改进的Semi-Lagrangian算法及应用.pdfVIP

摘 要 本文主要是研究如何设计有效的自适应算法和并行算法，用以复兴传统的 Semi．Lagrangiail算法。首先我们重新分析了算法的收敛性，给出了相对简化的 们给出了新型的时间误差指示子，及其后验误差估计。基于这个新型的时间误 差指示子，我们还给出了在收敛阶和正则性要求上都是最优的时间上的先验误 差估计。在用有限元方法进行空间离散后，我们给出了完全离散格式的后验误 差估计，并设计了相应的自适应算法。再然后，我们对传统的时间并行算法进 行了改进，将其与时间自适应算法相结合，设计了自适应的时间并行算法。最 后，我们运用Semi-Lagrangian算法进行非牛顿流体的数值模拟，给出了数值算 法，算法相关实现的细节以及数值模拟结果。 时间导数项和对流项同时处理，并沿着特征线方向进行时间离散。由于算法是 基于Lagrangian观点，所以可以将方程对称化，线性化。数值解在使用精确积 分时是无条件稳定的，因此允许使用较大的时间步长。算法提出后，就被研究人 员应用到了不同的实际问题上去，例如对流扩散问题【96，13，971，不可压缩流 体仿真模拟【80，17，1，78，99】，甚至更为复杂的粘弹性流体仿真[77，78，62，4l】 计，数学家们首先得到形式如下的最优收敛阶的结果【36，89，35】(空间使用线性 有限元离散)： II札(￡n)一叼IlL：(Rd)≤c(k+^z)， 但是这里常数e和￡成反比。当￡_0时，这个误差估计就没有意义了。因此， 数学家们又给出了￡一致的误差估计【11】： h2 Ilu(t。)一WIJLz(o)≤c(k+min{h，÷))． ^ 但是上述误差估计的证明比较冗长，而且对解的正则性有额外的要求。因此，我 们在第二章给出了一个简化的证明，得到了类似的结果，并且对解的正则性并 没有额外的要求。这个￡一致但是收敛阶次优的先验误差结果和数值实验的结 果更为符合。 ii 改进的SEMI-LAGRANGIAN算法及其应用 这限制了Semi．Lagrangian算法的推广和使用。由于有数值积分和插值的引入， 算法会产生数值耗散，且在某些情况下，会变得不稳定。而均匀网格的使用，并 不适合对流占优问题的解往往具有激波，运动界面的特点。研究人员为了解决 这些问题，设计了人工粘性法，高精度格式，移动有限元，Streamline算法等 方法。而自适应算法也被数学家们很自然的引入到了Semi．Lagrangian算法中 【33，26，49，24，25】。由于自适应算法根据当前数值解提供误差信息，自适应地 改进网格，所以显示了其一定的有效性。但是，这些自适应算法并没有注意对流 占优问题的特点，所使用的时间误差指示子仍然直接借鉴了抛物型方程的结果， 从而影响了自适应算法的效率。我们注意到引入随体导数后，对流扩散问题沿 着特征线满足能量等式。根据这点，我们在第三章中给出了一个新型的时间误 差指示子，以及其后验误差估计。然后将其和传统的残量型空间误差指示子结 合，给出了完全离散格式的后验误差估计和自适应算法。另外，基于这个新型 的时间误差指示子，我们给出了一个在收敛阶和正则性要求上都是最优的时间 的先验误差估计，克服了传统的分析技巧在时间上对正则性要求较高的不足。 Semi．Lagrangian算法的另一个比较大的忧虑是计算量的问题。由于和传 统方法相比，Semi-Lagrangian算法在每一时间步要多进行一次特征线的回溯 和定位，会导致计算量的增加。另外，由于时间这个串行的物理量存在，也使 得在数值计算时，花在时间步进上的时间相当可观。对一些较为复杂的物理现 象，甚至会出现在时间上根本算不动的情况。因此，我们引入了时间并行算法 一一Parareal算法。该算法由Lions，Maday和Turinicif651于2001首先提出。 并在许多时间相关问题上有了应用f9，7，67，44，31】。该算法是一种基于两层 时间网格的迭代算法，每一次迭代在时间粗网格上进行预估，再在时间细网格 上进行并行的校正。从而达到时间并行的效果。在第四章中，我们从线性方程 组迭代算法的角度，重新分析了Parareal算法，给出了新的收敛性估计。由