Hierarchical Block Low-rank Approximation of Cavity Radiation
本文提出结合块低秩近似与分层矩阵处理腔体辐射中的稠密有限元离散化,利用ACA方法提升效率,数值实验显示相比稠密矩阵方法显著加速并降低内存。
2023-05-11 cs.NA math.NA
Overview of solution methods for elliptic partial differential equations on cartesian and hierarchical grids
椭圆型偏微分方程(PDE)出现在计算科学的许多领域,如计算流体动力学,生物物理学,工程,物理学等。由于它们的全局性质和有时病态算子,它们很难求解。我们回顾常见的椭圆偏微分方程的离散化方法,如有限差分,有限体积,有限元,谱方法和线性系统,他们形成。我们还提供了一个概述的经典的现代解决方案的方法,这些离散化方法形成的线性系统。这些方法包括分裂和Krylov方法,直接方法和分层方法。最后,我们将受益于椭圆偏微分方程的快速,高效的求解器,包括投影方法的不可压缩Navier-Stokes方程和浅水波方程的色散校正的应用。
2022-05-06 cs.CE cs.NA math.NA
Stochastic Galerkin Method and Hierarchical Preconditioning for PDE-constrained Optimization
Lehigh University(利哈伊大学);University of Maryland, Baltimore County(马里兰大学巴尔的摩县分校)
本文提出基于随机伽辽金方法的分层预条件器,用于解决偏微分方程约束优化中的大规模病态线性系统问题,提升迭代求解器的收敛效率。
2026-02-23 cs.NA math.AP math.NA
Hybrid-Dimensional Finite Volume Discretizations for Fractured Porous Media
University of Bergen(卑尔根大学);Christian Michelsen Research(克里斯蒂安·米克尔森研究所)
本文提出了一种混合维有限体积离散化方法,用于处理破碎 porous 媒介中的流体流动,通过改进的框架实现高效且灵活的耦合。
2017-12-22 cs.NA math.NA
Adaptive level set topology optimization using hierarchical B-splines
提出了一种基于层次B样条的结构水平集拓扑优化的自适应离散化策略。研究了离散化途径和自适应策略对优化结果和计算代价的影响。设计的几何形状由水平集函数的等值线隐含地表示。浸入边界技术,这里的扩展有限元法,用于预测结构响应。水平集函数和状态变量场均采用层次B样条离散化。虽然只有一阶B样条用于状态变量字段,但考虑到三阶B样条用于离散化水平集函数。水平集函数和状态变量场的离散化沿材料界面局部细化,并在体相内选择性粗化。对于局部细化/粗化网格,截断B样条被认为是。所提出的网格自适应策略的性能进行了研究,无论是初始设计是由一个统一的阵列的夹杂物或夹杂物的优化过程中产生的水平集拓扑优化。采用静态线弹性材料/空隙问题在2D和3D的数值研究表明,所提出的方法的能力,从一个粗糙的网格和收敛到设计具有复杂的几何形状和精细的功能,降低整体计算成本。比较不同的B样条阶数的优化结果表明,高阶基函数促进了光滑设计的发展,抑制了小特征的出现,而不提供明确的特征尺寸控制。一个明显的优势,三次二次B样条没有观察到。
2019-09-23 cs.NA math.NA math.OC
A sparse hierarchical $hp$-finite element method on disks and annuli
提出一种稀疏分层hp有限元方法,用于圆盘/圆环上Helmholtz方程,保持Fourier模态解耦与稀疏矩阵,支持径向不连续和各向异性系数,可高效求解高频及扩展问题。
2025-07-09 cs.NA math.NA
Adaptive stochastic Galerkin FEM for lognormal coefficients in hierarchical tensor representations
