n分pp吨pnn-ciPle)及真摧户，’或著向题的泛函变分极小化方法都是建立在构造形如(l)，(3)的迭代法基础之上.所使用的构造A七的各种方法有Newton法(Newton脸thod)或下降法(d留cent，n祀th(记of)的诸多变形.人们尝试选取H*使得在一定条件下。止~u的快速收敛得到保证，这些条件要求计算机存储空间确定后算子A*u六的数值实现充分简单，有尽可能低的复杂性而且数值稳定.求解线性问题的迭代法得到了很好的发展和深人的研究.该迭代法这里分为线性与非线性两大类.Ga.法(Ga璐nr目兀心)，Sd翻法(Sei-delrr℃th司)，逐次超松弛法(见松弛法(侧公爪沁n1优thod))和带有tle氏皿eB参数的迭代法属于线性方法;变分法(如最速下降法，共扼梯度法和极小偏差法(mi曲nal discrepancyn坦thod))等.见最速下降法(s吹p巴t把ceni，皿thi对of);共扼梯度法(eonju，te脚dients，此山记of)属于非线性方法.最有效的迭代法之一是使用tIe玩IIDeB参数(Che勿shevP~t-ers)，这里A是一个带有〔。，M』上谱的自相伴算子，M>m>0.这个方法提供了关于预先指定的第n步收敛性最优(对谱边界上的给定信息)估计.方法可描述为 “‘+’=“一“*十1(通。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条