文献

J-GLOBAL ID：202202288355550926   整理番号：22A0311323

線形ソルバパラメータ最適化問題における先進的遺伝的アルゴリズム【JST・京大機械翻訳】

Advanced Genetic Algorithm in the Problem of Linear Solver Parameters Optimization

著者 (3件)： Petrushov Andrey (Institute of Mechanics, Lomonosov Moscow State University, Moscow, Russia) ,  Petrushov Andrey (Physics Faculty of Lomonosov Moscow State University, Moscow, Russia) ,  Krasnopolsky Boris (Institute of Mechanics, Lomonosov Moscow State University, Moscow, Russia)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1510  ページ： 297-309  発行年： 2022年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 計算流体力学におけるいくつかの領域では,楕円型の微分方程式を解く必要がある。計算格子上の離散化の後,問題を線形代数方程式(SLAE)のシステムを解くために減らした。非圧縮性乱流の高忠実度シミュレーションに広く用いられている数値法は,一定マトリックスを持つSLAEのシーケンスを解くことと,右手側の変更を必要とする。実際的に重要な問題は線形ソルバのパラメータの選択であり,それはSLAE解時間に対して可成りの影響を有する。本論文は,SLAE解法のための自動パラメータ選択のためのアルゴリズムを提示した。提案したアルゴリズムは,数値的方法の特定の構成のための適切なパラメータを見つける。アプローチはニューラルネットワークモデルと組み合わせた遺伝的アルゴリズムに基づいている。最後のひとつは,特定のパラメータによってSLAE解法時間を予測するために訓練した。したがって,ニューラルネットワークモデルは,線形ソルバ性能に対する各パラメータの影響に関する知識の源として作用する。大きなSLAE解法のための最適なパラメータセットは,重要な実際的側面であるより小さなSLAEのための解法統計を使用して得ることができることを示した。このアルゴリズムの性能をPoisson方程式に対するモデルSLAEと流体力学シミュレーションからのSLAEの両方に対して調べた。アルゴリズムは,線形ソルバの対応する最適化パラメータを決定し,全体の計算時間を大幅に削減できる。対応する高速化は,手動で最適化したソルバパラメータと比較して30%に達することができる。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  *最適化 ,  シミュレーション ,  乱流 ,  ニューラルネットワーク ,  代数方程式 ,  Poisson方程式 ,  *応用プログラム ,  数学的変換 ,  計算流体力学 ,  *遺伝的アルゴリズム
準シソーラス用語： 神経回路網モデル ,  *パラメータ最適化 ,  離散化 ,  *ソルバ ,  計算格子 ,  CFDシミュレーション , 【Automatic Indexing@JST】

著者キーワード (3件)： 線形ソルバ ,  遺伝的アルゴリズム ,  ニューラルネットワーク

分類 (2件)： 数値計算  (JE02000J) ,  流体動力学一般  (BC02010G)

タイトルに関連する用語 (5件)： 線形 ,  ソルバ ,  パラメータ ,  最適化問題 ,  遺伝的アルゴリズム