抛物型偏微分方程最优控制问题中区域分解算法的精度与收敛性探究.docxVIP

抛物型偏微分方程最优控制问题中区域分解算法的精度与收敛性探究

一、引言

1.1研究背景与意义

在现代科学与工程领域，许多实际问题都可以归结为基于偏微分方程的最优控制问题，这使得最优控制问题成为了研究中的关键领域。有限元逼近是求解最优控制问题的一种有效方法，在诸多文献中，如[11,12,13,28,29,30]，系统地介绍了运用有限元方法求解偏微分方程和最优控制问题的相关内容。目前，已有大量工作探讨了有限元离散控制问题的收敛性，如[17,18,19,20]等。在实际操作中，自适应有限元方法因其既能提升有限元离散求解的精度，又能提高运算效率而被广泛应用。该方法依据前一步求解出的近似解与真解之间的误差，通过后验误差指示子，自动在难以逼近真解的区域增加网格点数或提高有限元基函数的阶数。

然而，尽管自适应有限元方法在工程数值计算中应用广泛，但在处理最优控制问题时，面对最优性条件中时空耦合方程所带来的庞大计算量，往往显得力不从心。随着并行计算技术的兴起，计算规模不断扩大与精度要求日益提高之间的矛盾逐渐得到缓解。在众多并行计算方法中，区域分解算法因其特别适合并行计算而备受关注。区域分解算法的核心思想是将求解区域划分为若干子区域，把复杂的大规模计算转化为若干个小规模计算。这些小规模计算相互独立，可以同时进行求解，从而实现并行计算，大大缩短了计算时间。目前，区域分解方法正处于蓬勃发展阶段，相关著作如[3,6,21]对其进行了深入研究。

在最优控制问题中，基于抛物型偏微分方程的最优控制问题占据着重要地位。抛物型偏微分方程广泛应用于描述各种物理现象，如热传导、扩散等过程。在热传导现象中，温度随时间和空间的变化遵循热传导方程，这是典型的抛物型方程，通过对该方程的研究，能够深入理解热量如何在物体内部传递以及最终达到稳定状态的过程；在扩散现象里，物质的浓度分布随时间的演化同样可以借助抛物型方程进行刻画，这对于研究物质在不同介质中的扩散规律，如污染物在水体或大气中的扩散，具有重要的指导意义。在[14,15]等文章中，介绍了关于抛物型方程最优控制问题的有限元方法的先验误差估计；[8]中，分析了抛物型方程最优控制问题的有限元方法的后验误差估计，并给出了后验误差指示子。然而，应用区域分解方法求解这类问题的研究相对较少。

本文将单个抛物型偏微分方程的区域分解算法应用到抛物型最优控制问题的求解中。区域分解算法的优势在于可以将求解区域分解为多个小子区域，一方面，能够减少计算量，提高计算效率；另一方面，该算法可应用于一般区域及其分解，具有广泛的适用性。通过研究，本文给出了算法的先验误差估计和误差阶，这对于深入理解算法的性能以及提高计算精度具有重要意义，同时也为相关领域的实际应用提供了更有效的理论支持和计算方法。

1.2国内外研究现状

在抛物型偏微分方程区域分解算法及先验误差估计的研究方面，国内外学者取得了一系列成果。在区域分解算法领域，自该算法于上个世纪八十年代崛起后，便成为并行求解大型偏微分方程的有效方法，并随着并行计算机和并行算法的发展而蓬勃发展。目前，区域分解算法大致可分为重叠型区域分解算法和非重叠型区域分解算法。

国外方面，众多学者从不同角度对抛物型偏微分方程的区域分解算法展开研究。例如，一些学者针对特定的物理模型，如热传导、扩散等模型中的抛物型方程，提出了基于时间分割、空间分割以及混合分割的区域分解方法。基于时间分割的方法将整个求解区域按时间分割成若干子区域，然后在每个时间区间内求解局部的方程，代表性算法为ADI算法，其通过将求解区域按照x和y方向交替进行更新来缩小求解误差；基于空间分割的方法将求解区域按空间划分成若干子区域，然后在每个子区域内求解局部的方程，有限元法是其代表性算法，该方法将求解区域划分成一定数量的小单元，然后在每个单元内求解局部方程；基于混合分割的方法将求解区域按照时间和空间同时分割成若干子区域，每个子区域都包含一个小时间区间和一个小空间区域，分裂算法是其代表，该算法先对时间方向进行分裂，然后在每个时间区间内对空间方向进行分裂，从而得到一系列子区域，然后在每个子区域内求解局部方程。这些算法在不同的应用场景中展现出各自的优势，但也存在一定的局限性，如计算精度、计算效率以及对复杂边界条件的适应性等方面仍有待提高。

国内学者在该领域也做出了重要贡献。部分学者研究了抛物型偏微分方程的直接区域分解算法，如采用差分法近似求解偏微分方程，在非重叠的子区域内部采用隐式差分格式近似微分方程，在子区域的交界面上使用显式差分格式，利用上一时间层的信息求当前时间层上各节点的值，该方法在抛物问题的计算中取得了良好的结果。还有学者对单个抛物型偏微分方程的区域分解算法进行深入研究，如在[9,10]两篇文章中，