Jak rozumiem, sukcesywne nad relaksacją działa poprzez wybranie parametru i użycie liniowej kombinacji (quasi) iteracji Gaussa-Seidela i wartości w poprzednim kroku czasu ...
Podaję „quasi”, ponieważ zawiera najnowsze informacje zaktualizowane zgodnie z tą zasadą, w dowolnym momencie. (zauważ, że dla jest to dokładnie gauss-seidel).
W każdym razie przeczytałem, że przy optymalnym wyborze dla (takiego, że iteracja zbiega się szybciej niż jakikolwiek inny) zbliża się 2 do problemu poissona, gdy rozdzielczość przestrzenna zbliża się do zera. Czy istnieje podobny trend w przypadku innych symetrycznych, dominujących po przekątnej problemów? Czy istnieje sposób optymalnego wyboru omegi bez osadzania jej w adaptacyjnym schemacie optymalizacji? Czy istnieją inne heurystyki dla innych rodzajów problemów? Jakie problemy byłyby zbyt niskie ( ) optymalne?
Odpowiedzi:
Tłumione Jacobi
Załóżmy, że macierz ma przekątnej . Jeśli widmo leży w przedziale dodatniej osi rzeczywistej, to macierz iteracji Jacobiego ze współczynnikiem tłumienia ma widmo w zakresie , więc minimalizacja promienia widmowego za pomocą daje współczynnik zbieżności Jeśli , to ten współczynnik konwergencji jest bardzo słaby, zgodnie z oczekiwaniami. Zauważ, że stosunkowo łatwo jest oszacowaćA D D−1A [a,b] ω
Sukcesywna nadmierna relaksacja (SOR)
Young (1950), okazały się optymalnego wyniku dla SOR stosowane do matryc z tak zwanego WŁASNOŚCI , spójnej kolejności , a dodatnie rzeczywiste wartości własne . Biorąc pod uwagę maksymalną wartość własną niehamowanej macierzy iteracji Jacobi ( jest zagwarantowane przez założenia w tym przypadku), optymalnym współczynnikiem tłumienia dla SOR jest co daje współczynnik konwergencji Zauważ, że zbliża się do 2, gdy .D−1A μmax I−D−1A μmax<1
Komentarze
To już nie jest 1950 rok i naprawdę nie ma sensu używać stacjonarnych metod iteracyjnych jako solverów. Zamiast tego używamy ich jako wygładzaczy dla wielu sieci. W tym kontekście dbamy tylko o górną granicę spektrum. Optymalizacja współczynnika relaksacji w SOR powoduje, że SOR wytwarza bardzo małe tłumienie wysokich częstotliwości (w zamian za lepszą zbieżność na niższych częstotliwościach), dlatego zwykle lepiej jest używać standardowego Gaussa-Seidela, odpowiadającego w SOR. W przypadku problemów niesymetrycznych i problemów o bardzo zmiennych współczynnikach, słabo zrelaksowany SOR ( ) może mieć lepsze właściwości tłumiące.ω=1 ω<1
Szacowanie obu wartości własnych jest drogie, ale największą wartość własną można szybko oszacować za pomocą kilku iteracji Kryłowa. Wygładzacze wielomianowe (wstępnie przygotowane z Jacobi) są bardziej skuteczne niż wielokrotne iteracje tłumionego Jacobi i są łatwiejsze do skonfigurowania, więc powinny być preferowane. Zobacz tę odpowiedź, aby uzyskać więcej informacji na temat wygładzaczy wielomianowych.D−1A
Czasami twierdzi się, że SOR nie powinien być stosowany jako warunek wstępny dla metod Kryłowa, takich jak GMRES. Wynika to z obserwacji, że optymalny parametr relaksacji powinien umieścić wszystkie wartości własne macierzy iteracji na kole wyśrodkowany na początku. Spektrum kondycjonowanego operatora
źródło