Solution of the Helmholtz problem using the preconditioned low-rank approximation technique

Предложен алгоритм решения задачи Гельмгольца в трехмерных неоднородных средах с использованием метода аппроксимации матрицами малого ранга. Рассматриваемый метод применяется в качестве предобусловливателя для двух итерационных процессов. Первый - простой в реализации и экономичный метод итерационного уточнения, второй - метод BiCGStab крыловского типа. Скорость сходимости обоих методов исследуется относительно качества предобусловливателя, которое определяется точностью малоранговой аппроксимации. Показано, что для типичных задач сейсморазведки скорость сходимости двух рассматриваемых методов примерно одинакова начиная с некоторой точности малоранговой аппроксимации. Вычислительные эксперименты показали, что при точности, достаточной для решения практических задач, предложенный метод более чем в 2 раза экономнее по использованию памяти и в 3 раза производительнее, чем прямой метод PARDISO библиотеки Intel MKL. An algorithm for solving the Helmholtz problem in 3D heterogeneous media using the low-rank approximation technique is proposed. This technique is applied as a preconditioner for two different iterative processes: an iterative refinement and BiCGStab. The iterative refinement approach is known to be very simple and straightforward but can suffer from the lackof convergence; BiCGStab is more stable and more sophisticated as well. A dependence of the convergence rate on low-rank approximation quality is studied for these iterative processes. For typical problems of seismic exploration, it is shown that, starting with some low-rank accuracy, the convergence rate of the iterative refinement is very similar to BiCGStab. Therefore, it is preferable to use the more efficient iterative refinement method. Numerical experiments also show that, for reasonable (from the practical standpoint) low-rank accuracy, the proposed method provides three times performance gain (for sequential code) and reduces the memory usage up to a factor of two in comparison with the Intel MKL PARDISO high performance direct solver.