Método para resolver autovectores para máquinas paralelas y método de simulación para análisis estructural usando el mismo
Descripción general
 Ejecución de alta precisión y alta velocidad de cálculo de vectores propios de matriz grande mediante el uso efectivo de hardware de computadora paralela de tipo de memoria distribuida. ] En la solución numérica de los vectores propios de una matriz grande de un ordenador paralelo de memoria distribuida, el procesamiento de datos de la matriz y de entrada 21 valores propios datos, determina valor propio proceso de análisis de distancia la distancia entre los otros valores propios para cada valor propio 22, la resolución de los vectores propios vector propio prioridad del proceso de cálculo de proceso 23 para determinar para determinar el orden, vectores propios de procesamiento de determinación de distribución 24 para distribuir el respectivo cálculo vector propio a los procesadores individuales, los vectores propios de comunicación entre procesadores, ya determinados en el intervalo de los resultados del análisis de distancia autovalor 22 mientras que los vectores propios obtenidos y los vectores propios ortogonales proceso de cálculo 25 para la determinación de los vectores propios por el método de iteración inversa, un proceso de salida 26 para la salida de vectores propios integrados determinados en cada procesador. ] El cálculo de vectores propios de alta precisión y alta velocidad en una computadora paralela de tipo de memoria distribuida, y la simulación de análisis estructural rápida y altamente precisa se hacen posibles.
Campo técnico
memoria La presente invención se distribuye ordenador paralelo (en adelante, el ordenador simplemente paralelo) se refiere a vector propio cálculo de grandes matrices en, en particular, análisis, elástica, se refiere a método de ejecución rápido vector propio cálculo de grandes matrices que aparecen en la simulación numérica, tal como un análisis de fluidos .
Antecedentes de la técnica
Cuando se conoce el eigenvalor e, el eigenvector v puede obtenerse del vector inicial apropiado mediante el método de iteración inversa (Ecuación 1).
Aquí, con el fin del método de iteración inversa más rápido y con alta precisión, cada vez que una iteración, el cálculo de los vectores propios de la ortogonalización como los otros vectores propios w obtenido ya el número 2 Fue considerado.
Sin embargo, este proceso de ortogonalización, ya que muchos altamente computacional, por vectores propios solamente ortogonalizados pertenecientes a particular, cerca de los valores propios, es una práctica común para eliminar errores más apareciendo cálculo numérico Lo ha hecho. El cálculo del vector propio mediante este método se denominará ortogonalización inversa con iteración en lo sucesivo.
El cálculo del vector propio por esta ortogonalización con el método de iteración inversa, para el procesamiento de alta velocidad, ser realizado en computadoras paralelas, se ha realizado convencionalmente (Wilkinson, Reinsch, Linear Algebra, Sprnger-Verlag pp418-pp439) encontró el proceso de El método se describirá con referencia a las figuras 13 y 14.
Primero, la agrupación de valores propios se realiza en la FIG. Supongamos que los valores propios e 1, e 2, etc. están presentes en el número línea recta 131 en orden desde el más pequeño ahora. En la figura 13, su posición está indicada por una flecha en aras de la explicación. Aquí, el uso de un cierto eps de referencia, sus dos valores propios si valores propios eps regla acuerdo menos adyacente del mismo grupo, divididos todos los autovalores en grupos, un grupo 132, el grupo 133, y similares. Este proceso se denomina en lo sucesivo agrupación de valores propios.
A continuación, se describirá un método de distribución de cálculo de vectores propios que pertenece a valores propios agrupados usando la figura 14. En este ejemplo, un procesador es responsable del número de grupos dividido por el número de procesadores que usan la cantidad de procesadores, y un procesador está a cargo de cada uno de los grupos restantes. En la figura 14, se muestra el caso en el que cuatro procesadores están a cargo de grupos divididos en cinco. En este caso, tres de los cuatro procesadores están a cargo de un grupo, y un procesador está a cargo de dos grupos. Por lo tanto, el procesador 1 está a cargo de los grupos 141 y 142, el procesador 2 está a cargo del grupo 143, el procesador 3 está a cargo del grupo 144, y el procesador 4 está a cargo del grupo 145.
