楊全海
摘 要: 為了提高三維大尺寸復(fù)雜物體電磁建模的精確求解的效率,改進(jìn)了自適應(yīng)交叉算法(ACA)基礎(chǔ)上的多層簡易矩陣稀疏算法(MLSSM),通過對(duì)算法的理論及實(shí)現(xiàn)過程分析,并在實(shí)驗(yàn)驗(yàn)證中表明:應(yīng)用的改進(jìn)ACA算法計(jì)算效率比矩量法逐點(diǎn)計(jì)算顯著提高;改進(jìn)的MLSSM的內(nèi)存需求減少了[12]左右,矩陣構(gòu)造過程速度有了明顯提高;改進(jìn)的MLSSM降低了計(jì)算復(fù)雜度,迭代求解過程速度有了明顯提高。算法對(duì)比結(jié)果看出改進(jìn)的MLSSM在降低計(jì)算復(fù)雜度方面占據(jù)的優(yōu)勢,在分析半空間上大目標(biāo)復(fù)雜物體優(yōu)勢明顯。這一研究對(duì)于復(fù)雜物體的電磁建模的優(yōu)化有一定的理論和應(yīng)用意義。
關(guān)鍵詞: 電磁建模; 精確求解; 復(fù)雜物體建模; 多層簡易矩陣稀疏算法; 自適應(yīng)交叉算法
中圖分類號(hào): TN911?34; TN911.7 文獻(xiàn)標(biāo)識(shí)碼: A 文章編號(hào): 1004?373X(2015)22?0014?03
0 引 言
由于科技的飛速發(fā)展,計(jì)算機(jī)軟件以及硬件功能都得到了很大的提升,這使從前沒辦法對(duì)某些對(duì)象做研究分析的在現(xiàn)能夠得以實(shí)現(xiàn)[1?3]。在現(xiàn)實(shí)社會(huì)中,對(duì)于大尺寸對(duì)象的研究分析所預(yù)期借助計(jì)算機(jī)的功能水平是大大高于實(shí)際發(fā)展的水平,所以如何提升數(shù)值運(yùn)算的能力,是學(xué)者研究電磁學(xué)的關(guān)鍵因素。在三維大尺寸對(duì)象的電磁理論分析中,經(jīng)常用到的方法有微分、高頻等方法[4?5]。例如有限元法是屬于微分法;物理光學(xué)法、幾何繞射理論屬于高頻方法。采用有限元方法雖能形成不太密集的矩陣,但其能對(duì)欲求的對(duì)象做體剖分[6?7]。在分析對(duì)象的電尺寸非常大時(shí),網(wǎng)格在離散時(shí)產(chǎn)生的未知量數(shù)目很多且無法預(yù)知,所以造成的運(yùn)算量非常大。在高頻條件下的假設(shè),高頻方法在面向較為復(fù)雜的對(duì)象,沒辦法得到精確的數(shù)據(jù),所以無法應(yīng)用[8]。而采用矩量法能夠得到精確的數(shù)據(jù),對(duì)任意幾何形狀以及復(fù)雜的物體都能適用,也不用增加吸收邊界條件,在做網(wǎng)格離散時(shí),只需在被分析對(duì)象的表面上實(shí)施就可以,這樣一來,該算法的未知數(shù)就大大減少。傳統(tǒng)的矩量法得到的是稠密的矩陣,在進(jìn)行運(yùn)算時(shí)會(huì)花費(fèi)較多的時(shí)間以及空間,而當(dāng)代的計(jì)算機(jī)要實(shí)現(xiàn)大尺寸對(duì)象運(yùn)算是非常困難的[9?11]。本文基于上述背景,進(jìn)行了改進(jìn)多層簡易矩陣稀疏算法實(shí)現(xiàn)網(wǎng)格離散復(fù)雜目標(biāo)的優(yōu)化設(shè)計(jì),這一研究對(duì)于復(fù)雜物體的電磁建模的優(yōu)化有一定的理論和應(yīng)用意義。
3 結(jié) 語
本文對(duì)矩量法中的快速迭代法進(jìn)行了概括,著重對(duì)MLSSM的阻抗矩陣形式進(jìn)行了分析;同時(shí),采取了一種新的方法做出了相應(yīng)的改進(jìn),經(jīng)過改進(jìn)的MLSSM是對(duì)低秩類方法的進(jìn)一步壓縮,新的MLSSM計(jì)算相對(duì)要簡單很多,其嵌套結(jié)構(gòu)使矩陣矢量乘操作速度加快。數(shù)值算例分析對(duì)其正確性、有效性以及實(shí)用性進(jìn)行了驗(yàn)證,與其他算法相比,它在很大程度上可以減少同一模型的計(jì)算量,其還是代數(shù)類方法,就算沒使用格林函數(shù)的形式,也可不受分組的限制,在分析環(huán)境較為復(fù)雜的電磁問題中比較適用。
參考文獻(xiàn)
[1] 王鼎,吳瑛.一種利用互耦矩陣稀疏性的陣列誤差有源校正改進(jìn)算法[J].信號(hào)處理,2009(9):1414?1420.
[2] 杜吉祥,余慶,翟傳敏.基于稀疏性約束非負(fù)矩陣分解的人臉年齡估計(jì)方法[J].山東大學(xué)學(xué)報(bào):理學(xué)版,2010(7):65?69.
[3] ZHANG H C, HONG H S, WAI Onyx Winghong, et al. Parallel hydrodynamic finite element model with an N?Best refining partition scheme [J]. Chinese Journal of Oceanology and Limnology, 2010, 28(6): 1340?1349.
[4] 崔樹標(biāo),張?jiān)?,周華民,等.邊界元矩陣稀疏化算法及其應(yīng)用[J].上海交通大學(xué)學(xué)報(bào),2008(10):1618?1621.
[5] 彭志威,王波.矩陣稀疏化中的最優(yōu)子波濾波器組設(shè)計(jì)[J].西安電子科技大學(xué)學(xué)報(bào),1999(1):30?35.
[6] ZHONG W T, SHAO Z J, ZHANG Y Y, et al. Applying analytical derivative and sparse matrix techniques to large?scale process optimization problems [J]. Chinese Journal of Chemical Engineering, 2000, 11(3): 28?33.
[7] 程耿東.線性規(guī)劃在結(jié)構(gòu)優(yōu)化設(shè)計(jì)中的一個(gè)應(yīng)用及其稀疏算法[J].大連工學(xué)院學(xué)報(bào),1979(1):22?31.
[8] REN J M, ZHANG Y M. A sparse matrix technique for simulating semiconductor devices and its algorithms [J]. Chinese Journal of Electronics, 1990, 01: 77?82.
[9] LIN Bin, YAN Xiaolang, SHI Zheng, et al. A sparse matrix model?based optical proximity correction algorithm with model?based mapping between segments and control sites [J]. Journal of Zhejiang University?Science C(Computers & Electronics), 2011, 12(5): 436?442.
[10] LIN Bin, YAN Xiaolang, SHI Zheng, et al. A sparse matrix model?based optical proximity correction algorithm with model?based mapping between segments and control sites [J]. Journal of Zhejiang University?Science C(Computers & Electronics), 2011, 12(5): 614?618.
[11] FAN Pingyi. A matrix algorithm for computing the free space distance of TCM signal sequences [J]. Journal of Electronics(China), 1997, 4: 328?335.