Weierstrass Institute(韦伊尔斯特拉斯研究所);Max Planck Institute for Mathematics in the Sciences(马克斯·普朗克科学促进学会数学研究所);TU Berlin(柏林工业大学)
本文提出了一种自适应随机伽辽金有限元方法,用于求解具有对数正态系数的线性参数偏微分方程,通过分层张量表示降低计算复杂性,并引入了可靠的残差基后验误差估计器以指导自适应算法。
2018-11-01 cs.NA math.NA
An iterative solver for the HPS discretization applied to three dimensional Helmholtz problems
本文提出了一种求解三维变系数Helmholtz问题的分层Poincaré-Steklov(HPS)离散化的线性系的有效方法。HPS方法的先前工作将其与直接求解器绑定。这项工作是第一个有效的迭代求解器的线性系,结果从HPS离散。该解决方案的技术利用GMRES加上一个局部均匀化块雅可比预条件。离散化和预条件子的局部性质自然地产生线性系的无矩阵应用。数值结果说明了性能的解决方案技术。这包括一个实验,其中一个问题在每个方向上大约100个波长,需要超过10亿个未知数,以实现大约4位数的精度,需要小于20分钟来解决。
2023-01-16 cs.DC cs.NA math.NA
A Two-Level Direct Solver for the Hierarchical Poincaré-Steklov Method
Oden Institute, University of Texas at Austin(德克萨斯大学奥斯汀分校奥登研究所)
本文提出一种用于求解线性椭圆型 PDE 的 HPS 方法的两级直接求解器,通过批量 GPU 线性代数例程将问题简化为块稀疏系统,并利用选主元的稀疏直接求解器提升数值稳定性,实现高阶离散化的高效计算。
2025-09-17 cs.NA math.NA
A High-Order Rank-Adaptive Implicit Algorithm for Solving High Dimensional Diffusion Equations using the Hierarchical Tucker Decomposition
Swarthmore College(斯沃斯莫尔学院)
本文提出采用分层塔克分解的高阶秩自适应隐式算法,用于求解高维扩散方程,通过数值实验验证其高阶精度及解秩捕获能力。
2026-08-21 cs.NA math.NA
Hierarchical Model Reduction Techniques for Flow Modeling in a Parametrized Setting
本文提出两种基于投影模型降阶技术的方法,分别采用 proper orthogonal decomposition 和 greedy algorithm 构建降阶基,以高效准确求解参数化偏微分方程,并在二维标量和向量测试用例上进行了初步比较。
2021-01-26 cs.NA math.NA
Approximating optimal feedback controllers of finite horizon control problems using hierarchical tensor formats
控制系统的常微分方程(ODEs)是普遍存在的科学和工程。为了找到一个最优反馈控制器,价值函数和相关的基本方程,如贝尔曼方程和哈密尔顿-雅可比-贝尔曼(HJB)方程是必不可少的。由于这些方程的非线性和(可能)高维性,对它们的数值处理提出了巨大的挑战。本文考虑一个有限时域控制系统,它与Bellman方程相关联.在时间离散化之后,我们得到一系列的短时间范围的问题,我们称之为局部最优控制问题。为了解决局部最优控制问题,我们采用两种不同的方法,一种是众所周知的策略迭代,其中每个时间步都需要一个固定点迭代。另一种算法借鉴了模型预测控制(MPC)的思想,通过在短时间内用开环控制方法求解局部最优控制问题,用伴随方法代替定点迭代。对于高维系统,我们应用低秩分层张量积近似/基于树的张量格式,特别是张量列(TT张量)和多多项式,以及高维求积,例如Monte-Carlo。通过控制一个含不稳定反应项的扩散方程和一个Allen-Kahn方程,证明了误差关于时间离散的线性传播.