Cada procesador realiza un método de iteración inversa con ortogonalidad dentro del grupo a cargo. Aquí, después de la calculada sin la ortogonalización de los autovectores pertenecientes al valor propio más pequeño de la secuencialmente un grupo un grados en la iteración inversa, los vectores propios que pertenece a valor propio más pequeño que su valor en el grupo de Y la ortogonalización se lleva a cabo para realizar un método iterativo inverso con ortogonalización.
Tarea de solución
En una computadora paralela, cuando se dan valores propios, cuando se obtienen vectores propios de una matriz grande a alta velocidad y con alta precisión mediante el método de iteración inversa de ortogonalización, la técnica convencional tiene los siguientes problemas.
El primer problema, por un grupo de valores propios es que la distancia real puede ser más que el valor de referencia, a pesar de pertenecer al mismo grupo se realiza ortogonalización de lo necesario para. Es decir, está haciendo una gran cantidad de cálculos innecesarios.
El segundo problema es que existen restricciones en el número de procesadores que se utilizarán debido a la agrupación de valores propios. Por lo tanto, dependiendo de la distribución de valores propios, el número de grupos es pequeño, por lo que la ejecución paralela puede no funcionar de manera efectiva en algunos casos. Este es un problema muy serio, especialmente cuando se considera el uso efectivo del hardware de una computadora masivamente paralela que tiene una gran cantidad de procesadores.
El tercer problema, por un grupo de valores propios, ya que la cantidad determinada de este modo de elemento procesador de cálculo a cargo de cada grupo, cada elemento de procesador sobre el que la luz de los resultados de procesador individual utilizado con toda la cantidad de cálculo Es imposible asignar la cantidad computacional de. En otras palabras, no se puede ajustar el balance de carga de elementos de tratamiento, en particular, el hardware del número de procesador es grande ordenador masivamente paralelo, así, teniendo en cuenta el uso efectivo del rendimiento de los procesadores individuales son diferentes, tales hardware paralelo, muy Es un gran problema.
Solución
Con el fin de resolver los problemas anteriores, la presente invención, sin agrupar los valores propios, para cada valor propio, es ortogonal al vector propio correspondiente a los demás valores propios que van distancia de la referencia abajo es de sus valores propios, Realizamos el método de iteración inversa con ortogonalización por la política de.
El método de solución de vectores propios para máquinas paralelas de la presente invención, basado en esta política, consiste en los siguientes seis procesos.
(1) Procesamiento de entrada de datos de matriz y datos de autovalores.
(2) Otros determina qué valor propio que es menor que una cierta distancia valor de referencia entre los valores propios para cada valor propio, para determinar el grado en ortogonales, análisis de distancia de valores propios.
(3) En consideración del rango a ortogonalizar obtenido en el procesamiento de análisis de distancia de autovalores, se da prioridad a todos los autovalores. Aquí, por lo que no se solape con la prioridad de los valores propios en el rango de menor que y ortogonales propia, dando la máxima prioridad posible. A partir de entonces, en orden desde el cálculo del vector propio que corresponde al valor propio de alta prioridad, si la prioridad es el mismo, realizar los cálculos de vectores propios que pertenecen a un pequeño valor propio para su valor con el fin de determinar el orden de. El procesamiento de determinación de prioridad de cálculo de vector propio para determinar el orden de cálculo de vectores propios de esta manera.
(4) En cada cálculo del vector propio, en vista de la cantidad calculada de ortogonalización derivada de los resultados de los análisis de distancia de valores propios, la distribución de los vectores propios respectivos calculados de acuerdo a su rendimiento en los procesadores individuales, vectores propios de procesamiento de distribución.
