MumpsCentralizedAssembledLinearSolver

(类来自 pyomo.contrib.pynumero.linalg.mumps_interface)

class pyomo.contrib.pynumero.linalg.mumps_interface.MumpsCentralizedAssembledLinearSolver(sym=0, par=1, comm=None, cntl_options=None, icntl_options=None)

基础：DirectLinearSolverInterface

一个围绕pymumps的薄包装，使用集中组装的矩阵格式。 换句话说，ICNTL(5) = 0 和 ICNTL(18) = 0。

解矩阵 * x = rhs 求 x。

请参阅Mumps文档以了解参数的描述。下面列出的章节编号参考了Mumps 5.2.1版本的文档。

Parameters:

• sym (int, 可选) – 参见Mumps文档的第5.2.1节

• par (int, optional) – 参见第5.1.3节

• comm (mpi4py comm, 可选) – 参见第5.1.3节

• cntl_options (dict, optional) – 参见第6.2节

• icntl_options (dict, optional) – 参见第6.1节

__init__(sym=0, par=1, comm=None, cntl_options=None, icntl_options=None)

方法

__init__([sym, par, comm, cntl_options, ...])
do_back_solve(rhs[, raise_on_error])	使用Mumps执行回代求解。
do_numeric_factorization(matrix[, ...])	执行Mumps分解。
do_symbolic_factorization(matrix[, ...])	执行Mumps分析。
get_cntl(key)
get_icntl(key)
get_info(key)
get_infog(key)
get_rinfo(key)
get_rinfog(key)
increase_memory_allocation(factor)
set_cntl(key, value)
set_icntl(key, value)
solve(matrix, rhs[, raise_on_error])

成员文档

do_back_solve(rhs: ndarray | BlockVector, raise_on_error: bool = True) → Tuple[ndarray | BlockVector | None, LinearSolverResults]

使用Mumps执行回代求解。注意，在调用do_back_solve之前，应先调用do_symbolic_factorization和do_numeric_factorization。

Parameters:

rhs (numpy.ndarray 或 pyomo.contrib.pynumero.sparse.BlockVector) – 矩阵 * x = rhs 中的右侧。

Returns:

result – 矩阵 * x = rhs 中的 x。如果 rhs 是一个 BlockVector，那么 result 将是一个与 rhs 具有相同块结构的 BlockVector。

Return type:

numpy.ndarray 或 pyomo.contrib.pynumero.sparse.BlockVector

do_numeric_factorization(matrix: spmatrix | BlockMatrix, raise_on_error: bool = True) → LinearSolverResults

执行Mumps分解。请注意，应在执行数值分解之前调用do_symbolic_factorization。

Parameters:

matrix (scipy.sparse.spmatrix 或 pyomo.contrib.pynumero.sparse.BlockMatrix) – 此矩阵必须具有与传递给do_symbolic_factorization的矩阵相同的非零结构。如果矩阵尚未处于coo格式，则将其转换为coo格式。如果sym为1或2，矩阵将被转换为下三角形式。

do_symbolic_factorization(matrix: spmatrix | BlockMatrix, raise_on_error: bool = True) → LinearSolverResults

执行Mumps分析。

Parameters:

matrix (scipy.sparse.spmatrix 或 pyomo.contrib.pynumero.sparse.BlockMatrix) – 此矩阵必须具有与传递给do_numeric_factorization的矩阵相同的非零结构。如果矩阵尚未处于coo格式，则将其转换为coo格式。如果sym为1或2，矩阵将被转换为下三角形式。