2021-04-13 cs.NA math.NA math.OC
Application of Hierarchical Matrix Techniques To The Homogenization of Composite Materials
Ecole Polytechnique Fédérale de Lausanne(洛桑联邦理工学院);École Centrale de Nantes(南特中央理工学院)
本文研究基于积分方程的数值均质化方法,通过等效包含体方法和边界积分方程解决正确子问题,并利用H矩阵格式处理完全填充矩阵。
2013-12-31 cs.NA math.AP math.NA
Pricing high-dimensional Bermudan options with hierarchical tensor formats
提出了一种基于层次张量的期权定价方法的有效压缩技术。它表明,“维数灾难”可以减轻计算的最小平方的蒙特卡罗方法以及对偶鞅方法,都使用高维张量多项式展开的Escherdan期权价格。这种离散化允许一个简单的和计算成本低的评估条件的期望。复杂性估计以及张量训练格式的优化程序的描述。数值实验表明,所提出的方法的有利的精度。动态规划方法产生的结果与最近的神经网络为基础的方法。
2021-03-06 cs.CE cs.NA math.NA
A posteriori error estimates for hierarchical mixed-dimensional elliptic equations
具有层次结构的混合维椭圆型方程通常用于模拟具有高纵横比夹杂物的问题,例如裂缝多孔介质中的流动。基于泛函后验误差估计理论,我们得到了一般的抽象估计,并得到了原始变量和对偶变量的上界以及原始-对偶对的双边界.我们通过提出基于近似解具有守恒性质的程度来估计残差的四种不同方法来改进用泛函方法获得的抽象结果,即:(1)不守恒,(2)子域守恒,(3)网格级守恒,(4)精确守恒。这种处理的结果在更清晰和完全可计算的估计时,质量是保守的,无论是在网格级别或确切地,具有可比的结构,从基于网格的后验技术。我们证明了我们的理论结果的实际有效性,通过数值实验,使用四种不同的离散化方法的合成问题和应用程序的基础上在裂缝性多孔介质中的流动的基准。
2022-04-19 cs.NA math.NA
Using hierarchical matrices in the solution of the time-fractional heat equation by multigrid waveform relaxation
本文研究非均匀时间网格上时间分数阶热传导方程的有效数值解。非均匀网格对于捕捉时间分数阶问题的“典型”解的奇异性是必不可少的。我们提出了一种基于波形松弛技术的时空多重网格方法,该方法考虑了分数阶微分算子的非局部特性。为了保持一个最佳的复杂性,这可以得到的情况下,均匀的网格,我们近似的系数矩阵对应的时间离散化的分层矩阵(${\cal H}$ -矩阵)表示。特别地,所提出的方法具有${\cal O}(k N M \log(M))$的计算成本,其中$M$是时间步长的数量,$N$是空间网格点的数量,并且$k$是控制${\cal H}$ -矩阵近似的精度的参数。该算法的效率和良好的收敛性,这可以从理论上证明了半代数模式分析,通过数值实验在一维和二维空间。
2020-05-07 cs.NA math.NA
An adaptive high order direct solution technique for elliptic boundary value problems
Rice University(莱斯大学)
本文提出了一种自适应高阶离散化技术,用于解决椭圆边值问题,改进了Hierarchical Poincaré-Steklov方法,通过更高效的张量积基底实现自适应细化,提高求解精度和效率。
2018-06-30 cs.NA math.NA
Existence of $\mathcal{H}$-matrix approximants to the inverse of BEM matrices: the hyper-singular integral operator
Vienna University of Technology(维也纳工业大学)
研究超奇异积分算子在闭合曲面上的离散化,证明对应系统矩阵的逆可被分块低秩矩阵以指数速率近似,涵盖$\mathcal{H}$-矩阵的数据稀疏格式,针对两种离散化方法证明近似结果。
2015-03-06 cs.NA math.NA
A Low Rank Tensor Representation of Linear Transport and Nonlinear Vlasov Solutions and Their Associated Flow Maps