(5) basado en el proceso de determinación de prioridad de cálculo vector propio, así como los vectores propios calculados los resultados del procesamiento de distribución, mientras que la comunicación entre si vectores propios necesarios de procesadores, la gama de los resultados del análisis de distancia de valores propios, perpendiculares a la previamente buscó vectores propios Procesamiento de cálculo de vector propio para obtener vectores propios por método iterativo inverso durante la conversión.
(6) Procesamiento de salida para integrar y generar vectores propios obtenidos en cada procesador.
El proceso de análisis de distancia valor propio (2), con el fin de buscar vectores propios ortogonales pertenecientes a hacer referencia a los siguientes valores propios con los valores propios distancia entre elimina la necesidad convencional más ortogonalización fue hecho por el método de cálculo, primero Está resuelto
Además, para evitar la agrupación de una manera convencional, después de determinar la cantidad de cálculo de los vectores propios individuales basados ​​en los resultados de proceso de análisis de distancia valor propio (2), cada procesador en el proceso de distribución de vector propio de cálculo (4) Es posible paralelizar hasta el número de vectores eigen a ser resueltos y, por lo tanto, hay casos en los que no se puede esperar casi la paralelización dependiendo de la distribución de los valores propios como en el método convencional Se evita y el segundo problema se resuelve.
Además, para evitar la agrupación de una manera convencional, la (4) en el proceso de distribución de vector propio computing, dependiendo del rendimiento de la cantidad de cálculo y los procesadores requeridos para cada vector propio, el cálculo de cada vector propio de procesadores individuales De modo que se logra el ajuste óptimo del equilibrio de carga de todo el procesador que se utilizará y se resuelve el tercer problema.
En lo sucesivo, una realización del método de solución de vectores propios para una máquina paralela se describirá como una primera realización de la presente invención con referencia a la figura 1 a la figura 12.
En primer lugar, se describirá un ejemplo del aparato de procesamiento global utilizado en la realización con referencia a la figura 1. El aparato de procesamiento entera incluye un procesador 101, la entrada de la memoria externa 102, la memoria externa de salida 103, un procesador 104, un procesador 105, un procesador 106, un procesador 107, una memoria 108, una memoria 109, una memoria 110, se compone de la memoria 111, la memoria 108 Se supone que el procesador 104 va acompañado de la memoria 109 para el procesador 105, la memoria 110 para el procesador 106 y la memoria 111 para el procesador 107. Por lo tanto, en la siguiente descripción, el número de procesadores utilizados para el cálculo del vector propio se describirá como 4. Además, los siguientes contenidos de procesamiento deben registrarse en la biblioteca en todo el aparato de procesamiento.
La Figura 2 es un diagrama de flujo que muestra el procedimiento del proceso general de la presente invención forma de realización, la entrada de tratamiento 21, el proceso distancia valor propio análisis 22, los vectores propios de prioridad calculado determinantes de procesamiento 23, los vectores propios calculados de procesamiento de distribución 24, el cálculo del vector propio 25, el procesamiento de salida 26 .
A continuación, se describirán contenidos de procesamiento específicos del procesamiento de entrada con referencia a la figura 3. Aquí, en la entrada para la memoria externa, los elementos de matriz, los valores propios de la matriz, la relación de rendimiento del procesador, los datos de los valores de referencia EPS utilizan para análisis de distancia de valores propios, a través de cada k procesador, es introducida en el k memoria asociada con que k procesador (Bloque 31), la operación k se repite de 1 a 4 (bloque 32).
A continuación, se describirá el procesamiento del análisis de distancia de valores propios con referencia a la figura 4. Aquí, analizamos desde dónde hasta dónde otros autovalores cuyas distancias son menores que el valor de referencia eps para cada valor propio.
Ahora se supone que los valores propios e 1, e 2, e 3, e 4, e 5, e 6, e 7, e 8, e 9 se ubican en la recta numérica 41 en orden ascendente. Para entender la posición de cada valor propio, se dibuja una flecha sobre la recta numérica. Para el eigenvalue e1, las distancias menores que eps son e2, e3. En la figura 4, las líneas discontinuas 42 y 43 se extraen de e 1 a e 2 para facilitar la comprensión y e 3 para la comprensión. Lo mismo se aplica a otros valores propios.
