我想使用 Eigen 求解器求解线性代数方程 Ax = b。 在我的例子中,A 是一个复杂的稀疏矩阵 (26410*26410),b 是一个实 vector (26410*1)。
我在 MATLAB 中使用 mex 文件将稀疏矩阵 A 和 vector b 映射到 Eigen 可接受的格式。我使用 Eigen 求解器的原因是希望它比直接在 MATLAB 中使用 x = A\b
求解更快。
然而,在尝试了LDLT、SparseLU、CG和BiCGSTAB之后,我发现结果并不是很令人满意:
LDLT 需要 1.462 秒,norm(A*x - b)/norm(b) = 331
;
SparseLU用1.5193e-4耗时37.994s;
BiCGSTAB 以 4.5977e-4 耗时 95.217s;
相比之下,在MATLAB中直接使用x = A\b
耗时13.992s,误差范数为2.606e-5。
我知道将 MATLAB workspace 中的稀疏矩阵 A 和 vector b 映射到 Eigen 有点愚蠢,也很耗时。但是我想知道我得到的结果是否是 Eigen 能给出的最好结果?任何人都可以给我一些指示吗?我应该尝试其他一些线性方程求解器吗?非常感谢!以下是主要部分代码。
void mexFunction(int nlhs, mxArray *plhs[], int nrhs, const mxArray *prhs[]) {
//input vars
//temp var
size_t nrows;
//output vars
//double *x;
//GetData
/* check inputs
...*/
//"mxArray2SCM" is a sub-function for map the complex sparse matrix in Eigen
SpCMat A = mxArray2SCM(prhs[0]);
//SpMat A = mxArray2SM(prhs[0]);
//"mxArray2ECV" is a sub-function for map the real vector in Eigen
Eigen::VectorXcd b = mxArray2ECV(prhs[1]);
//Eigen::VectorXd b = mxArray2EV(prhs[1]);
nrows = b.size();
//Computation
Eigen::VectorXcd x(nrows);
//SparseLU<SparseMatrix<CD> > solver;
BiCGSTAB<SparseMatrix<CD>,IncompleteLUT<CD> > BiCG;
//BiCG.preconditioner().setDroptol(0.001);
BiCG.compute(A);
if(BiCG.info()!=Success){
//decomposition failed
return;
}
x = BiCG.solve(b);
//Output results
plhs[0] = ECV2mxArray(x);
}
最佳答案
您是否考虑过使用 PetSc对于 Krylov 求解器或 SLEPc计算特征值?
确保在使用特定的 Krylov 求解器之前分析特征谱(CG 仅适用于对称正定矩阵)。
PETSc 有很多求解器,您可以根据您的特征谱尝试这些求解器。
可以查看Y. Saad's有关这些求解器如何工作的书籍。
如果您的矩阵不是对称正定 GMRES 是一个不错的选择。
关于c++ - Eigen 线性代数求解器似乎很慢,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39994656/