2009
DOI: 10.1117/12.809484
|View full text |Cite
|
Sign up to set email alerts
|

A parallel reduced-space sequential-quadratic programming algorithm for frequency-domain small animal optical tomography

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
2
1

Citation Types

0
2
0
1

Year Published

2010
2010
2018
2018

Publication Types

Select...
4

Relationship

1
3

Authors

Journals

citations
Cited by 4 publications
(3 citation statements)
references
References 8 publications
0
2
0
1
Order By: Relevance
“…Na biblioteca NLOpt, há algoritmos de dois tipos diferentes dentro dessa classe de algoritmos, sendo os que não se baseiam em condições derivativas, rotulados nos testes e na biblioteca NLOpt como LN, e os que são baseados em métodos dos gradientes para otimização local, rotulados por LD. Há inúmeros algoritmos listados nessas duas categorias e disponibilizados pela NLOpt como os algoritmos de Otimização de Restrições por Aproximações Lineares (Contrained Optimzation by Linear Approximations -COBYLA) [ [38] e três variações dos métodos pré-condicionados truncados de Newton [39], [40]. Como a classe e o tipo de algoritmo são diferentes do ESCH aqui apresentado, optou-se em utilizar o algoritmo NLOPT_LN_COBYLA, por apresentar aproximações lineares que podem ser comparadas a parte dos recursos do DIRECT-L e também por proceder otimizações em que as informações das derivadas do espaço de busca não são [41] informadas com restrições de desigualdades não lineares e igualdades automaticamente modificadas pela combinação de pares de igualdades [40], [41], [42].…”
Section: Resultsunclassified
“…Na biblioteca NLOpt, há algoritmos de dois tipos diferentes dentro dessa classe de algoritmos, sendo os que não se baseiam em condições derivativas, rotulados nos testes e na biblioteca NLOpt como LN, e os que são baseados em métodos dos gradientes para otimização local, rotulados por LD. Há inúmeros algoritmos listados nessas duas categorias e disponibilizados pela NLOpt como os algoritmos de Otimização de Restrições por Aproximações Lineares (Contrained Optimzation by Linear Approximations -COBYLA) [ [38] e três variações dos métodos pré-condicionados truncados de Newton [39], [40]. Como a classe e o tipo de algoritmo são diferentes do ESCH aqui apresentado, optou-se em utilizar o algoritmo NLOPT_LN_COBYLA, por apresentar aproximações lineares que podem ser comparadas a parte dos recursos do DIRECT-L e também por proceder otimizações em que as informações das derivadas do espaço de busca não são [41] informadas com restrições de desigualdades não lineares e igualdades automaticamente modificadas pela combinação de pares de igualdades [40], [41], [42].…”
Section: Resultsunclassified
“…On the other hand, RTE-based DOT codes are based on multiple right hand sides, which correspond to multiple light sources illumination. Traditional methods to solve multiple right hand sides are to solve each right hand side separately or solve multiple right hand sides simultaneously in parallel [24, 25]. However, the extensive computational power those parallel solvers required are not always available; hence we focus here on the numerical method for solving multiple right hand sides simultaneously on a single thread or limited threads (thread number is less than source number).…”
Section: Introductionmentioning
confidence: 99%
“…The adaptive finite element method uses local mesh evolution strategy not only to accelerate the simulation with fewer discretized points but also to improve upon the discretization errors, forward solution accuracy and therefore reconstruction quality (Joshi et al 2004, Lv et al 2006). When the simulation region is decomposed into several subdomains, parallel simulation implementation can effectively accelerate the adaptive FEM simulation (Gu et al 2009, Lu and Chatziioannou 2009), enabling fully parallel adaptive finite element photon migration simulation with high-order RTE approximations that are suitable for use within inverse image reconstruction algorithms (Lu et al 2009b). …”
Section: Introductionmentioning
confidence: 99%