Блочный регуляризованный метод Качмажа



Цитировать

Полный текст

Аннотация

Данная статья посвящена модификации итерационного варианта блочного алгоритма Качмажа для решения задачи регуляризации, который является одним из достаточно эффективных методов для задач большой размерности. Важной характеристикой итерационных методов является скорость сходимости, которая зависит от числа обусловленности исходной задачи. Основным недостатком многих итерационных методов является большое число обусловленности, а у методов, основанных на нормальных уравнениях, число обусловленности системы равно квадрату числа обусловленности исходной задачи. В настоящее время для повышения скорости сходимости итерационных методов используются различные типы предобуславливателей, позволяющие снизить число обусловленности системы уравнений. Недостатками данного подхода являются высокая вычислительная сложность, а также отсутствие универсального предобуславливателя, который мог бы применяться для любого итерационного метода. Одним из эффективных подходов для повышения скорости сходимости метода применение использование блочного варианта используемого метода. В связи с этим в данной работе предлагается оригинальная модификация блочного метода Качмажа для задачи регуляризации, которая позволит уменьшить вычислительную сложность и таким образом повысить скорость сходимости алгоритма. В статье приводится доказательство сходимости предложенного варианта блочного метода Качмажа.

Полный текст

Введение. Некорректные и плохо обусловленные задачи возникают в различных приложениях при решении интегральных уравнений первого рода Блочный регуляризованный метод Качмажа Для решения некорректных задач существует ряд подходов, одним из которых является метод А. Н. Тихонова [1], основанный на решении задачи min { Au - f u∈Rn 2 + α u 2 }, (1) где A ∈ Rm×n , f ∈ Rm , α > 0 - параметр регуляризации, · = · 2 - евклидова норма. Итерационные алгоритмы для решения задачи (1) основаны на решении уравнения Эйлера (регуляризованные нормальные уравнения) (A A + αEn )u = A f, (2) где En - единичная матрица порядка n. Важной характеристикой итерационных методов является скорость сходимости, которая зависит от числа обусловленности исходной задачи. Плохая обусловленность приводит к снижению скорости сходимости итерационных методов. Спектральное число обусловленности задачи (2) равно квадрату числа обусловленности исходной задачи (1), поэтому у данной задачи (2) медленная скорость сходимости. Кроме этого, итерационные методы для решения поставленной задачи расходятся, и поэтому практически невозможно с помощью них решить задачу (1). Так как итерационные алгоритмы могут иметь крайне медленную сходимость, существуют различные подходы для ее увеличения, одним из которых является предобуславливатель [2-6], позволяющий снизить число обусловленности системы уравнений. Для итерационного метода типа проекционного алгоритма последнее время используется рандомизированый подход [7-9]. Однако эти два способа не решают проблему повышения скорости решения задачи. Не для всех задач найдены предобуславлеватели. При условии, что они найдены, их использование приводит к сильному увеличению вычислительной сложности алгоритма, от чего снижается эффект от итерационного метода. Одним из самых наиболее эффективных итерационных методов решения задачи является разработка блочного варианта [10]. Для решения системы (2) рассмотрим блочную форму метода Качмажа [11-13], которая основана на проекционном итерационном алгоритме, предложенном в работе [14] польским математиком С. Качмажем. Применив блочный метод Качмажа к расширенной системе (1), предложим оригинальную модификацию данного метода, полученную по аналогии с работой [10]. Целью данной работы является получение эффективной вычислительной модификации блочного метода Качмажа для задачи регуляризации, что позволит снизить его вычислительную сложность и тем самым повысить скорость сходимости алгоритма. Предполагается, что параметр регуляризации α известен, поэтому в данной статье не рассматривается его выбор. В настоящее время существует много подходов по его определению, одним из которых является метод, предложенный В. А. Морозовым и С. Ф. Гилязовым [15], когда система совместна. Также предлагается множество устойчивых правил выбора параметра регуляризации [16, 17], которые являются стабильными с точки зрения оценки 545 Б о г д а н о в а Е. Ю. уровня производительности. Существуют различные правила отбора параметров регуляризации, не требующие априорной информации [18]. В заключение приведем доказательство сходимости предлагаемого