Finite difference method for inhomogeneous fractional Dirichlet problem
我们将整数分数拉普拉斯算子的分裂表示为$(-Δ)^s u=(-Δ)(-Δ)^{s-1}u$,其中$s\in(0,\frac{1}{2})\cup(\frac{1}{2},1)$。在此基础上,分别对一维和二维积分分数Laplacian算子在非齐次Dirichlet边界条件下进行了离散,并利用插值估计给出了相应的截断误差.此外,对非齐次分数阶狄利克雷问题的解进行了适当的修正,得到了当解$u\in C^{1,α}(\barΩ^δ_{n})$,其中$n$为空间维数,$α\in(\max(0,2s-1),1]$,$δ$为固定的正常数,$h$为网格尺寸时的$\mathcal{O}(h^{1+α-2s})$收敛速度.最后,数值实验验证了理论结果。
2021-01-27 cs.NA math.NA
Dirichlet-Neumann and Neumann-Neumann waveform relaxation algorithms for time fractional sub-diffusion and diffusion-wave equations
在本文中,我们研究了时间分数阶子扩散方程和扩散波方程的Dirichlet-Neumann和Neumann-Neumann波形松弛算法在规则区域上的收敛性,其中无量纲扩散系数在不同的子区域上取不同的常数值.我们首先观察到,不同的扩散系数导致不同的松弛因子的最佳收敛。使用这些最佳松弛因子,我们的分析估计缓慢的超线性收敛的时间导数的分数阶接近零时,几乎有限步收敛的阶数接近2时,和之间,超线性收敛变得更快的分数阶的增加。因此,我们成功地捕捉到了估计的收敛速度随时间导数分数阶数变化的过渡,并通过数值实验进行了验证。
2022-12-23 cs.NA math.NA
Shooting Methods for Fractional Dirichlet-Type Boundary Value Problems of Order $α\in (1,2)$ With Caputo Derivatives
本文针对带 Caputo 导数的非线性分数阶 Dirichlet 型边值问题,提出采用比例分割打靶法选取初始值,证明其可在极少数迭代内达到高精度收敛,并给出相应理论解释。
2025-07-04 cs.NA math.NA
Finite element approximations of the nonhomogeneous fractional Dirichlet problem
IMAS - CONICET(IMAS - 阿根廷国家科学技术研究委员会);Departamento de Matemática, FCEyN - Universidad de Buenos Aires(布宜诺斯艾利斯大学理学院数学系);Department of Mathematics, University of Maryland(马里兰大学数学系);Facultad de Matemáticas, Pontificia Universidad Católica de Chile(智利天主教Pontificia大学数学学院)
本文研究了分数Laplace算子非齐次Dirichlet问题的有限元近似,通过弱化Dirichlet条件并引入非局部的法向导数的类比作为Lagrange乘子,发展了正则性估计以获得近似方案的收敛阶。
2018-04-16 cs.NA math.NA
Spectral Fractional Laplacian with Inhomogeneous Dirichlet Data: Questions, Problems, Solutions
本文讨论了方程$(-Δ)^s u=f$的正确设置问题,并给出了方程$0<s <1$ .通过傅里叶变换来理解整个空间上的分数拉普拉斯算子$\mathbb R^n$、$n=1,2,3$的定义,参见例如,Lischke等人(J. Comp. Phys.,2020年)。然而,真正的挑战代表的情况下,该方程是在一个有界域$Ω$和适当的边界条件,需要相应的问题的正确性。在这里我们要提到的是,非均匀边界数据的情况直到最近几年都被忽略了。原因是在非局部环境中施加非零边界条件是非常重要的。分数拉普拉斯算子至少有两种不同的定义,关于它们之间的关系,目前仍在进行研究。它们是不等价的。我们的研究重点是谱分数拉普拉斯算子的一个新的特征。其中一个主要的贡献涉及的情况下,当右手侧$f$是狄拉克$δ$功能。为了比较谱公式和Riesz公式中的解之间的差异,我们考虑了一个非齐次分数狄利克雷问题。理论分析得到了模型数值试验的支持。
2020-10-03 cs.NA math.NA
