虽然完整的Newton-Raphson法具有平方收敛性和最小的迭代次数,但每次迭代需要很大的计算量。例如,构造完整的Jacobi矩阵需要n2次计算,如果Ja-cobi矩阵是满矩阵,每次迭代对其进行LU分解所需要的运算次数为n3数量级。因此,对Newton-Raphson法的大多数改进着眼在减少构造Jacobi矩阵的计算量或者减少进行LU分解的计算量。
再次考察Newton-Raphson法的迭代格式:
I:xk+1=xk-[J(xk)]-1f(xk)
这个迭代格式可以被写成更为一般性的格式:
I:xk+1=xk-[M(xk)]-1f(xk) (3.45)(www.xing528.com)
式中,M是一个n×n矩阵,它可以是也可以不是xk的函数。注意,即使M≠J,如果迭代过程将f(x)驱动到零,这种迭代格式仍然会收敛到正确解。因此,对Newton-Raphson法进行简化的一种做法是,寻找一个比Jacobi矩阵更容易计算的合适的替代矩阵M。一种常用的简化方法是将每个偏导数元素用差商来近似。例如,一种可能的简单近似式为
式中,ej是第j个单位向量:
式中,1出现在此单位向量的第j行上,而其他元素都为零。标量hij的选择可以有无数种方法,但一种常用的选择是令hkij=xjk-xjk-1。这种hij的选择方法可以达到收敛阶为1.62的收敛速度,它居于平方收敛和线性收敛之间。
另一种对Newton-Raphson法的常用改进是令M隔一定的迭代次数等于Ja- cobi矩阵。例如,每当收敛速度慢下来时对M重新计算一次,或者相隔的迭代次数更加规则,诸如每隔1次或每隔2次等。这种改进被称为“不诚实Newton法”。这种方法的一种极端的推广是令M等于初始的Jacobi矩阵,并在余下的迭代过程中始终保持不变。这种方法通常被称为“极不诚实Newton法”。除了减少与构造矩阵相关的计算量外,这种方法还具有的优势是矩阵M只要被LU分解一次,因为矩阵M是恒定的。这样就可以省去用于LU分解的大量计算时间。类似地,不诚实Newton法也仅仅在矩阵M被重新计算时才需要再进行LU分解。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。