блочного варианта метода Качмажа для задачи регуляризации. Постановка задачи. Регуляризованная нормальная система уравнений (2) может быть представлена в виде матричного уравнения ωEm A A -ωEn y u f 0 = ⇐⇒ Aω z = f , (3) √ где ω = α, Em ∈ Rm×m , En ∈ Rn×n . Матрица Aω системы (3) не сингулярная для α > 0 и имеет единственное решение - вектор z∗ = y∗ u∗ , где u∗ = (A A + αEn )-1 A f , y∗ = ω -1 r∗ , r∗ = f - Au∗ . Модификация блочного метода Качмажа для задачи регуляризации. Представим решение системы (3) в виде системы уравнений (ωEm |A)z = f, (4) (A | - ωEn )z = 0. Воспользуемся блочным методом Качмажа: z1p = z0p + (ωEm |A)+ (f - (ωEm |A)z0p ), (5) ztp (6) p zt+1 = - Btp , p-1 , t = 1, 2, . . ., где Btp = (Ap | - ωEtp )+ (Ap | - ωEtp )ztp , p = 1,2, . . . , s, z0p = zn+1 p n ×n 1 2 p Et ∈ R - p блок единичной матрицы En , т.е. En = (En , En , . . . , Ens ), A = = (A1 , A2 , . . . , As ), Ap ∈ Rm×np , количество блоков зависит от размерности матрицы A и количества строк в блоках, sp=1 np = n, A+ - псевдообратная матрица к A. Уравнение (6) представим в виде рекуррентных уравнений p yt+1 = ytp - Ap Btp , (7) p,t p p up,t t+1 = ut + ω(En ) Bt , (8) где Btp = (Gp Gp )-1 Gp (ytp |upt ) , Gp = (Ap | - ωEnp ). Поскольку y = ω -1 r, где r = f - Au, рекуррентные уравнения (7), (8) могут быть преобразованы следующим образом: p rt+1 = rtp - Ap Ctp , (9) p,t p p up,t t+1 = ut + (En ) Ct , где Ctp = (Dp Dp )-1 Dp (ytp |upt ) , Dp = (Ap | - αEnp ). Покажем, что можно не использовать первое рекуррентное уравнение (5) в процессе итерации, если выполнены дополнительные условия - совпадают с 546 Блочный регуляризованный метод Качмажа начальными условиями u0 = u10 и r0 = r01 . Уравнение (4) используется только для согласования c начальными условиями u0 и r0 : rk+1 = rk - Aj(k) Ck , (10) uk+1 = uk + (Enj(k) ) Ck , (11) j(k) где Ck = (Dj(k) Dj(k) )-1 Dj(k) (yk |uk ) , Dj(k) = (Aj(k) | - αEn ), k = 0, 1, 2, . . ., j(k) = k mod(l) + 1, l - количество блоков, следовательно, {j(k)}∞ k=0 - периодическая последовательность вида {1, 2, . . . , l, 1, 2, . . .}. Введем вектор θk = (rk , uk ) , с помощью которого рекуррентные уравнения (10), (11) можно записать в виде одного рекуррентного уравнения: θk+1 = θk + (Aj(k) | - Enj(k) ) Ck , (12) j(k) где Ck = (Dj(k) Dj(k) )-1 Dj(k) θk , Dj(k) = (Aj(k) | - αEn ), k = 0, 1, 2, . . ., θ0 - вектор начальных значений. Теорема. Пусть вектор начальных условий θ0 = (r0 , u0 ) удовлетворяет условию согласования r0 = f -Au0 . Тогда последовательность θk , формируемая рекуррентным уравнением (12), сходится к θ∗ : θk → θ∗ при k → ∞, θ∗ = (r∗ , u∗ ) . Д о к а з а т е л ь с т в о. Доказательство проведем методом математической индукции. Из условия согласования начальных значений r0 = f -Au0 следует, что условие согласования выполняется при любом k 0: rk = f - Auk , (13) где rk и uk рассчитываются из рекуррентных уравнений (8), (9). Для k = 1 из (8), (9) получаем f - Au1 = f - A(u0 + (En1 ) C0 ) = = (f - Au0 ) - A(En1 ) C0 = r0 - A1 C0 = r1 . Предположим, что (13) выполняется для некоторого произвольного k = ν. Покажем, что (13) выполняется для k = ν + 1: f - Auν+1 = f - A(uν+1 + (Enν+1 ) Cν ) = = (f - Auν ) - Aν (Enν+1 ) Cν = rν - Aν+1 Cν = rν+1 . Из этого следует, что (13) выполняется для любого k > 0. Таким образом, по методу математической индукции для произвольного начального вектора u0 , θk → θ∗ , при k → ∞, θ∗ = (r∗ , u∗ ). В работе [19] показано, что при выполнении теоремы нет необходимости использовать в алгоритме итерационное уравнение (5). Таким образом, блочный алгоритм Качмажа для задачи регуляризации сходится. Выводы. В данной статье предложен эффективный итерационный вариант блочного алгоритма Качмажа для решения задачи регуляризации. Данная оригинальная модификация метода позволяет уменьшить вычислительную сложность и повысить скорость сходимости алгоритма для решения 547 Б о г д а н о в а Е. Ю. некорректных и плохо обусловленных задач, которые возникают в различных приложениях при решении интегральных уравнений первого рода, частных производных, а так же в задачах математической физики. Декларация о финансовых и других взаимоотношениях. Исследование не имело спонсорской поддержки. Автор несет полную ответственность за предоставление окончательной версии рукописи в печать. Окончательная версия рукописи была одобрена автором. Автор не получал гонорар за статью.
×

Об авторах

Екатерина Юрьевна Богданова

Самарский государственный технический университет

Email: fwinter@yandex.ru
аспирант, каф. высшей математики и прикладной информатики Россия, 443100, Самара, ул. Молодогвардейская, 244