A continuación, se describirán contenidos de procesamiento específicos de procesamiento de análisis de valores propios con referencia a la figura 5. Aquí, con respecto al valor propio j-ésimo, el número del valor propio más pequeño en su distancia ser incluido es menor que el abeto EPS valor de referencia valores propios (j), el valor propio más grande y el extremo (j).
En primer lugar, un 'determina si j = 1 (bloque 501), y el abeto (j) = 1 Si es así (bloque 502), el proceso pasa a la siguiente de otra manera. En primer lugar k = j-1 . (bloque 503), entonces | e (k) -e (j) | /u0026 lt; determina si el EPS (bloque 504), y abeto (j) = k-1, de otro modo (bloque 505) Si es así, proceda de la siguiente manera: Primero, la operación de k = k-1 (bloque 506) y de vuelta al bloque 501 'se ejecuta desde j = 1 a 9 (bloque 507).
Entonces, 'determina si j = 9 (bloque 508), y si es así el extremo (j) = 9 (bloque 509), el proceso pasa a la siguiente de otra manera. En primer lugar k = j + 1 y (Bloque 510), entonces se determina si es | e (k) - e (j) | A continuación, se describirá el procesamiento de determinación de prioridad de cálculo de vector propio con referencia a la figura 6.
En primer lugar, se determina la prioridad de cada cálculo de vector propio, y el orden del cálculo de los vectores propios completos se determina en función de la prioridad. Aquí, la prioridad se asigna a cada vector propio de acuerdo con la siguiente regla. (Regla 1) La prioridad de e (1) será 1. (Regla 2) Cada vector propio debe asignarse con la mayor prioridad posible. (Regla 3) La distancia debe ser menor que eps y no debe tener la misma prioridad que la prioridad del valor propio más pequeño que usted. La precedencia de los valores propios e (1) a e (9) está determinada por la regla anterior. 61 representa el resultado de determinar la prioridad de e (1) de acuerdo con (Regla 1), luego la prioridad de e (2) por (Regla 2) y (Regla 3). 62, 63, 64 son prioridades determinadas para los valores propios restantes por (Regla 2) y (Regla 3).
De esta manera, después de la prioridad ha sido determinada, 'la carga vector propio calcula en cada procesador, el primer cálculo vector propio de alta prioridad, si hay una misma prioridad vector propio cálculo, con el fin del valor del valor propio es pequeña , Realice el cálculo del vector propio '.
A continuación, se describirán los contenidos de procesamiento específicos del procesamiento de determinación de prioridad de cálculo de vector propio con referencia al diagrama de flujo de la figura 7. Aquí, la prioridad del cálculo del vector propio que pertenece a cada eigenvalor e (j) se denota como prio (j).
Se determina si j = 1 (bloque 71), si es así, prio (j) = 1 (bloque 72), de lo contrario vaya a lo siguiente: k = 1, m = abeto Luego se determina en el bloque 73 si k = prio (m) (bloque 74), de lo contrario k = k + 1 (bloque 75) y vuelve al bloque 74. Si es así (Bloque 76), entonces se determina si m = j (bloque 77), de lo contrario vuelve al bloque 74, y si es así, prio ( Repita j de 1 a 9 para la operación 'j = k (bloque 78)' (bloque 79).
A continuación, se describirá el procesamiento de distribución de cálculo de vector propio con referencia a la FIG. Aquí basado en la prioridad determinado en el proceso de determinar la prioridad de vector propio de computación, logrando computacional sobre ortogonalización, de acuerdo con la relación de rendimiento de cada procesador se asigna un cálculo del vector propio para cada procesador.
