<div dir="ltr"><div dir="ltr">On Thu, Oct 24, 2019 at 4:52 AM Munson, Todd <<a href="mailto:tmunson@mcs.anl.gov">tmunson@mcs.anl.gov</a>> wrote:<br></div><div class="gmail_quote"><blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left:1px solid rgb(204,204,204);padding-left:1ex"><br>
Hi,<br>
<br>
For these problems, how large are they?  And are they linear or nonlinear?  <br>
What I can do is use some fancier tools to help with what is going on with <br>
the solvers in certain cases.<br></blockquote><div><br></div><div>For the results cited above:</div><div><br></div><div>100 elements -> 101 dofs</div><div>1,000 elements -> 1,001 dofs</div><div>10,000 elements -> 10,001 dofs</div><div><br></div><div>The PDE is linear with simple bounds constraints on the variable: 0 <= u <= 10</div><div><br></div><blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left:1px solid rgb(204,204,204);padding-left:1ex">
<br>
For Barry's question, the matrix in the SS solver is a diagonal matrix plus<br>
a column scaling of the Jacobian.<br>
<br>
Note: semismooth, reduced space and interior point methods mainly work for<br>
problems that are strictly monotone. </blockquote><div><br></div><div>Dumb question, but monotone in what way?</div><div><br></div><div>Thanks for the replies!</div><div><br></div><div>Alex</div><div><br></div><blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left:1px solid rgb(204,204,204);padding-left:1ex"> Finding out what is going on with<br>
your problems with some additional diagnostics might yield some <br>
insights.<br>
<br>
Todd.<br>
<br>
> On Oct 24, 2019, at 3:36 AM, Smith, Barry F. <<a href="mailto:bsmith@mcs.anl.gov" target="_blank">bsmith@mcs.anl.gov</a>> wrote:<br>
> <br>
> <br>
> See bottom<br>
> <br>
> <br>
>> On Oct 14, 2019, at 1:12 PM, Justin Chang via petsc-users <<a href="mailto:petsc-users@mcs.anl.gov" target="_blank">petsc-users@mcs.anl.gov</a>> wrote:<br>
>> <br>
>> It might depend on your application, but for my stuff on maximum principles for advection-diffusion, I found RS to be much better than SS. Here’s the paper I wrote documenting the performance numbers I came across<br>
>> <br>
>> <a href="https://www.sciencedirect.com/science/article/pii/S0045782516316176" rel="noreferrer" target="_blank">https://www.sciencedirect.com/science/article/pii/S0045782516316176</a><br>
>> <br>
>> Or the arXiV version:<br>
>> <br>
>> <a href="https://arxiv.org/pdf/1611.08758.pdf" rel="noreferrer" target="_blank">https://arxiv.org/pdf/1611.08758.pdf</a><br>
>> <br>
>> <br>
>> On Mon, Oct 14, 2019 at 1:07 PM Alexander Lindsay via petsc-users <<a href="mailto:petsc-users@mcs.anl.gov" target="_blank">petsc-users@mcs.anl.gov</a>> wrote:<br>
>> I've been working on mechanical contact in MOOSE for a while, and it's led to me to think about general inequality constraint enforcement. I've been playing around with both `vinewtonssls` and `vinewtonrsls`. In Benson's and Munson's Flexible Complementarity Solvers paper, they were able to solve 73.7% of their problems with SS and 65.5% with RS which led them to conclude that the SS method is generally more robust.  We have had at least one instance where a MOOSE user reported an order of magnitude reduction in non-linear iterations when switching from SS to RS. Moreover, when running the problem described in this issue, I get these results:<br>
>> <br>
>> num_elements = 100<br>
>> SS nl iterations = 53<br>
>> RS nl iterations = 22<br>
>> <br>
>> num_elements = 1000<br>
>> SS nl iterations = 123<br>
>> RS nl iterations = 140<br>
>> <br>
>> num_elements = 10000<br>
>> SS: fails to converge within 50 nl iterations during the second time step whether using a `basic` or `bt` line search<br>
>> RS: fails to converge within 50 nl iterations during the second time step whether using a `basic` or `bt` line search (although I believe `vinewtonrsls` performs a line-search that is guaranteed to keep the degrees of freedom within their bounds)<br>
>> <br>
>> So depending on the number of elements, it appears that either SS or RS may be more performant. I guess since I can get different relative performance with even the same PDE, it would be silly for me to ask for guidance on when to use which? In the conclusion of Benson's and Munson's paper, they mention using mesh sequencing for generating initial guesses on finer meshes. Does anyone know whether there have been any publications using PETSc/TAO and mesh sequencing for solving large VI problems?<br>
>> <br>
>> A related question: what needs to be done to allow SS to run with `-snes_mf_operator`? RS already appears to support the option.<br>
> <br>
>   This may not make sense. Is the operator used in the SS solution process derivable from the function that is being optimized with the constraints or some strange scaled beast?<br>
>> <br>
> <br>
<br>
</blockquote></div></div>