A short FE implementation for a 2d homogeneous Dirichlet problem of a Fractional Laplacian
IMAS - CONICET and Departamento de Matemática, FCEyN - Universidad de Buenos Aires(IMAS-CONICET 和布宜诺斯艾利斯大学经济与自然科学学院数学系)
本文提供了一个简洁的二维MATLAB有限元代码,用于解决分数Laplacian的齐次Dirichlet问题,包含理论讨论,代码仅80行,可扩展用于其他核和时间依赖问题。
2017-05-04 cs.NA math.NA
An Efficient Numerical Approach for Solving Two-Point Fractional Order Nonlinear Boundary Value Problems with Robin Boundary Conditions
提出了求解带Robin边界条件的两点分数阶非线性边值问题的新策略。在新的数值格式中,一个两点FNBVP被转化为一个分数阶初值问题(FIVP)与未知的初始条件(IC)的系统。为了近似FIVP系统中的IC,我们在右端点使用RBC的基础上,发展了基于牛顿法和哈雷法的非线性打靶法。为了处理系统中的FIVP问题,我们主要采用高阶预估校正法(HPCM)对与FIVP等价的Volterra积分方程进行线性插值和二次插值。所提出的计划与HPCM的优点是,即使他们是为解决两点FNBVP设计的,他们可以处理线性和非线性两点分数阶边值问题(FBVP)与RBC和具有一致收敛性速度的HPCM,$O(h^2)$和$O(h^3)$射击技术与牛顿法和哈雷法,分别。各种数值例子证明了所提出的计划的有效性和性能。我们还比较了我们的计划与另一种方法的准确性和性能。
2020-10-05 cs.NA math.NA
$H^2(Ω)$ A Priori Error Bounds for Boundary-Adapted PINNs Solving Elliptic Dirichlet Problems
City University of Hong Kong(香港城市大学);Hong Kong Baptist University(香港浸会大学);The University of Sydney(悉尼大学)
研究基于边界强制PINNs求解椭圆型狄利克雷边值问题,通过结合近似理论与统计学习论证推导先验误差界,明确对\(\rho\)的依赖,确定边界自适应PINNs子类,数值实验验证,还得出相关新的VC维界与近似界。
2026-10-21 cs.LG cs.NA math.NA
Fractional Operators with Inhomogeneous Boundary Conditions: Analysis, Control, and Discretization
George Mason University(乔治梅森大学);Technical University of Munich(慕尼黑工业大学);Universität der Bundeswehr München(联邦国防军慕尼黑大学)
本文引入新的谱分数拉普拉斯算子刻画方法,以纳入非齐次狄利克雷和诺伊曼边界条件。通过构造分数调和扩展边界数据,解决了非零边界条件下的分数椭圆方程问题,并推导了有限元离散误差估计。
2017-09-11 cs.NA math.NA
Besov regularity for the Dirichlet integral fractional Laplacian in Lipschitz domains
证明了在有界Lipschitz域$Ω$:\[ \begin{aligned} \|u\|_{\dot{B}^{s+r}_{2,\infty}(Ω)} \le C \|f\|_{L^2(Ω)}, & \quad r = \min\{s,1/2\}, & \quad \mbox{if } s \neq 1/2, \\ \|u\|_{\dot{B}^{1-ε}_{2,\infty}(Ω)} \le C \|f\|_{L^2(Ω)}, & \quad ε\in (0,1), & \quad \mbox{if } s = 1/2, \end{aligned} \]中含$C$阶的积分分数拉普拉斯算子的狄利克雷问题解的Besov正则性估计,其中$C$对$s$和$ε$具有显式依赖性.这些估计与光滑域上的正则性是一致的,并且表明Lipschitz边界并没有损失正则性。证明使用基本成分,如变分结构的问题和差商技术。
2022-12-28 cs.NA math.AP math.NA
Meshfree finite difference solution of homogeneous Dirichlet problems of the fractional Laplacian
