博文
目前最好的Java开源稀疏矩阵算法包CSparseJ
|||
数值计算，特别是稀疏矩阵求解，一直是仿真工具的底层算法核心的重要组成。开放式电力系统仿真平台InterPSS项目是基于Java开发，从最开始，开发团队自己就用Java实现了基于稀疏矩阵求解Ax=b；但算法的性能和现有的基于C及Fortran的实现比较，依然有差距。这也是为什么越来越多的软件开发是基于模块化开发和整合（Integration)，InterPSS也不例外，当有性能更好的模块出现，可灵活地替换原有的模块，实现软件/平台升级和提升其性能。 由于历史，算法实现等原因，很多优秀的数值算法基于C或Fortran实现的，针对单机计算平台，InterPSS的native solver整合了基于C语言实现的高性能数值算法。
此外，InterPSS团队也认为：为了有更好的平台移植性和适应目前主流云计算平台的要求，基于Java的算法实现，依然有其独特优势。最近发现了Piotr Wendykier 移植开发的 CSparseJ--开源Java稀疏矩阵算法包。 经过初步测试，是本人到目前发现并测试过性能最好的，其中一个重要原因是这是直接从Tim Davis 开发的CSparse移植过来的，算法和代码质量很有保证。
https://blog.sciencenet.cn/blog-405788-662548.html
上一篇：美国Power方向(偏电力系统)的学校和导师
下一篇：基于云计算/存储平台的电力系统分析"App"--InterPSS 2.0
此外，InterPSS团队也认为：为了有更好的平台移植性和适应目前主流云计算平台的要求，基于Java的算法实现，依然有其独特优势。最近发现了Piotr Wendykier 移植开发的 CSparseJ--开源Java稀疏矩阵算法包。 经过初步测试，是本人到目前发现并测试过性能最好的，其中一个重要原因是这是直接从Tim Davis 开发的CSparse移植过来的，算法和代码质量很有保证。
Piotr Wendykier的测试结果（s）
| Matrix | LU (C) | LU (Java) | QR (C) | QR (Java) |
| Bcsstk16 | 0.27 | 0.50 | 0.49 | 0.50 |
| Fidapm37 | 2.10 | 3.72 | 6.19 | 6.04 |
| Rim | 10.27 | 15.33 | 14.91 | 14.85 |
数据来源： https://sites.google.com/site/piotrwendykier/software/csparsej
过去，大家习惯认为Java实现的代码执行效率低，不适用于开发高性能数值计算。但这测试体现了Java代码目前已经有很好的执行效率,值得更多的关注。
在我的手提上，Bcsstk16 （4884*4884）仅仅LU分解部分（不考虑数据导入）最短用时为0.156 s，但对Fidapm37 （9152*9152）进行LU分解就需要 4.97 s。 两个矩阵都是呈现强对角分布，考虑矩阵的规模，后者约为前者的2^2倍，但耗时则陡增。本人初步估计是基于该算法所采用的AMD排序对性能影响较大，但具体需要进一步测试。
针对这一问题，也虚心向科学网的老师，同学请教。
https://blog.sciencenet.cn/blog-405788-662548.html
上一篇：美国Power方向(偏电力系统)的学校和导师
下一篇：基于云计算/存储平台的电力系统分析"App"--InterPSS 2.0