我们提出了一个低秩张量方法来近似线性传输和非线性Vlasov解决方案及其相关的流图。该方法利用Vlasov方程中的微分算子是张量友好的这一事实,提出了一种新的方法,通过在偏微分方程离散化过程中添加新的基函数,并通过SVD型截断过程去除基,动态自适应地建立低秩解基.在离散上,我们采用了高阶有限差分空间离散和二阶强稳定性保持多步时间离散。我们应用相同的过程来发展的动态流图在低秩的方式,这被证明是有利的,当流图享有低秩结构,而解决方案遭受高秩或显示reconstruction结构。对高维问题采用分层Tucker分解。一组广泛的线性和非线性Vlasov测试的例子进行显示高阶空间和时间收敛的网格细化算法的SVD型截断,显着的计算节省所提出的低秩的方法,特别是对于高维问题,改进的性能流图方法的解决方案的演示。
2021-06-17 cs.NA math.NA
Adaptive Parameter Optimization For An Elliptic-Parabolic System Using The Reduced-Basis Method With Hierarchical A-Posteriori Error Analysis
本文提出基于降阶基方法的自适应参数优化方案,通过层次化后验误差估计器验证RB离散化,高效求解锂离子电池启发的非线性椭圆-抛物型耦合系统参数优化问题。
2023-08-01 cs.NA math.NA math.OC
Distributed $\mathcal{H}^2$-matrices for boundary element methods
边界积分方程的标准离散化技术,例如,Galerkin边界元方法导致需要快速和有效压缩技术的大的密集填充矩阵,如快速多极方法或分级矩阵。如果底层网格非常大,则在分布式计算机上运行相应的算法是有吸引力的,例如,因为分布式计算机通常是成本有效的并且提供高的累积存储器带宽。与紧密相关的粒子方法相比,分布式算法已经很好地建立,Galerkin离散化带来了挑战,因为基函数的支持影响矩阵的块结构,从而影响相应算法中的数据流。本文介绍了分布式$\mathcal{H}^2$ -矩阵,这是一类与快速多极子方法密切相关的分层矩阵,特别适合于分布式计算。虽然早期的努力需要全局树结构的$\mathcal{H}^2$矩阵存储在分布式系统的每个节点,新的方法只需要本地多级信息,可以通过一个简单的分布式算法,使我们能够扩展到显着更大的系统。实验表明,该方法可以有效地处理包含$130$万个三角形的超大型网格。
2022-03-10 cs.MS cs.NA math.NA
A Fast Direct Solver for Boundary Integral Equations Using Quadrature By Expansion
West University of Timişoara(蒂米什瓦拉西大学);University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文提出一种基于扩展求积法的快速直接求解器,通过改进的层次半分离矩阵运算和插值分解技术,实现对二维和三维问题的高效求解,具有最优渐进行为。
2025-11-12 cs.NA math.NA
Locally-verifiable sufficient conditions for exactness of the hierarchical B-spline discrete de Rham complex in $\mathbb{R}^n$
给定一个域$Ω\subset \mathbb{R}^n$,在研究定义在$Ω$上的电磁学和流体力学问题时,微分形式的de Rham复形会自然出现,它的离散化有助于为这类问题建立稳定的数值方法。为了构造这种稳定的方法,一个关键的要求是确保离散子复形与连续复形上同调等价。当$Ω$是超立方体时,我们要求离散子复形是精确的。针对这类$Ω$,我们从理论上分析了由分级B样条微分形式构造的离散de Rham复形,即,离散微分形式是平滑样条,并且支持自适应细化这些特性是实现精确和有效的数值模拟的关键。我们提供了本地可验证的充分条件,确保离散样条复杂的是准确的。数值试验支持的理论结果,讨论的例子包括复杂的,满足我们规定的条件,以及那些违反这些条件。
2022-09-03 cs.NA math.AT math.DG
Hierarchical sparse-grid particle-in-cell method with locally adaptive mesh refinement
Université de Toulouse(图卢兹大学;法国国家科学研究中心数学研究所);UPS, INSA, UT1, UTM, Institut de Mathématiques de Toulouse, CNRS(法国国家信息与自动化研究所,空客CR&T、Cerfacs与Inria联合团队);Inria, Concace joint team between Airbus CR&T, Cerfacs and Inria
该研究针对分层稀疏网格粒子-in-单元方法提出带能量逼近空间与分层余量策略的局部自适应方案,可在减少网格节点和粒子数量的同时提升局部解逼近精度,为复杂结构等离子体高效模拟提供了可行思路。
2026-08-18 cs.NA math.NA
Enhancing adaptive sparse grid approximations and improving refinement strategies using adjoint-based a posteriori error estimates
Sandia National Laboratories(桑迪亚国家实验室)
本文提出一种算法,利用伴随法后验误差估计提升稀疏网格逼近精度,并改进稀疏网格的自适应策略,通过平衡物理离散误差与随机插值误差提高近似准确性。
2014-07-03 cs.NA math.NA
Sparse Hierarchical Preconditioners Using Piecewise Smooth Approximations of Eigenvectors
当求解由PDE离散化产生的线性系统时,迭代法(如共轭梯度法、GMRES或MINRES)通常是唯一实用的选择。然而,为了在少量迭代中收敛,它们必须与有效的预条件子相结合。预条件子的效率很大程度上取决于其对对应于小特征值的特征向量的精度,不幸的是,黑箱方法通常不能保证这些特征向量的足够精度。因此,构建预条件子成为一个问题依赖的任务。然而,对于一大类问题,包括许多椭圆型方程,对应于小特征值的特征向量是PDE网格的光滑函数。在本文中,我们描述了一个分层近似因式分解的方法,重点是提高精度的光滑特征向量。通过保持分解矩阵对网格的分段多项式函数的作用,提高了精度。基于因子分解,我们提出了一族具有$O(n)$或$O(n \log{n})$构造复杂度的稀疏预条件子。我们的方法表现出最佳的$O(n)$解决方案的时间在基准上运行的大型椭圆问题的不同类型,例如在流动或机械模拟。在线性弹性方程的情况下,预条件是精确的近核刚体模式。
2020-02-21 cs.NA math.NA physics.comp-ph
A conservative low rank tensor method for the Vlasov dynamics
本文提出了一种保守的低秩张量方法来逼近非线性Vlasov解。低秩方法基于我们早期的工作(arxiv:2106.08834)。该方法利用Vlasov方程中的微分算子是张量友好的这一特点,提出通过离散化微分方程来增加新的基函数,并通过奇异值分解(SVD)型截断过程来去除基,从而动态自适应地构造低秩解基.对于离散,我们采用高阶有限差分空间离散和二阶强稳定性保持多步时间离散。虽然SVD截断将消除表示高维Vlasov解的冗余,但它将破坏相关的全保守格式的守恒性质。在本文中,我们发展了一个保守的截断程序的质量,动量和动能密度守恒。守恒截断是通过在速度空间中的$1$、$v$和$v^2$所张成的子空间上的正交投影来实现的,该子空间与加权内积相关联。然后,该算法执行加权SVD截断的其余部分,这涉及到缩放,其次是标准SVD截断和重新缩放回来。该算法进一步发展,在高维层次Tucker张量分解的高维Vlasov解决方案,克服了灾难的维度。一组广泛的非线性Vlasov的例子进行显示建议的保守低秩方法的有效性和守恒性。与非保守低阶张量方法在质量、动量和能量守恒历史上的结果进行了比较。
2022-01-25 cs.NA math.NA
Recovering missing CFD data for high-order discretizations using deep neural networks and dynamics learning
Sandia National Laboratories(桑迪亚国家实验室);Texas A&M University(德克萨斯农工大学);Stanford University(斯坦福大学)
本研究旨在通过深度神经网络和动态学习方法,高效恢复高阶离散化CFD模拟中缺失的数据,以减少存储需求并保持后验恢复能力。
2019-05-28 cs.NA math.NA physics.comp-ph
Solving the Fokker-Planck equation of discretized Dean-Kawasaki models with functional hierarchical tensor
Stanford University(斯坦福大学)
本文提出了一种基于功能化分层张量的方法,用于求解离散化德恩-卡瓦基模型的福克-普朗克方程,适用于在单纯形上的密度估计任务。
2026-02-05 cs.NA math.NA
Matrix-Free Evaluation Strategies for Continuous and Discontinuous Galerkin Discretizations on Unstructured Tetrahedral Grids
