Question

我有一个中等大的Ax = b问题，我想解决。矩阵A是600x600。

我的代码解决了这个问题，但需要很长时间才能完成。因此，我尝试检查（使用System.currentTimeMillis()）以查看代码放慢的位置。

事实证明，在计算A期间，我执行命令A = L1 * A0 * L1.transpose()。该过程几乎占用了该行总时间的100％。

奇怪的是，L1是600x600单位矩阵（即A[i,j] = 1，i == j和0，否则）。所以，这一行不应该花那么长的时间来执行。在这个问题中也应该很容易绕过

但是，如果我试图通过将其注释掉并用A = A0替换它来绕过该行，则会发生更奇怪的事情。然后代码占用太长时间（在我杀死它的原始时间的10倍之后）执行。此外，CPU使用率达到100％。

我检查过，结果A和L1 * A0 * L1.transpose()相同。

总结一下，使用我的Java代码的一部分（我使用库ojalgo来处理矩阵）：

// PrimitiveMatrix A0, L1, b are already calculated.

long startTime = System.currentTimeMillis();
System.out.println((System.currentTimeMillis() - startTime0) / 1000.0); // this prints about 2 seconds, concerning calculations of A0, L1, b.

PrimitiveMatrix A = L1.multiply(A0).multiply((L1).transpose());
System.out.println((System.currentTimeMillis() - startTime0) / 1000.0);  // this prints about 67 seconds    

// PrimitiveMatrix A = A0; // if this is NOT a comment, then the code has not run after (10+)x my "normal" time 

final PrimitiveMatrix x = (A.invert()).multiply(b);

System.out.println((System.currentTimeMillis() - startTime0) / 1000.0);  // this prints about 69 seconds  

// I checked that
// A0.equals(L1.multiply(A0).multiply((L1).transpose())
// returns true

整个过程大约需要69秒，其中65个是在一个简单的计算中消耗的，我没有绕过。对于较小的矩阵（60x60），过去已成功运行相同的程序。

我不确定如何继续我的调试尝试。任何帮助将不胜感激。

似乎问题比我原先估计的要深一点。我试图打印这些矩阵以便上传它们，但随后出现了另一个问题。我发现第一次运行System.out.println(A0.get(aRow,aColumn));时我的代码崩溃了。 A0是通过向尺寸为600x600的零矩阵的每个位置添加double类型的数字而创建的。此外，还会显示以下消息：

       Exception in thread "main" java.lang.StackOverflowError
    at org.ojalgo.matrix.store.SuperimposedStore.get(SuperimposedStore.java:84)
    at org.ojalgo.matrix.store.SuperimposedStore.get(SuperimposedStore.java:84)
    at org.ojalgo.matrix.store.SuperimposedStore.get(SuperimposedStore.java:84)
...

同样，我想强调，当这些矩阵为60x60时，相同的过程会正常运行。

Answer 1

我假设您正在使用BasicMatrix＃add（int，int，Number）

您是否将该方法称为600x600次以构建矩阵？你不应该这样做！

在较新版本的ojAlgo中，该方法已被删除，因为它经常被误解/误用。

您应该阅读：https://github.com/optimatika/ojAlgo/wiki/Getting-Started

调试：使用Java进行线性代数计算的异常运行时，ojalgo

1 个答案: