Convergence Analysis for Entropy-Regularized Control Problems: A Probabilistic Approach
Department of Mathematics, University of Southern California(数学系,南加州大学)
本文针对连续时间熵正则化随机控制问题,提出一种基于概率表示公式的简单证明方法,证明了策略迭代算法的收敛性,并在有限时域、无限时域及一维扩散控制情形下获得超指数收敛速率。
2025-04-23 cs.LG math.OC
Implicit Neural Solver for Time-dependent Linear PDEs with Convergence Guarantee
Technical University Munich(慕尼黑工业大学)
快速精确求解含时不定常偏微分方程是物理、工程、生物等领域的研究热点。一般来说,隐格式格式比显式格式具有更好的稳定性和正确性。现有的隐格式格式通常是迭代的,并采用一个通用的求解器,这可能是次优的一类特定的偏微分方程。在本文中,我们提出了一个神经求解器学习一类偏微分方程的最佳迭代方案,在数据驱动的方式。我们通过使用深度神经网络修改现有半隐式求解器的迭代来实现这一目标。此外,我们从理论上证明,我们的方法保留了现有的迭代求解器提供的正确性和收敛性保证。我们还证明,我们的模型推广到一个不同的参数设置比在训练过程中看到的,并实现更快的收敛相比,半隐格式。
2019-11-27 cs.LG cs.NA math.NA
Cost-optimal adaptive iterative linearized FEM for semilinear elliptic PDEs
针对具有强单调但仅局部Lipschitz连续非线性项的半线性椭圆PDE,提出一种基于阻尼Zarantonello迭代的自适应线性化有限元方法,通过同步控制网格细化与非线性迭代,在每步仅求解线性Poisson型方程,并证明了该策略在整体计算复杂度下能保证收敛且达到最优速率。
2023-05-23 cs.NA math.NA
iSMART: An Iterative Sampling-and-Regression Technique for Solving Martingale-Based PDEs
Peking University(北京大学);Hunan Normal University(湖南师范大学)
研究针对高维基于鞅的PDE,提出iSMART迭代采样-回归技术,通过停止梯度等方法规避对抗优化,引入冻结-补偿技术优化HJB方程收敛性,经多类高维数值实验验证其准确性、效率与鲁棒性。
2026-08-03 cs.NA math.NA
Bi-level iterative regularization for inverse problems in nonlinear PDEs
针对非线性演化偏微分方程中未知空间依赖参数的不适定逆问题,提出结合约化与全耦合设置的双层Landweber格式,推导迭代停止准则与收敛性,可用于磁性粒子成像中相关方程的参数识别。
2024-02-05 cs.NA math.NA math.OC
Semi-Implicit Neural Solver for Time-dependent Partial Differential Equations
Technical University Munich(慕尼黑工业大学);École normale supérieure, Paris(巴黎高等师范学院);deepc GmbH, Munich(慕尼黑deepc有限公司);Helmholtz Zentrum München(慕尼黑亥姆霍兹研究中心);University of Zurich(苏黎世大学)
不定常偏微分方程(PDE)的快速精确求解是物理学、工程学和生物学等许多研究领域的重要课题。一般来说,隐式/半隐格式优于显式格式,以提高稳定性和正确性。然而,现有的半隐式方法通常是迭代的,并采用通用的求解器,这可能是次优的一类特定的偏微分方程。在本文中,我们提出了一个神经求解器,学习最佳的迭代方案,在数据驱动的方式为任何类的偏微分方程。具体来说,我们使用深度神经网络修改半隐式求解器的单次迭代。我们提供的神经求解器的正确性和收敛性的理论保证类似于传统的迭代求解器。除了常用的Dirichlet边界条件外,我们还采用扩散域方法来引入不同类型的边界条件,例如,诺依曼我们表明,建议的神经求解器可以超越线性偏微分方程,并适用于一类非线性偏微分方程,其中的非线性组件是非刚性的。我们证明了我们的方法在2D和3D场景的有效性。为此,我们展示了我们的模型如何推广到不同于训练的参数设置,并实现了比半隐格式更快的收敛。
2021-09-03 cs.LG cs.NA math.NA
A Hybrid Iterative Neural Solver Based on Spectral Analysis for Parametric PDEs
本文提出傅里叶神经求解器(FNS),通过从谱角度学习特征值和特征向量,使混合迭代方法在参数化PDE上实现与网格尺寸和物理参数无关的收敛速率。
2025-06-06 cs.NA math.NA
Unconditional full linear convergence and optimal complexity of adaptive iteratively linearized FEM for nonlinear PDEs