Список литературы

  1. Тихонов А. Н., Арсений В. Я. Методы решения некорректных задач. М.: Наука, 1979. 284 с.
  2. Gill P. E., Murray W., Saunders M. A. Preconditioners for indefinite systems arising in optimization // SIAM. J. Matrix Anal. Appl., 1992. vol. 13, no. 1. pp. 292-311. doi: 10.1137/0613022.
  3. Benzi M. Preconditioning Techniques for Large Linear Systems: A Survey // J. Comput. Phys., 2002. vol. 182, no. 2. pp. 418-477. doi: 10.1006/jcph.2002.7176.
  4. Benzi M., Tuma M. A comparative study of sparse approximate inverse preconditioners // Appl. Numer. Math., 1999. vol. 30, no. 1-2. pp. 305-340. doi: 10.1016/S0168-9274(98)00118-4.
  5. Bergamaschi L., Pini G., Sartoretto F. Aproximate inverse preconditioning in the parallel solution of sparse eigenproblems // Numer. Linear Algebra Appl., 2000. vol. 7, no. 3. pp. 99-116. doi: 10.1002/(SICI)1099-1506(200004/05)7:3<99::AID-NLA188>3.0.CO;2-5.
  6. Benzi M., Joubert W. D., Mateescu G. Numerical experiments with parallel orderings for ILU preconditioners // ETNA. Electronic Transactions on Numerical Analysis, 1999. vol. 8. pp. 88-114, http://eudml.org/doc/119978.
  7. Bocs˛an Gh. Convergence of iterative methods for solving random operator equations // J. Nonlinear Sci. Appl., 2013. vol. 6, no. 1. pp. 2-6, http://www.tjnsa.com/includes/files/articles/Vol6_Iss1_2--6_Convergence_of_iterative_methods_fo.pdf.
  8. Gower R. M., Richtárik P. Randomized Iterative Methods for Linear Systems // SIAM. J. Matrix Anal. & Appl., 2015. vol. 36, no. 4. pp. 1660-1690, arXiv: 1506.03296 [math.NA].
  9. Жданов А. И., Сидоров Ю. В. Параллельная реализация рандомизированного регуляризованного алгоритма Качмажа // Компьютерная оптика, 2015. Т. 39, № 4. С. 536-541. doi: 10.18287/0134-2452-2015-39-4-536-541.
  10. Ivanov A. A., Zhdanov A. I. Kaczmarz algorithm for Tikhonov regularization problem // Applied Mathematics E-Notes, 2013. vol. 13. pp. 270-276, http://www.math.nthu.edu.tw/~amen/2013/1302252(final).pdf.
  11. Васильченко Г. П., Светлаков А. А. Проекционный алгоритм решения систем линейных алгебраических уравнений большой размерности // Ж. вычисл. матем. и матем. Физ., 1980. № 1. С. 3-10.
  12. Tanabe K. Projection method for solving a singular system of linear equation and its applications // Numer. Math., 1971. vol. 17, no. 3. pp. 203-214. doi: 10.1007/BF01436376.
  13. Strohmer T. A., Vershynin R. A randomized Kaczmarz algorithm for linear systems with exponential convergence // J. Fourier Anal. Appl., 2009. vol. 15. pp. 262-278. doi: doi: 10.1007/s00041-008-9030-4.
  14. Kaczmarz S. Angenäherte Auflösung von Systemen linearer Gleichungen // Bull. Int. Acad. Polon. Sci. A, 1937. vol. 35. pp. 335-357, http://jasonstockmann.com/Jason_Stockmann/Welcome_files/kaczmarz_english_translation_1937.pdf.
  15. Morozov V. A. Methods of Solving Incorrectly Posed Problems. New York: Springer Verlag, 1984. xviii+257 pp. doi: 10.1007/978-1-4612-5280-1.
  16. Hämarik U., Palm R., Raus T. A family of rules for parameter choice in Tikhonov regularization of ill-posed problems with inexact noise level // Comput. Appl. Math., 2012. vol. 236, no. 8. pp. 2146-2157. doi: 10.1016/j.cam.2011.09.037.
  17. Долишний В. В., Жданов А. И. Вычисление параметра регуляризации методом перекрестной значимости на основе эквивалентных нормальных расширенных систем / Труды седьмой Всероссийской научной конференции с международным участием: Информационные технологии в математическом моделировании. Часть 4 (3-6 июня 2010 г.) / Матем. моделирование и краев. задачи. Самара: СамГТУ, 2010. С. 52-55.
  18. Жданов А. И. Оптимальная регуляризация решений приближенных стохастических систем линейных алгебраических уравнений // Ж. вычисл. матем. и матем. физ., 1990. Т. 30, № 10. С. 1588-1593.
  19. Жданов А. И. Метод расширенных регуляризованных нормальных уравнений // Ж. вычисл. матем. и матем. физ., 2012. Т. 52, № 2. С. 205-208.
  20. Жданов А. И. Об одной модификации итерационного алгоритма Качмажа / Труды седьмой Всероссийской научной конференции с международным участием: Информационные технологии в математическом моделировании. Часть 4 (3-6 июня 2010 г.) / Матем. моделирование и краев. задачи. Самара: СамГТУ, 2010. С. 75-77.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Самарский государственный технический университет, 2016

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.