Deskripsi Lengkap
| Bahasa : | ind |
| Sumber Pengatalogan : | LibUI ind rda |
| Tipe Konten : | text (rdacontent) |
| Tipe Media : | computer (rdamedia) |
| Tipe Carrier : | online resource (rdacarrier) |
| Deskripsi Fisik : | vi, 48 pages : illustration ; 23 cm + appendiix |
| Naskah Ringkas : | |
| Lembaga Pemilik : | Universitas Indonesia |
| Lokasi : | Perpustakaan UI, Lantai 3 |
- Ketersediaan
- File Digital: 1
- Ulasan
- Sampul
- Abstrak
| No. Panggil | No. Barkod | Ketersediaan |
|---|---|---|
| T-Pdf | TERSEDIA |
| Tidak ada ulasan pada koleksi ini: 20452793 |
Abstrak
ABSTRAK
Thesis ini membahas metoda penyelesaian langsung faktorisasi LU paralel untuk matrik sparse tak simetri dari sistem persamaan linier Ax = b dengan A e ~nxn dan x, b e ~n. Keparalelan dilakukan dengan cara memanfaatkan sparsitas matrik. Algoritma paralel faktorisasi LU matrik sparse melakukan pencarian himpunan pivot kompatibel dengan ukuran m dan dilanjutkan dengan update rank-m. Dalam pencarian himpunan pivot kompatibel digunakan strategi Markowitz. Algoritma ini didasarkan pada model komputasi Shared-Memory MIMD CREW.
Maksimum level sparsitas matrik dihadirkan sebagai kriteria penggunaan algoritma tersebut di atas. Perkiraan batas bawah speedup dan efisiensi waktu pemrosesan diberikan secara semi analitis. Disajikan pula hasil experimen dari hasil kerja algoritma di atas yang diimplementasikan secara simulasi.
Thesis ini membahas metoda penyelesaian langsung faktorisasi LU paralel untuk matrik sparse tak simetri dari sistem persamaan linier Ax = b dengan A e ~nxn dan x, b e ~n. Keparalelan dilakukan dengan cara memanfaatkan sparsitas matrik. Algoritma paralel faktorisasi LU matrik sparse melakukan pencarian himpunan pivot kompatibel dengan ukuran m dan dilanjutkan dengan update rank-m. Dalam pencarian himpunan pivot kompatibel digunakan strategi Markowitz. Algoritma ini didasarkan pada model komputasi Shared-Memory MIMD CREW.
Maksimum level sparsitas matrik dihadirkan sebagai kriteria penggunaan algoritma tersebut di atas. Perkiraan batas bawah speedup dan efisiensi waktu pemrosesan diberikan secara semi analitis. Disajikan pula hasil experimen dari hasil kerja algoritma di atas yang diimplementasikan secara simulasi.