本文介绍了利用特征BICGSTAB并行求解稀疏矩阵的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
我正在尝试使用Eigen BICGSTAB并行求解Ax=b
形式的线性方程组。
initParallel();
int n=4;
omp_set_num_threads(n);
setNbThreads(n);
BiCGSTAB <SparseMatrix<double>> solver;
solver.compute(A);
x = solver.solve(b);
我还在Visual Studio中启用了OpenMP。但是,当我增加线程数量时,我看不到CPU使用率有任何增加。因此,我看不到它在性能上有任何改进。
但是,当我使用LeastSquaresConjugateGRadient作为求解器时,CPU使用率随着我增加线程数而增加,这意味着我可以成功地并行它,但正如我所说的那样,它不适用于BiCGSTAB。
initParallel();
int n=4;
omp_set_num_threads(n);
setNbThreads(n);
LeastSquaresConjugateGradient <SparseMatrix<double>> solver;
solver.compute(A);
x = solver.solve(b);
任何人都可以告诉我为什么BiCGSTAB无法与之媲美,如何做到这一点?
推荐答案
并行本征BICGSTAB:
int n=4;
omp_set_num_threads(n);
setNbThreads(n);
BiCGSTAB <SparseMatrix<double>,RowMajor> solver;
solver.compute(A);
x = solver.solve(b);
这篇关于利用特征BICGSTAB并行求解稀疏矩阵的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持编程学习网!
本站部分内容来源互联网,如果有图片或者内容侵犯您的权益请联系我们删除!