郑汉垣, 宋安平, 张武
GaBP(Gaussian Belief Propagation)是一种解线性代数方程组的迭代算法, 它是基于递归更新的概率推理算法, 具有低复杂性和高并行性. MIC是英特尔的至强融核Xeon Phi的Many Integerated Core架构. 它提供数百个同时运行的硬件线程, 能充分满足对高并发度的大量需求. 本文研究了如何高效地求解大规模稀疏线性方程组的并行算法, 通过挖掘GaBP算法特性, 优化算法存储结构和加速迭代, 同时 给出了一种求解大规模稀疏对称线性方程组的基于MIC的GaBP并行算法; 并从美国Florida大学开发的稀疏矩阵库(UFget)中抽取了部分大规模对称稀疏矩阵作为算例进行测试, 计算结果表明, 在相同精度下,基于MIC的GaBP并行算法相对于GaBP算法具有更显著的高效率.