本文提出在非结构四面体网格上利用稠密矩阵乘积和分层网格重排序改进连续与间断Galerkin离散化的无矩阵求值性能,实现高达6倍加速,并验证了其在Poisson和Navier--Stokes等大规模问题中的有效性。
2025-09-12 cs.MS cs.NA cs.PF
Fast and high-order approximation of parabolic equations using hierarchical direct solvers and implicit Runge-Kutta methods
本文提出将加性Runge-Kutta时间步进与Hierarchical Poincaré-Steklov分层直接求解器结合求解抛物方程,利用固定时间步长复用预计算逆矩阵,在二维实现预计算O(N^1.5)、每步求解O(N log N)的复杂度,并证明了一阶时间稳定性。
2024-05-07 cs.NA math.NA
A Local Macroscopic Conservative (LoMaC) low rank tensor method with the discontinuous Galerkin method for the Vlasov dynamics
本文提出了一种新的局部宏观守恒(LoMaC)低秩张量方法,在物理空间和相空间中采用间断Galerkin(DG)离散,并用于模拟Vlasov-Poisson(VP)系统. LoMaC性质是指在离散水平上宏观质量、动量和能量的精确局部守恒。最近开发的LoMaC低秩张量算法(arXiv:2207.00518)使用动力学通量矢量分裂同时演化质量、动量和能量的宏观守恒定律;然后通过将低秩动力学解投影到共享相同宏观可观测量的子空间上来实现LoMaC性质。本文是我们以前的工作的推广,但DG离散化,以利用其紧凑性和灵活性,在处理边界条件和其优越的精度在长期。该算法是开发在一个类似的方式为有限差分格式,通过观察DG方法可以被视为等同于在一个节点的方式。利用节点DG方法,假设张量化计算网格,将能够(1)基于传输项的DG迎风离散化导出不同节点的微分矩阵,以及(2)基于节点DG网格点定义加权内积空间。通过解张量的分层Tucker分解和相应的保守投影算法,该算法可以推广到高维问题。同样,该算法也可以推广到非结构网格节点上的DG方法,或其他类型的离散化方法,如速度方向上的谱方法。大量的数值结果进行展示的方法的有效性。
2022-10-13 cs.NA math.NA
Hierarchical matrix approximability of inverse of convection dominated finite element matrices
POEMS;CNRS(法国国家科学研究中心);Inria(法国国家信息与自动化研究所);ENSTA(国立高等先进技术学院);Institut Polytechnique de Paris(巴黎理工学院)
本文提出基于
2025-12-04 cs.NA math.AP math.NA
Randomized Strong Recursive Skeletonization: Simultaneous Compression and LU Factorization of Hierarchical Matrices using Matrix-Vector Products
The Ohio State University(俄亥俄州立大学);The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出一种利用矩阵-向量乘积同时压缩和分解H²矩阵的算法,具有低采样复杂度和对不定性和病态的鲁棒性。
2025-11-13 cs.NA math.NA
PHASE: Pauli Hierarchical Assembly on Subdivided Elements for Quantum-Compatible Operator Synthesis
Vanderbilt University(范德堡大学)
提出PHASE算法,利用递归网格划分和混合策略,将有限元刚度矩阵的泡利分解复杂度从指数级降低到维度依赖的更低指数级,实现大规模量子兼容算子合成。
2026-06-11 cs.NA math.NA quant-ph
Numerical Smoothing with Hierarchical Adaptive Sparse Grids and Quasi-Monte Carlo Methods for Efficient Option Pricing
