matlab 如何求解一般性大规模矩阵

冰河丨葬寒心 2016-05-06 10:23:29

QR算法算到1000*1000的矩阵就已经很慢了，有没有大神推荐一下更好的方法来快速求解更大规模的一般矩阵？感谢！！

...全文

42 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

通过引入步长线性搜索，SQP算法在一定的假设条件下可以具有全局和局部超线性收敛性。然而在传统的SQP算法中，其二次规划子问题可能不相容，也就是子问题可行集是空集。为了解决这个不足，备种技术相继被提出。特别是Panier和Tits在[9]中提出的一种可行SQP（FSQP，www.Yifanglunwen.com）算法，其保证山东科技大学硕士学位论文每次迭代都得到可行点，从而避免了上述问题。然而FSQP算法仍然要求每次迭代求解一个二次规划子问题，使得算法的复杂度和计算量仍然较大。在这种情况下便产生了对QP一free算法的研究，因为它的子问题只包含更易求解且计算量相对较小的线性系统。 1988年，panier，Tits和Herskovits在[10]中提出一种求解不等式约束优化lb]题的QP一free算法。该算法每次迭代只要求求解两个不同的线性方程组和一个线性平方问题。从那时起，QP一free算法成为非线性约束优化领域的研究热点之一。 QP一free算法具有SQP算法的一些优点，例如收敛速度快，算法结构简单等。此外它还有其它一些良好性质，例如其子问题通常只包含同系数的线性方程组，并且这些方程组在一定的假设条件下都是可解的。然而，从理论和实用的角度来看，现有的QP一free算法仍存在两个主要问题有待解决。首先，为了确保局部快速收敛性并防止Maratos效应，严格互补松弛条件要被假设成立。然而在一般情况下，该条件很难被检验。其次，求解等式和不等式约束优化问题的QP一free算法一般要求所有等式和有效不等式约束的梯度向量线性无关。但每当等式约束个数多于两个或者总约束个数超过空间维数时，该线性无关条件经常失效。在这种情况下，病态wachier一Biegler现象（参见[4』）就会在算法中发生。Tits等最近在〔2]中提出了一种双重内点算法，在保证收敛性质不受影响的前提下，该算法大大减弱了以上线性无关条件。通过一段时间的发展，存在于早期QP一free算法中的一些缺点己经正在被解决。例如，起初的一些QP一free算法只能证明迭代点列的任一聚点是原问题的稳定点，在一些附加假设条件下，如所有稳定点是孤立的，才能证明这些聚点是原问题KKT点。这个问题在Z.Gao，G.He和F.Wu的关于序列线性方程组算法的文章中得到解决。另外，一些QP一free算法的子问题线性系统在严格互补松弛条件不成立时可能出现病态。这将导致乘子逼近序列出现分歧以致收敛性失败。通过应用Fiseher一Burmeister非线性互补问题函数，H.Qi和L.Qi在【17]中对以前的QP一free算法做了有效的改进，使得迭代矩阵的一致非奇异性得到保证。在大多数QP一free算法中，其子问题的维数通常是满的。因此，当应用于大规模约束问题时，计算量会相应大大增加。Y.Yang和L.Qi在Faeehinei一FISeher一Kanzow KKT识别技术的基础上，http://www.yifanglunwen.com/post/46.html对不等式约束优化问题提出一种QP一free算法。在其每次迭论文摘要代中，只有有效工作集中的约束参与计算。在本文中，我们在Facchinei一Fischer一Kanzow KKT点有效约束集识别技术的基础上提出了三个具有强收敛性的QP一free算法。第一个是求解不等式约束优化问题（NLPI）的可行点算法。在该算法中我们引入如下有效约束集识别函数:。

matlab提取文件要素代码所述ADCME库（A utomatic d ifferentiation库对于C omputational和M athematicalëngineering）旨在与基于梯度的优化技术科学计算一般和可扩展的逆建模。它建立在深度学习框架graph-mode之上，该框架提供自动区分和并行计算后端。该框架采用的数据流模型使其适用于高性能计算和科学计算中的逆建模。设计原则和方法总结在。进一步了解！ ...更多！该库的几个功能是 MATLAB样式的语法。写A*B代替tf.matmul(A,B)用于矩阵生成。海关运营商。在C / C ++中实现对性能至关重要的部分的运算符；在ADCME合并遗留代码或专门设计的C / C ++代码; 通过隐式方案和迭代求解器进行自动微分。数值方案。易于实现的求解PDE的数值方案。物理约束学习。将神经网络嵌入到PDE中，并使用任何数值方案求解，包括隐式和迭代方案。静态图。编译时间计算图优化；模拟代码的自动并行性。并行计算。和模型/数据并行。自定义优化器。 大规模约束优化？使用CustomOptimiz

一、Lyapunov方程的计算求解 1、连续Lyapunov方程连续Lyapunov方程可以表示为： AX + XA* = -C % 其中A*是A的转置 Lyapunov方程源于微分方程稳定性理论，其中要求-C为对称正定的nxn矩阵，从而可以证明解X亦为nxn对称矩阵。Lyapunov类的方程求解是很困难的，可以利用Matlab控制系统工具箱中提供的lyap函数求解，调用格式为 X = ly...

矩阵分析行列式 MATLAB中求解矩阵行列式的函数是det。逆 MATLAB中可以通过函数inv求解矩阵的逆。矩阵的逆在求解线性方程组时是重要的，对于一般的给定线性方程组A*X=b，其解就可以通过X=inv(A)*b求得。需要注意的是，对于严重病态的矩阵或奇异矩阵，inv求解时会出现警告提示，因为这时候其逆矩阵本来就不存在，或者非常容易受扰动而使得求解不精确。对于一般的长方形...

MATLAB是一种强大的数学工具软件，以下将介绍线性规划模型的MATLAB求解。 1. 线性规划的标准型目标函数：约束条件：其中，是目标函数的系数矩阵，称为决策变量，是不等约束系数矩阵，是不等约束常数向量，是相等约束系数矩阵，是相等约束常数向量，是决策变量下界值，是变量上界值向...

其他开发语言

3,423

社区成员

15,635

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章