Primero, la cantidad de cálculo 81 de ortogonalización de cada cálculo del vector propio, otros números de vectores propios utiliza cuando la ortogonalización, es decir, la distancia está en el intervalo de menos de EPS, determinado a partir del número de otros valores propios de menor prioridad. Por ejemplo, dado que el cálculo de vector propio cuya prioridad es 1 no tiene ortogonalización, la cantidad de cálculo de ortogonalización es 0. e (2) es 1 porque la distancia está en el rango menor que eps y el otro valor propio con prioridad baja es e (1) solamente. Lo mismo se aplica a otros valores propios.
A continuación, el cálculo del vector propio se distribuye a cada procesador como se muestra mediante una línea 82, de modo que la cantidad de cálculo de ortogonalización y la relación de rendimiento del procesador están equilibradas. Es decir, (la cantidad de cálculo de ortogonalización que cada procesador está a cargo / la relación de rendimiento de cada procesador) se distribuye de manera que sea lo más igual posible.
A continuación, se describirán los contenidos de procesamiento específicos en la primera mitad del procesamiento de distribución de cálculo de vectores propios con referencia al diagrama de flujo de la figura 9. Aquí la definición de la cantidad de cálculo de ortogonalización en cada uno de los cálculos de vector propio, que muestra la cantidad de cálculo de ortogonalización para vector propio cálculo perteneciente al valor propio e (j) y mas (j).
'El bloque 91 primero se hace con mas (j) = 0 ym = abeto (j) A continuación, se juzga si prio (m) /u0026 lt; prio (j) (bloque 92) m + 1 y luego (bloque 93), el proceso vuelve al bloque 92, está procediendo con la siguiente si es así. primero y mas (j) = mas (j) 1 (bloque 94), entonces m = poner fin a la (j) (Bloque 95), de lo contrario proceda al bloque 93, regrese al bloque 92, y si es así, finalice el ciclo de j (bloque 96) 'j se repite del 1 al 9 Bloque 97).
A continuación, se describirán contenidos de procesamiento específicos en la segunda mitad del procesamiento de distribución de cálculo de vectores propios con referencia a la FIG. Aquí con ortogonalización Importe de Cálculo mas (j) determina la distribución a cada procesador vector propio cálculo, pero que, en número de procesador (en esta realización responsables para el cálculo vector propio correspondiente al valor propio e (j) es 1 , 3, 4) como mem (j). Además, la relación de rendimiento de cada procesador k es pro (k).
Primero agregue todos los mas (j) y configúrelo como massum (bloque 1001). A continuación, agregue todos los pro (k) y hágalo prosum (bloque 1002). Entonces, j = 1 (bloque 1003). Entonces la 'Primera GPRO (k) = 0 (bloque 1004), entonces GPRO (k) y ;. gt Determina si este es el massum / prosum (bloque 1005), y j = j + 1 si así se (K) + (mas (j) / pro (k)) (bloque 1007) y luego mem (j) = k (Bloque 1008), j = j + 1 (bloque 1009), y regresando al bloque 1005 'k repite de 1 a 4 (bloque 1010).
A continuación, se describirán contenidos de procesamiento específicos de procesamiento de cálculo de vector propio con referencia al diagrama de flujo de la figura 11. Aquí el vector propio que se obtiene v (i, j); i es el número de los elementos de cada vector propio i = 1, ..., n, también j es el número de cada vector propio, j = 1 ,. .., 9. Aunque el número de iteración del cálculo iterativo inverso no está limitado a uno, en muchos casos solo se necesita una iteración, por lo que en la presente realización se describirán los contenidos del procesamiento que es un cálculo de iteración.