当逼近随机微分方程解的泛函期望值时,确定性求积方法(如稀疏网格求积和拟蒙特卡罗(QMC)方法)的数值性能可能严重依赖于被积函数的正则性。为了克服这个问题,并提高问题的正则性结构,我们考虑的情况下,分析平滑(无偏软化)不能进行,并引入一种新的数值平滑方法相结合的一个根的方法与一维数值积分相对于一个单一的精心选择的变量。我们证明,在适当的条件下,剩余变量的所得函数是高度光滑的,可能提供自适应稀疏网格求积(ASGQ)和QMC方法的改进效率,特别是当与分层变换(即,弱误差上的布朗桥和Richardson外推)。这种方法有利于有效地处理高维。我们的研究是出于期权定价问题,重点是动态的离散化的资产价格是必要的。基于我们的分析和数值实验,我们证明了与ASGQ和QMC方法相结合的数值平滑的优点,这些方法没有平滑和蒙特卡罗方法。最后,我们的方法是通用的,可以应用于解决广泛的一类问题,特别是近似分布函数,计算金融希腊人,估计风险量。
2022-06-29 cs.CC cs.CE cs.NA
Parallel accelerated cyclic reduction preconditioner for three-dimensional elliptic PDEs with variable coefficients
King Abdullah University of Science and Technology(阿卜杜拉国王科技大学);American University of Beirut(贝鲁特美国大学)
本文提出一种鲁棒且可扩展的预条件子,用于求解可进行秩压缩的椭圆PDEs离散化得到的大规模线性系统。该预条件子基于分层低秩近似和循环减少方法,具有对数线性复杂度,并在分布式内存环境中表现出良好的弱标度性和强标度性。
2017-12-24 cs.NA math.NA
An overlapping domain decomposition method based on solution-transfer operators
Oden Institute, University of Texas at Austin(德克萨斯大学奥斯汀分校奥登研究所);Department of Mathematics, The Ohio State University(俄亥俄州立大学数学系)
本文针对可分解为板层或壳层的变系数椭圆边值问题,提出基于解转移算子的重叠型区域分解方法,其系统适合分层低秩压缩,数值实验验证了该方法在高自由度问题中的稳定性与精度。
2026-08-18 cs.CE cs.NA math-ph
Multiscale multimesh finite element method | $\text{M}^2$-FEM: Hierarchical mesh-decoupling for integral structural theories
本研究提出一种广义多尺度多网格有限元法($\text{M}^2$ -FEM),解决了积分结构理论的数值模拟中的几个长期存在的挑战,通常用于模拟多尺度和非局部效应。积分边值问题的数值模拟的主要挑战主要是植根于耦合的空间离散化的全球(父)和积分(子)域,严重限制了计算效率的现有算法施加一个隐含的权衡子域实现的精度和专用于整个父域的模拟的资源。本研究的最具定义性的贡献之一在于开发了一种网格解耦技术,该技术生成孤立的网格集,使得父域和子域可以独立地离散和近似。这种网格解耦对积分理论的模拟具有多重影响,与现有的最先进的技术相比,所提出的算法同时实现了更好的数值精度和效率(因此允许在网格步长和计算成本权衡决定中的更大灵活性),采用广义积分核函数的更大能力,以及通过非结构化网格处理非规则(非矩形)域的能力。在这项研究中,我们选择了一个基准问题的基础上的扩展版本的埃林根的非局部弹性理论(隐含的,多尺度理论),利用广义衰减内核和非定域的非恒定视野。尽管如此,建议的$\text{M}^2$ -FEM算法是非常普遍的,它可以应用于各种积分理论,甚至超越结构弹性。
2022-10-26 cs.NA math.AP math.NA
B-Splines for Sparse Grids: Algorithms and Application to Higher-Dimensional Optimization
在仿真技术中,计算上昂贵的目标函数常常被廉价的替代函数所代替,替代函数可以通过插值获得。全网格插值方法受到所谓的维数灾难的影响,如果函数的参数域是高维的(四个或更多参数),则使它们不可行。稀疏网格构成了一种离散化方法,大大减轻了诅咒,而近似质量恶化只是微不足道的。然而,诸如分段线性函数的常规基函数是不光滑的(连续可微的)。因此,这些基函数不适合于需要梯度的应用。这种应用的一个例子是基于梯度的优化,其中梯度的可用性大大提高了收敛速度和结果的准确性。本文证明了稀疏网格上的层次B样条非常适合于获得高维的光滑插值。本文主要分为两个部分:第一部分,我们在稀疏网格上导出了新的B样条基,并研究了它们在理论和算法上的应用。在第二部分中,我们考虑了三个现实世界中的应用优化:拓扑优化,生物力学连续力学,和金融中的动态投资组合选择模型。结果表明,层次B样条在稀疏网格上可以准确有效地解决这些应用中的最优化问题。
2019-10-11 cs.NA math.NA