landfeer迭代序列的malab求解.docxVIP

landfeer迭代序列的malab求解 数学和物理中的反问题往往不确定，但解算方法的本质困难是解的不稳定性。如果没有特殊方法的解决方案，就无法获得合理的结果。目前求解此类问题的主要有Tikhonov正则化、Landweber迭代正则化和TSVD正则化等方法。在这些正则化方法中, Landweber迭代法对于求解大规模问题是十分有利的,而且比较稳定。目前,Landweber迭代法已进一步发展于求解非线性的不适定问题。但是,Landweber迭代序列收敛速度是相当慢的,这成为Landweber迭代正则化的应用产生了巨大的障碍。因此,在实际应用中,Landweber迭代的加速问题十分重要。下面将给出一种新的迭代格式,这种迭代格式能够大大加快收敛速度,有效地减少计算量。 1 进展之一,正则化算子 考虑第一类算子方程 Τx=y(1)Tx=y(1) T:X→Y为线性紧算子,X,Y为实Hilbert空间,在实际问题中右端只是近似已知,记为yδ∈Y,‖y-yδ‖≤δ(δ0表示方程右端数据误差),因此考虑以下方程 Τx=yδ(2)定义正则化算子RnRn=?ωn-1∑j=0(Ι-?ωΤ*Τ)jΤ*(3)Tx=yδ(2)定义正则化算子RnRn=ω?∑j=0n?1(I?ω?T?T)jT?(3) 式中,0＜?ω≤1∥Τ*Τ∥0＜ω?≤1∥T?T∥为松弛因子,T*为T的共轭算子。Landwber正则化就是以Rnyδ作为方程(1)的真解x*=T*y的近似,T*为T的Moore-Penrose广义逆,n为正则参数。如果y∈D(T*),当n→+∞时,Rny→T*y。 考虑迭代格式Ak+1=Ak+(Ι-?ωΤ*Τ)?A0=Ι,易知An=n-1∑j=0(Ι-?ωΤ*Τ)j,则正则解Rnyδ=An(?ωΤ*yδ)。停止规则为‖TRnyδ-yδ‖≤τδ(τ1)第1次出现。记B=Ι-?ωΤ*Τ?z=?ωΤ*yδ,则迭代格式为 Ak+1=Ak+BA0=Ι(4) 停止规则为‖TAnz-yδ‖≤τδ第1次出现,正则解Rnyδ=Anz。 2 平台迭代算法 考虑如下迭代 {S0=B,?A0=Ι?Ak+1=?Ak(Ι+Sk+?+Sa-1k)Sk+1=Sak(5) 其中a≥2为给定的正整数。由式(5)可知:?A1=?A0(Ι+S0+?+Sa-10)=Ι(Ι+B+?+Ba-1)=Ι+B+?+Ba-1=Aa;?A2=?A1(Ι+S1+?+Sa-11)=(Ι+B+?+Ba-1)(Ι+Ba+?+(Ba)a-1)=(Ι+B+?+Ba-1)Ι+(Ι+B+?+Ba-1)Ba+?+(Ι+B+?+Ba-1)(Ba)a-1=Ι+B+B2+?+Ba2-1=Aa2,依此类推得?An=Aan,即 ?An=an-1∑j=0(Ι-?ωΤ*Τ)j(6) 虽然按式(5)每次迭代的计算量比按式(4)每次迭代的计算量大一些,但是按式(5)迭代k次,相当于按式(4)迭代ak次;另一方面,从数值计算实现来看,Sk,?Ak都是有限维的正定矩阵,最终的计算可归结为对角阵上的元。总体来说式(5)大大加快了收敛速度,有效的减少了计算量。加速后的Landweber迭代算法可描述为: 1)给定初值S0=Ι-?ωΤ*Τ??A0=Ι,其中0＜?ω≤1∥Τ*Τ∥; 2)计算?Ak+1=?Ak(Ι+Sk+?+Sa-1k)和Sk+1=Sak; 3)计算xδk=?Ak(?ωΤ*yδ),若xδk满足‖Txδk-yδ‖≤τδ(τ1),则停止计算,否则转2)。 事实上,实际问题在离散化之后,上述算法中第2)和第3)步将有更为简单的计算,这对于计算量的减少也是有极大的帮助。 3 yt型加速算法 为了说明给出的算法的有效性,考虑右端项有扰动误差的第1类Fredholm积分方程 ∫bak(s,t)x(s)ds=y(t)a≤t≤b 的求解,并且解的光滑性较差。许多反问题都可归结为此类方程,比如热传导反问题,信号和图像处理中的反问题等等。考虑第1类Fredholm积分方程 ∫10ln(t-s)x(s)ds=y(t)2≤t≤3(7) 当y(t)=12t2lnt+12(t-1)2-(t2-t+14)ln(t-12)-38时,方程(7)的解为 x(s)={s0≤s≤0.51-s0.5≤s≤1 假设方程(7)右端有扰动δsin 50t,此时求解的方程为 ∫10ln(t-s)x(s)ds=yδ(t)2≤t≤3(8) 式中yδ(t)=y(t)+δsin 50t,将方程(8)离散化为 1nn∑j=1ln(ti-sj)x(sj)=ˉyi 其中,ˉyΤ=(y(t1),?,y(tm))+δ(sin50t1???sin50tm)?sj=(j-1)/n?ti=(i-1)/m?i=1,2,?,m,j=1,2,?,n。取m=500,n=100,利用Matlab编程,就右端项的相对扰动误差