选择粗化函数优化并行稀疏矩阵向量乘法  

Optimizing Parallel Sparse Matrix-Vector Multiplication by Selected Contraction Functions

作　　者：叶纬材[1] 

机构地区：[1]中山大学数学与计算科学学院//广东省计算科学重点实验室,广东广州510275

出　　处：《中山大学学报（自然科学版）》2012年第5期50-53,共4页Acta Scientiarum Naturalium Universitatis Sunyatseni

基　　金：广东省计算科学重点实验室资助项目;计算科学科研团队资助项目

摘　　要：讨论了如何分划稀疏矩阵的非零元素以减少并行矩阵向量乘法的通信代价。通过以粗化函数为工具,统一现有的数据分划方法;提出一种基于行列分划为初解的粗化函数选取方法,在理论上的证明其运行效率与分划质量不逊于一维数据分划方法;实验数据表明,该方法产生分划质量超过一维数据分划方法的结果,接近甚至超过二维细粒度方上法的结果。A new method is presented for distributing data in sparse matrixvector multiplication by se lected contraction functions. And the contraction functions are selected. The quality and the complexity of this method are theoretically ensured not to worse than those of traditional onedimensional partitioning methods. Experimental results show that this method often produces better results than onedimensional methods and is competitive with the best twodimensional methods.

关 键 词：选择粗化函数 数据分划 并行 稀疏矩阵向量乘法 

分 类 号：O241.83[理学—计算数学]