针对强单调非线性 PDE,提出结合自适应细化、能量收缩线性化与范数收缩代数求解的 AILFEM,并以无参数停止准则实现任意参数下完整 R-线性收敛及小参数时最优复杂度。
2025-03-17 cs.NA math.NA
Fast Iterative Solver for the Optimal Control of Time-Dependent PDEs with Crank-Nicolson Discretization in Time
在这篇文章中,我们得到了一个新的,快速的,和强大的预处理迭代求解策略的所有一次解决最优控制问题的不定常偏微分方程作为约束,包括热方程和非定常对流-扩散方程。在应用优化然后离散化的方法后,人们面临着由偏微分方程的耦合系统组成的连续的一阶最优性条件。相对于大多数工作中预处理的离散化系统,其中(一阶精度)向后欧拉法用于离散化的时间导数,我们采用(二阶精度)曲柄-尼科尔森方法的时间。我们应用一个精心定制的可逆变换对称化的矩阵,然后推导出一个最佳的预条件子的鞍点系统。这个预条件的关键组成部分是一个准确的质量矩阵近似,一个很好的近似Schur补,和一个适当的多重网格过程,以适用于后者的近似-这些都是使用我们的工作在变换矩阵系统。我们证明了最优的近似Schur补通过边界上的特征值,并测试我们的求解器对广泛使用的预条件的线性系所产生的向后欧拉离散。这些都证明了我们的求解器的有效性和鲁棒性的网格大小,正则化参数和扩散系数。
2020-07-16 cs.NA math.NA math.OC
Adaptive FEM with quasi-optimal overall cost for nonsymmetric linear elliptic PDEs
针对非对称二阶线性椭圆型PDE,提出非精确自适应迭代对称化有限元方法(AISFEM),结合Zarantonello外循环与一致收缩代数内循环求解器,证明了其完全线性收敛性及关于整体计算成本的拟最优收敛率。
2023-11-21 cs.NA math.NA
Galerkin-Bernstein Approximations of the System of Time Dependent Nonlinear Parabolic PDEs
本文提出基于修正Bernstein多项式的修正Galerkin加权残差法,结合后向差分与Picard迭代求解时间相关非线性抛物型偏微分方程组,并通过数值算例验证其适用性与效率。
2023-07-10 cs.NA math.NA
Iteration scheme for initial value problem for PDEs: Existence, convergence and comparison
Brno University of Technology(布尔诺理工大学);CEITEC BUT(CEITEC 布尔诺理工大学中心)
本文回顾了某些偏微分方程初值问题解的存在性和唯一性结果,提出了一种迭代方案及其误差估计,并通过数值例子验证了该方案的适用性,同时与近期其他结果进行比较。
2016-02-20 cs.NA math.AP math.NA
$hp$-robust multigrid solver on locally refined meshes for FEM discretizations of symmetric elliptic PDEs
本文针对对称二阶线性椭圆扩散问题的有限元离散,提出并分析了一种几何多重网格方法,证明其对多项式次数$p$和网格尺寸$h$具有鲁棒收敛性,并给出$hp$-鲁棒的代数误差估计子及自适应有限元应用。
2023-07-19 cs.NA math.NA
NSPOD: Accelerating Krylov solvers via DeepONet-learned POD subspaces
Synopsys UK Ltd(Synopsys英国有限公司);Division of Applied Mathematics, Brown University(布朗大学应用数学系)
本文提出NSPOD,一种基于DeepONet的预条件器,通过减少迭代次数提升Krylov求解器效率,尤其在复杂CAD几何的线性化固体力学PDE中表现优异。
2026-05-11 cs.LG cs.NA math.NA
A Hybrid Kernel-Free Boundary Integral Method with Operator Learning for Solving Parametric Partial Differential Equations In Complex Domains
Shanghai Jiao Tong University(上海交通大学)
提出一种混合无核边界积分(KFBI)与深度学习方法,通过神经网络逼近积分方程解算子,直接预测边界密度函数,在保留二阶精度的同时将传统迭代次数减少约50%。
2024-04-23 cs.LG cs.NA math.NA
High order schemes based on operator splitting and deferred corrections for stiff time dependent PDEs
Center for Computational Sciences and Engineering, Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室计算科学与工程中心);CD-adapco
