C++ 在boost中有没有有效的方法来动态更改压缩矩阵？

我正在使用ublas:：Compressed Matrix来处理UMFPACK，一个稀疏线性解算器。因为我在做模拟，所以每次线性系统的构造都略有不同，这可能涉及到放大/缩小系数矩阵和一些稀疏矩阵乘法。线性系统的规模约为25k

即使有一个绑定补丁让boost与UMFPACK一起工作，我仍然需要不时地更改矩阵，有时甚至计算非零值的数量也很耗时（理想情况下，我必须在初始化矩阵时给出非零值的数量）。此外，我还使用ublas:：range动态追加列/行

所以我的问题是：有什么有效的方法可以做到这一点吗？现在对我来说太慢了。转置一个维度为15k的矩阵需要花费近6s的时间，追加12k行的速度很快（因为我猜这是一个行主矩阵），但向矩阵追加相同数量的列可能需要花费20秒（我猜原因与上面相同，所以即使我使用了列主矩阵，所需的总时间也会相同）

这里有点绝望了。欢迎提出任何建议

---

干杯。

每次你是如何构建矩阵的，你是从某种不同的软件进行接口的。在这种情况下，我想花在接口上的时间是相当少的

对于uBlas，您使用-DNDEBUG标志，对吗

我还不确定问题出在哪里

---

最好的是，Umut

我不熟悉您的软件包，但为什么（理想情况下）必须指定矩阵中非零元素的数量？你不能过多指定然后缩小尺寸吗

我还对为什么添加列要花这么多钱感到困惑。稀疏格式应该能够处理这个问题。我的结论是，有两件事正在发生。要么你的矩阵在被转换回来之前被转换成了非稀疏矩阵（这看起来很可怕，在任何一个像样的稀疏矩阵包中都是不可能的），要么插入的代码是二次的，因为它会重复插入值，每次都会在所有其他值上移动

后者似乎是可能的。我会尝试使用我自己的“insert column”代码，该代码采用当前稀疏矩阵，计算出还有多少个条目，分配一个更大的块，并按顺序复制，同时插入新的列。这是线性的，本质上应该是瞬时的。我不知道这是否足以解决整个问题，但这应该是一个开始

---

此外，如果矩阵有25k个条目，那么没有合理的答案来解释为什么复制或转置它需要超过几毫秒。我认为您需要对这个问题的各个部分进行基准测试，并真正确定时间的准确方向，除非上述添加列的解决方案解决了您的问题。

而不是通过连接多个不同的值集来构建，您是否考虑过将它们保存在单独的矩阵中，并使用现有的解算器例程来构建您自己的整体解算器？基本上，您将对一个组件矩阵应用适当的分解（LU、QR等），对后续组件运行相应的更新/转换，并对每个后续矩阵重复。然后，您将使用分解的组件矩阵来计算您的解决方案。不过，目前还不清楚您使用的库是否会直接支持这一点，或者您是否需要自己编写一些/所有的数值例程。

您是否尝试过Eigen解决这类问题？最近他们完成了稀疏矩阵支持

因为我有将近30个观点，但没有答案，我想我的问题可能不是很清楚。这里有一些细节。因为我在做模拟，对于每一个时间步，我都会组装一个线性系统并求解它，基本上就是AX=B。然而，系数矩阵a通常由三个矩阵组成。一个权重矩阵，两个系数矩阵，分别用于软约束和硬约束，不能预先计算。（见下一条评论）因为求解线性系统是在最小二乘意义下最小化二次函数的结果，所以我必须进行矩阵乘法以得到矩阵T，矩阵向量乘法以得到B，从而将软约束矩阵与线性系统积分。然后，我必须将硬约束矩阵附加到T的底部和右侧，以生成A。最后，在A和B完成后，我可以将它们输入到UMFPack中。（参见下一条注释）正如您所想象的，必须有几个操作涉及数据复制、矩阵转置和调整大小。但我只是不知道如何让它更快。代码太长，不能放在这里。谢谢你抽出时间。既然还没有答案，谁能至少告诉我问题的哪一部分不够清楚吗？欢迎评论！谢谢Dov，从那以后我一直很忙，让问题在那里持续一段时间吧。我会一块一块地尝试你的建议。嗨，多夫，对于转置部分，我尝试转置一个行主稀疏矩阵并将其分配给行主稀疏矩阵，这比将其分配给列主稀疏矩阵慢得多。我想在转置时，内部表示也可能发生了变化。嗨，Umut，谢谢你的关注，我将对它进行更多的测试，并尝试在这里给出一个完整的图片。