本文研究无网格设置下的网格叠加有限差分法(GoFD)以求解分数阶拉普拉斯算子齐次Dirichlet问题,提出两种数据转移矩阵构建方法,实验证明其收敛阶与现有方法相似且对点位置随机扰动具有鲁棒性。
2024-04-05 cs.NA math.NA
Discretizations of the spectral fractional Laplacian on general domains with Dirichlet, Neumann, and Robin boundary conditions
Basque Centre for Applied Mathematics (BCAM)(巴斯克应用数学中心);Norwegian University for Science and Technology (NTNU)(挪威科技大学)
本文提出了一种基于热半群形式的积分公式,用于在有限域上离散化谱分数拉普拉斯算子,结合适合的积分四则公式和有限元方法,无需计算拉普拉斯算子的本征对,能处理不同边界条件,通过数值模拟验证了方法的有效性。
2018-06-11 cs.NA math.AP math.NA
Stochastic Solution of Elliptic and Parabolic Boundary Value Problems for the Spectral Fractional Laplacian
Division of Appled Mathematics, Brown University(布朗大学应用数学系)
本文提出并实现了涉及非零狄利克雷边界条件的谱分数阶拉普拉斯算子的随机解法(或费曼-科茨公式),通过抽象柯西问题和巴拉克里什南的分数次幂理论,证明了该算子是合适费曼-科茨半群的生成元,并通过特征函数展开获得了抛物型问题的正则性和稳态收敛性质,从而建立了狄利克雷边值问题的随机解公式,为高效并行求解提供了新方法。
2018-12-04 cs.NA math.NA math.PR
External optimal control of fractional parabolic PDEs
George Mason University(乔治梅森大学);University of Puerto Rico (Rio Piedras Campus), College of Natural Sciences(波多黎各大学(里奥皮埃拉斯校区)自然科学学院)
本文提出了一种新的最优控制概念,用于解决分数抛物型PDEs作为约束的反问题,允许在PDE所满足的领域外放置源或控制。本文讨论了Dirichlet、Neumann和Robin情况。对于分数椭圆型PDEs,这一概念最近由作者在文献中进行了研究。这些新最优控制概念的必要性源于经典PDE模型只能在边界或PDE所满足的内部放置源或控制,而分数算子的非局部行为现在允许在外部放置控制。本文引入了抛物型Dirichlet问题的弱解和非常弱解的概念,并提出了一种通过抛物型Robin解近似抛物型Dirichlet解的方法(并讨论了收敛速率)。对Dirichlet和Robin最优控制问题进行了完整分析。数值实验验证了我们的理论发现,并进一步展示了非局部模型相对于局部模型的潜在优势。
2019-04-11 cs.NA math.AP math.NA
A new approach for the fractional Laplacian via deep neural networks
在过去的几十年里,分数拉普拉斯算子得到了广泛的研究。在本文中,我们提出了一种不同的方法来解决相关的狄利克雷问题,使用最新的深度学习技术。事实上,具有随机表示的偏微分方程已经通过神经网络被理解,克服了所谓的维数灾难。在这些方程中,可以在$\mathbb{R}^d$中找到抛物型方程,在有界区域$D \subset \mathbb{R}^d$中找到椭圆型方程。本文考虑指数为$α\in (1,2)$的分数阶拉普拉斯算子的狄利克雷问题.我们证明了它的解,以随机的方式表示,可以使用深度神经网络来近似。我们还检查,这种近似不受维数灾难。
2022-06-30 cs.NA math.AP math.NA
A Neural Network Based Method to Solve Boundary Value Problems
提出并实现了一种基于神经网络(NN)的求解边值问题(BVP)的数值方法,并通过求解Dirichlet边界条件下的Laplace方程和混合边界条件下的Poisson方程验证了该方法的有效性。基于NN的数值方法的主要优点是计算场的离散数据点,可以是非结构化的,并且不像传统的数值方法(例如时域有限差分法或有限元法)那样遭受网格化问题。数值研究进行了均匀和非均匀的训练网格分布,以了解这种方法的有效性和局限性,并提供定性的了解所涉及的各种参数。
2019-09-24 cs.LG cs.NA math.NA