java - 调试:使用 Java、ojalgo 进行线性代数计算时出现异常运行时

Question

我有一个中等大小的Ax = b我想解决的问题。矩阵A是600x600 .

我的代码解决了该问题，但需要花费异常长的时间。因此，我尝试检查(使用 System.currentTimeMillis() )以查看我的代码在哪里变慢。

事实证明，在A的计算过程中，我执行了命令A = L1 * A0 * L1.transpose() 。该过程几乎消耗了该行总时间的 100%。

奇怪的是，L1 是 600x600单位矩阵(即 A[i,j] = 1 ，如果 i == j 和 0 ，否则)。因此，这行代码实际上不应该花费那么长时间来执行。这个问题应该也很容易绕过

如果我尝试通过注释掉该行并将其替换为 A = A0 来绕过该行，就会发生更奇怪的事情。 。然后代码执行的时间太长(是我杀死它的原始时间的 10 倍)。而且CPU使用率达到100%。

我查了一下，结果是A和L1 * A0 * L1.transpose()是相同的。

总而言之，使用我的部分 Java 代码(我使用 ojalgo 库来处理矩阵):

// 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 秒被消耗在琐碎的计算中，我无法绕过。过去，对于较小的矩阵 (60x60)，相同的过程已成功运行。

我不太确定如何继续进行调试尝试。任何帮助将不胜感激。

问题似乎比我最初估计的要深一些。我尝试打印这些矩阵以便上传它们，但随后出现了另一个问题。我发现我的代码在第一次运行 System.out.println(A0.get(aRow,aColumn)); 时崩溃了。 A0是通过将 double 类型的数字添加到维度为 600x600 的零矩阵的每个位置来创建的。此外，还会出现以下消息:

       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)
...

我想再次强调，当这些矩阵为 60x60 时，相同的进程可以正常运行。 。

Answer 1

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

您是否调用该方法 600x600 次来构建矩阵？你不应该这样做!

在新版本的 ojAlgo 中，该方法已被删除，因为它经常被误解/误用。

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