我正在解决scipy 0.18内的稀疏线性方程组，它在内部使用SuperLU（在 umfpack 由于许可证问题而被删除之后）。

当前，我在算法的每次迭代中都进行了完整的重新分解，但现在我想重新使用在第一次迭代中计算的排列排序（至少是列排列；但甚至可能是行排列） . 我如何使用 scipy 以一种很好的方式实现这一目标？

我以前没有 SuperLU 的使用历史（也没有太多使用稀疏代数包的实际经验），但用户指南让我相信，这应该通过options-parameter.

Fact 指定是否在输入时提供矩阵 A 的因式分解形式，如果没有，将如何根据以前的历史记录矩阵 A 的因式分解，例如从头开始分解，重用 Pc 和/或 Pr，或重用L 和 U.fact 的数据结构可以是以下之一：

– DOFACT：矩阵 A 将从头开始分解。

– SamePattern：矩阵 A 将被分解，假设在此之前执行了具有相同稀疏模式的矩阵的分解。因此，这个因式分解将重用列置换向量 perm c。

– SampPattern SameRowPerm：矩阵 A 将被分解，假设在此之前执行了具有相同稀疏模式和相似数值的矩阵的分解。因此，此分解将重用行和列置换向量 perm r 和 perm c，行和列缩放因子 Dr 和 Dc，以及从先前符号分解建立的分布式数据结构

作为替代方案，在 内还有以下内容options：

ColPerm 指定如何置换矩阵的列以保持稀疏性。

– 自然：自然排序。

– MMD ATA：AT A 结构的最小度排序。

– MMD AT PLUS A：AT + A 结构的最小度排序。

– COLAMD：近似最小度数列排序

– MY PERMC：使用用户在 perm c 中输入的顺序。

问题

• 我应该使用 SuperLU 的哪个部分来实现我的目标？以上之一？还有什么？
• 如何在 scipy 中完成？
  • scipy 的文档ColPerm中缺少-参数（也许它不可用）MY_PERMC