Deje que el valor máximo de prio (j) sea maxprio (bloque 1101). A continuación, se determina si mem (j) = k en el procesador k (bloque 1102), de lo contrario proceda al siguiente j (bloque 1112), y si es así, proceda con lo siguiente: 'prio (bloque 1103), de lo contrario proceda al siguiente k 2 (bloque 1104), y si es así, proceda con lo siguiente: m = abeto (j) (bloque 1105) Primero, , Prio (m) /u0026 lt; prio (j) (bloque 1106). De lo contrario, proceda al bloque 1110. Si es así, mem (m) = mem ) (Bloque 1107), de lo contrario transfiere v (i, m); i = 1, ..., n de mem (m) a mem (j) (bloque 1108) ) y procede al bloque 1109, si es así, los vectores propios v (i aproximación, j); i = 1, ..., a n v (i, m); i = 1, ..., a n Los componentes se eliminan mediante la técnica de ortogonalización (bloque 1109), luego m = m + 1 (bloque 1110), m = extremo (j) +1 Que el entonces (bloque 1111), la operación de ir a la siguiente j (bloque 1112) 'K2 se repiten de 1 a MAXPRIO j en el procesador de k una operación de (bloque 1113)' se repite de 1 a 9 (bloque 1114) ' La operación k se repite de 1 a 4 (bloque 1115).
Finalmente, los contenidos de procesamiento específicos del procesamiento de salida se describirán con referencia al diagrama de flujo de la figura 12. Aquí, se llevó a cabo en la k de la memoria asociado a 'k vectores propios v de procesador (i, j); i = 1, ..., n, los datos de salida de la (j para mem (j) = k se convierte en j) (Bloque 121) 'a la memoria externa para el bloque' k 'de 1 a 4 (bloque 122).
A continuación, se describirá una segunda realización de la presente invención con referencia a la FIG.
Este procesamiento es un método de simulación de análisis estructural que utiliza el método de solución de vector propio descrito en el primer ejemplo, y es un método para realizar análisis estructural al resolver una ecuación de un cuerpo elástico. Este método, proceso de entrada de datos elástica (bloque 151), el procesamiento de cálculo de valor propio (bloque 152), el proceso de resolución de vector propio para realizar el método descrito en el Ejemplo 1 para implementar el método descrito en el Ejemplo 1 (bloque 153), Y un proceso de salida de resultados (bloque 154). El procesamiento para ejecutar el análisis estructural usando estos procesos se describirá a continuación.
En primer lugar, se realiza el procesamiento de entrada de datos del cuerpo elástico en el que los datos de una condición de coeficiente, una condición de valor límite y una condición inicial en una ecuación de cuerpo elástico se introducen en una memoria externa de entrada.
En segundo lugar, el procesamiento del cálculo del valor propio se realiza para obtener sus valores propios de la ecuación del cuerpo elástico por el método de cálculo del valor propio.
En tercer lugar, se realiza un proceso de cálculo de vector propio para obtener un vector propio de acuerdo con los contenidos del proceso descritos en la primera realización.
En cuarto lugar, los valores propios obtenidos mediante el procesamiento de cálculo de valores propios, y salidas a los vectores propios de memoria externa de salida determinados por el procesamiento de vector propio cálculo, y el resultado de proceso de salida.
Efecto de la invención
Según la presente invención, tiene como objetivo reducir la cantidad total de cálculo mediante la realización de ortogonalización mínimo en el cálculo de vector propio individuo, los vectores propios individuales en función del rendimiento de la cantidad de cálculo y los procesadores necesarios para cada cálculo de vector propio Al asignar cálculos a procesadores individuales, es posible ajustar el balance de carga de todo el procesador, y el cálculo de vectores propios se puede ejecutar con alta precisión y alta velocidad. Como resultado, la simulación de análisis estructural puede procesarse adicionalmente a alta velocidad.
Figura 1 Diagrama de bloques de la unidad de procesamiento general.
Fig. 2 Diagrama de bloques del procesamiento general.
Fig. 3 Diagrama de flujo del procesamiento de entrada.
La figura 4 es un diagrama explicativo del procesamiento de análisis de distancia de autovalores.
Fig. 5 Diagrama de flujo del procesamiento de análisis de distancia de autovalores.
La figura 6 es un diagrama explicativo del procesamiento de determinación de prioridad de cálculo de vector propio.
Fig. 7 Diagrama de flujo del procesamiento de determinación de prioridad de cálculo de vector propio.
Figura 8 Explicación del procesamiento de distribución de cálculo de vectores propios.
Fig. 9 Diagrama de flujo de la primera mitad del procesamiento de distribución de vectores propios.
