Scipy稀疏：SciPy/NumPy更新後的奇異矩陣警告

我的問題是由大型電阻系統的節點分析引起的。我基本上是建立一個大型稀疏矩陣一個，我解向量b，而我試圖解決的線性方程一個 * X = b。爲了做到這一點，我使用了scipy.sparse.linalg.spsolve方法。Scipy稀疏：SciPy/NumPy更新後的奇異矩陣警告

直到最近，一切正常，直到我將SciPy從v0.13.3升級到v0.19.1（其中還包括NumPy升級到v1.13.1）。我正在運行Python 2.7.6。使用與更新之前相同的代碼時，我會遇到錯誤，特別是對於產生matrices > 10000 x 10000的系統。的警告是：

SparseEfficiencyWarning: splu requires CSC matrix format 
    warn('splu requires CSC matrix format', SparseEfficiencyWarning) 
MatrixRankWarning: Matrix is exactly singular 
    warn("Matrix is exactly singular", MatrixRankWarning)

SPSOLVE然後 - 有時 - 無法找到一個解決方案。

由於我正在進行節點分析，因爲地電位的位置一般不明確，所以預計會出現奇異矩陣。但是，在更新之前，99％的案例中發現了一個解決方案，可能更多。現在，我對於大型系統的滿意度至少達到10％。我沒有改變算法和一些測試，我已經使用了相同的代碼。下面是我如何設置我的計算：

我產生電阻隨機三維網絡（我知道我可能會不小心創建無法解決的網絡，但百分比以上應該不是徹底改變）。這裏使用的唯一SciPy/NumPy函數是np.random
我創建了一個稀疏的lil矩陣，我填充了從我的電阻網絡中提取的電導值。我也創建了一個不稀疏的解決方案向量。
我將電導矩陣轉換爲csr格式並使用spsolve方法。這是我的代碼最近失敗的地方。

難道這是改變了的方法嗎？

是spsolve可能更不合適？我創建的矩陣通常是對稱的，並且以塊三對角形式。有沒有比spsolve更有效的解決線性方程式的方法？

各種幫助非常感謝！謝謝閱讀。

Here is how my matrices look like in 'spy'-representation

來源

2017-08-11 lmr

你以前SciPy的版本是很老，它使用umfpack這項任務。

由於許可-問題（GPL是不兼容SciPy的，我認爲umfpack切換許可在某些時候），這LIB取出，現在使用superlu。許多人觀察到速度減慢（和健壯性問題），但評估性能可能並不那麼容易（超級可能也是快速和健壯的）。

也請閱讀this。

你可能有兩個選擇：

調superlu的參數（閱讀官方superlu文件和SciPy的關於如何通過這些選項的文檔）
- 旋轉和排序是非常重要的！
- 還有一個對稱模式（不是一個真正的高度調整的對稱矩陣解算器，但可能更好地旋轉規則）
- 也許迭代細化也可以幫助你（不確定！）
如果許可證的東西不是你的問題：使用scikit-umfpack使scipy再次使用umfpack！（！當前代碼未維護）

如果你的矩陣是PSD，cholmod，可用內scikit-sparse可能的lib使用（再次：許可）！

來源

2017-08-12 00:10:12 sascha

太好了，謝謝你的回答，這聽起來很合理。我將在星期一與我的系統管理員討論。作爲直接求解器，你對'minres'有什麼看法？由於我的矩陣是對稱的，我認爲它是一個可行的選擇。我知道，在文檔中說功能是實驗性的，可以隨時更改，但它對我的代碼正常工作。對於大型系統來說，它比速度更快，結果在99.9％以內一致。另外，它絕對會產生一個結果。 – lmr

Scipy稀疏：SciPy/NumPy更新後的奇異矩陣警告

回答

相關問題