移动最小二乘法.pptVIP

* * 移动最小二乘法 移动最小二乘法是形成无网格方法逼近函数的方法之一。已在无网格方法中得到广泛应用。其优点是有很好的数学理论支持，因为基于最小二乘法，所以数值精度较高。对于每个固定点，移动最小二乘法即为通常的最小二乘法。最小二乘法的缺点也是移动最小二乘法的缺点，即易形成病态或奇异的方程组。 移动最小二乘法原理 假设待求函数u(x)在求解区域?中的N个节点xi(i=1,2,...,N)处的函数值ui=u(xi)是已知的，我们的目的是在区域?中构造待求函数u(x)的全局近似函数uh(x)，待求函数在计算点x的领域?x内可以局部近似为 式中： 是计算点x的领域?x内各点的空间坐标， 是基函数； m是基函数个数； 二维空间中单项式基函数分类 线性基： 二次基： 紧支集：定义域为D的函数f(x)具有紧支集是说集合{x|f(x)≠0}属于D内部，f(x)=0在D的边界达到. 将求解区域?用N个节点离散，在每个节点xi(i=1,2,...N)处定义一个权函数 权函数ωi只在节点xi周围的有限区域?i中大于零，而在该领域外均为零即该函数式紧支的，区域?i称为权函数ωi(x)的支撑域也称为节点xi的支撑域或节点xi的影响域. 设计算点x的邻域?x包括N个节点，近似函数 在这些节点 处的误差的加权平方和如下： 上式可用矩阵形式表示为： 式中： 为了得到 对J取极值即得： 即： 式中A(x)和B(x)分别为： 进一步又可得： 这样逼近函数uh(x)的表达式为： 式中Φ(x)为形函数： 最小二乘法与移动最小二乘法比较 （1）拟合函数的建立不同。移动最小二乘法建立拟合函数不是采用传统的多项式或其它函数，而是由一个系数向量a(x)和基函数p(x)构成，这里a(x)不是常数，而是坐标x 的函数。 （2）引入紧支（Compact Support）概念，认为点x 处的值y 只受x 附近子域内节点影响，这个子域称作点x 的影响区域（支撑域），影响区域外的节点对x的取值没有影响。在影响区域上定义一个权函数ω(x)，如果权函数在整个区域取为常数，就得到传统的最小二乘法。 优势：移动最小二乘法的这些改进能够带来许多优点，减缓或解决传统曲线曲面拟合过程中存在的困难。可以取不同阶的基函数以获得不同的精度，取不同的权函数以改变拟合曲线(曲面)的光滑度，这是其它拟合方法无法做到的。 *