Fig. 10 Eigenvector Cálculo Diagrama de flujo de la segunda mitad del proceso de distribución.
Fig. 11 Diagrama de flujo del procesamiento de cálculo de vectores propios.
Fig. 12 Diagrama de flujo del procesamiento de salida.
La figura 13 es un diagrama explicativo de la agrupación de valores propios convencionales.
Fig. 14 Explicación de la asignación a procesadores convencionales.
Fig. 15 Explicación del procesamiento de simulación de análisis estructural.
procesamiento de entrada usando la Fig. 4 ...... 21 de salida de la memoria externa 101, 22 valor propio procesamiento de análisis de distancia por el procesador 101, los vectores propios prioridad determinar procesamiento calculados por 23 procesador 101, los vectores propios calcula procesamiento de distribución por 24 procesador 101, 25 procesador 104, 105, 106 y 107, el procesamiento de cálculo del vector propio usando las memorias 108, 109, 110 y 111, y el procesamiento de salida a la memoria externa de salida 26 103.
Reclamo
Procedimiento de las reivindicaciones 1 procesador de los padres y del sistema informático paralelo de memoria distribuida que comprende un procesador esclavo con una memoria a cada una entrada para la memoria externa y la memoria externa de salida que es compartida por todos los procesadores de los siguientes (1) (6) Se realiza un cálculo numérico de los vectores propios de la matriz a gran escala de acuerdo con el vector propio de la máquina paralela. (1) Proceso de matriz de entrada de datos y valores propios datos de la introducción de la memoria externa para dicha entrada y (2) los valores propios determina para cada valor propio si menor que el valor de referencia es la distancia entre todos los demás valores propios por el procesador maestro análisis de distancia, (3) vector propio prioridad de cálculo para determinar el procesamiento de la fin de resolver los vectores propios mediante el uso de los resultados obtenidos en el procesamiento de análisis de distancia de valores propios por encima de determinado por dicho procesador principal, (4) los resultados del proceso de análisis de distancia de valores propios y el individuo basado del rendimiento del procesador, el procesamiento de distribución de vector propio cálculo para cada cálculo de vector propio a cada procesador niño distribuido a cada memoria asociada a cada procesador niño por el procesador principal, la distribución (5) por encima de vector propio proceso de determinar la prioridad de cálculo, así como los vectores propios calculados Basado en el resultado del procesamiento, si es necesario, el proceso del eigenvector Mientras que entre la comunicación, mientras que la resolución de ya vectores propios y ortogonalización en el rango de los resultados del análisis de distancia de valores propios, se determinó el cálculo de vector propio para la obtención de los vectores propios de procesador niño por el método de iteración inversa (6) por encima Un proceso de salida de integración de autovectores por el procesador principal y la salida a la memoria externa de salida.
Según la reivindicación 2 según la reivindicación 1, en el procesador maestro y que comprende memoria distribuida sistema informático paralelo un procesador esclavo con una memoria a cada una entrada para la memoria externa y la memoria externa de salida compartida en todos los procesadores, los siguientes (1 ) Por (4) arriba. (1) Condiciones de los factores en las ecuaciones del cuerpo elástico, la condición de valor límite, el proceso de entrada de datos de cuerpo elástico de la introducción de los datos del dispositivo de entrada de las condiciones iniciales, determinar sus valores propios de las ecuaciones (2) un cuerpo elástico, el procesamiento de cálculo de valor propio, (3 ) la reivindicación 1 (vector propio cálculo de procesamiento para determinar los vectores propios por el procedimiento descrito en 1) (6), (4) los valores propios obtenidos mediante el procesamiento de cálculo de valores propios, y da salida a los vectores propios determinados por la computación vector propio El procesamiento de visualización del resultado de salida debe realizarse.
Dibujo :
Application number :1997-006760
Inventors :日立超エル?エス?アイ?エンジニアリング株式会社、株式会社日立製作所
Original Assignee :直野健、山本有作、猪貝光祥