并行GCR(k)算法在多尺度预报模式中的应用  

Application of parallel GCR(k)algorithm to multi-scale prediction model

作　　者：田有先[1] 赵利斌[1] 

机构地区：[1]重庆邮电大学计算机科学与技术学院,重庆400065

出　　处：《计算机工程与设计》2009年第14期3448-3450,3454,共4页Computer Engineering and Design

基　　金：重庆市科委基金项目(CST2005BB0061);重庆市教委基金项目(KJ070514)

摘　　要：针对多尺度预报模式离散得到的非对称稀疏线性方程组的求解,通过利用GCR(k)算法的固有性质,消除GCR(k)算法的内积计算数据相关性,给出了一种改进的GCR(k)(IGCR(k))算法。同GCR(k)算法对比,IGCR(k)算法与GCR(k)算法有相同的收敛性,在基于MPI的分布式存储并行机群上进行并行计算时,同步开销次数减少为GCR(k)算法的一半。数值计算结果与理论分析表明改进的GCR(k)算法的性能要优于GCR(k)算法。Employing an intrinsic property ofthe GCR （k） algorithm and eliminating data interdependence for inner product computation in the GCR （k） algorithm, an improved parallel GCR （k） algorithm called IGCR （k） algorithm is established for solving large nonsymmetric sparse linear systems derived from multi-scale prediction model. The convergence oflGCR （k） algorithm is as same as GCR （k） algorithm, but the times of the synchronization overhead are reduced by a factor of two when we compute using the IGCR （k） algorithm on distributed memory cluster systems based on MPI environment. The numerical result and theoretical analysis prove that the performance of the IGCR （k） algorithm is better than that of the GCR （k） algorithm.

关 键 词：核姆霍兹方程 GCR(k)算法 并行计算 同步开销 非对称稀疏线性方程组 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]