আমি এটি বুঝতে পেরেছি যে, মাল্টিগ্রিড পদ্ধতি একই সমস্যাটির একটি মোটা সংস্করণ (সেখানে কম ফ্রিকোয়েন্সি ত্রুটি দূর করে) সমাধান করে একটি লিনিয়ার সিস্টেম সলভ করে তারপরে উচ্চ ফ্রিকোয়েন্সি ত্রুটিগুলি স্মুথনে সূক্ষ্ম গ্রিডে ফিরে প্রজেক্ট করে। বৃহত সিস্টেমগুলির জন্য, আমি দেখতে পাচ্ছি যে প্রতিটি গ্রিডলেলে সমান্তরালে কীভাবে পুনরাবৃত্তি পদ্ধতি প্রয়োগ করা যেতে পারে। এই পদ্ধতির সমান্তরালে ভাল স্কেল হয়? সমান্তরালভাবে যে কেউ শোষণ করতে পারে সেই অ্যালগরিদমে সামঞ্জস্যের অন্য কোনও উত্স আছে?
উত্তর:
কাঠামোগত গ্রিডগুলিতে সমান্তরাল জ্যামিতিক মাল্টিগ্রিড বাস্তবায়নের জন্য সোজা is বীজগণিতিক এবং অ-কাঠামোযুক্ত মাল্টিগ্রিড আরও প্রযুক্তিগত, বাস্তবায়নের লিঙ্কগুলির জন্য এই উত্তরটি দেখুন ।
। আমি এখনও সত্যিকারের হার্ডওয়্যারটিতে এমন একটি প্রদর্শনী দেখতে পেলাম যাতে বর্ধিত সামঞ্জস্যতা দরিদ্র স্থিরতাকে ন্যায্যতা দেয় এবং অ্যাডিটিভ পদ্ধতির দৃ rob়তা হ্রাস করে।
অনুশীলনে, মোটা গ্রিডগুলি শক্তিশালী স্কেলাবিলিটি সীমাতে দ্রুত পৌঁছে যায় (এর বাইরে আরও প্রক্রিয়া যুক্ত করার ফলে রান-টাইম বৃদ্ধি পায়), তাই তাদের কখনও ছোট ছোট এমপিআই যোগাযোগকারীদের থাকা উচিত। এটি বাস্তবায়নে কিছুটা হালকা জটিলতা যুক্ত করে। যে সমস্যার ক্ষেত্রে মোটা স্তরগুলি মোটা হয়ে যাওয়ার জন্য খুব বেশি কাঠামো তৈরি করে, মোটা স্তরের সমাধানটি একটি বাধা হয়ে উঠতে পারে।
বিভিন্ন সমান্তরাল মাল্টিগ্রিড পদ্ধতি পরীক্ষা করার জন্য, আমি পিইটিএসসি এর মতো একটি লাইব্রেরি ব্যবহার করার পরামর্শ দিচ্ছি যা আপনাকে খুব কম ব্যবহারকারীর কোড সহ অনেকগুলি বিভিন্ন অ্যালগরিদম চালানোর অনুমতি দেয়।