本文提出基于运算分裂和延迟校正的高阶方案,用于求解刚性时依赖偏微分方程,通过迭代延迟校正提高精度,结合隐式Runge-Kutta方案保证稳定性,数值验证了方法的有效性。
2016-04-01 cs.NA math.AP math.NA
Performance Analysis of Effective Methods for Solving Band Matrix SLAEs after Parabolic Nonlinear PDEs
Joint Institute for Nuclear Research(杜布纳联合核研究所)
本文研究了求解抛物非线性偏微分方程后带状矩阵线性代数方程组的三种不同算法类型(直接、符号和迭代)的性能,分析了强隐式方法(SIP)的优缺点,并通过高性能计算集群评估了这些方法的复杂度。
2018-04-25 cs.NA math.NA
Newton's method in adaptive iteratively linearized FEM
TU Wien(维也纳工业大学)
本文提出了一种自适应迭代线性化有限元方法,通过自适应阻尼参数实现非线性PDEs的高效求解,并首次在能量最小化问题之外实现了最优收敛率的理论分析。
2025-12-22 cs.NA math.NA
High-precision randomized iterative methods for the random feature method
本文针对随机特征方法产生的大规模病态超定稀疏最小二乘问题,提出基于count sketch与QR/SVD分解的预条件迭代方法CSQRP-LSQR与CSSVDP-LSQR,证明了条件数上界独立于原矩阵,数值实验表明其精度高且计算更高效。
2024-09-24 cs.NA math.NA
An asymptotic parallel-in-time method for highly oscillatory PDEs
针对时间尺度分离的非线性PDE,提出一种结合渐近技术(低成本但精度不足)与并行时间方法(单独处理快速振荡效率低)的新时间步进算法,通过串行低精度渐近解与并行精细求解迭代改进,在旋转浅水方程上实现显著并行加速和高精度。
2014-02-20 cs.NA math.NA
Modeling excitable cells with the EMI equations: spectral analysis and iterative solution strategy
针对细胞尺度可兴奋组织模拟的EMI模型大型线性系统求解问题,利用广义局部Toeplitz矩阵序列理论开展谱分析,设计带预条件的Krylov求解器,验证了策略的鲁棒性、高效性与可扩展性。
2023-08-23 cs.NA math.NA
Iterative solvers in adaptive FEM
本章综述二阶椭圆型 PDE 的自适应有限元方法,阐明局部加密与压缩迭代求解的耦合如何通过准误差的完全 R-线性收敛保证最优复杂度,并扩展到多类 PDE。
2024-04-10 cs.NA math.NA
Continuous meets discrete: geometry dependence of the performance of iterative solutions for nonsymmetric PDEs in terms of Laplace eigenvalues
Chalmers University and the University of Gothenburg(查尔姆斯理工大学和哥德堡大学);ELTE Eötvös Loránd University(罗兰·厄特沃什大学);Budapest University of Technology and Economics(布达佩斯技术与经济大学)
该研究揭示非对称偏微分方程迭代解的性能随区域几何连续变化,通过预条件GMRES/GCR的超线性估计建立关联,经数值实验验证,分形区域仍满足连续性而穿孔区域不满足。
2026-10-14 cs.NA math.AP math.NA
Convergence guarantees for coefficient reconstruction in PDEs from boundary measurements by variational and Newton type methods via range invariance
针对偏微分方程系数识别的不适定问题,提出通过扩展参数满足范围不变性、再用惩罚项恢复参数依赖关系的方法,证明了变分与牛顿类正则化方法的收敛性,并在典型框架与实例中验证。
2023-02-07 cs.NA math.NA
Goal oriented adaptivity in the IRGNM for parameter identification in PDEs I:\\ reduced formulation
本文研究了在每次牛顿步中使用后验(不相容原理)选择正则化参数的迭代正则化Gauss-Newton方法(IRGNM)的自适应离散化,证明了收敛性和收敛速率,并讨论了基于加权对偶残差方法计算误差估计器的算法,最终将结果扩展到Banach空间和一般Tikhonov函数的正则化。
2013-09-26 cs.NA math.NA
Dirichlet-Neumann and Neumann-Neumann Waveform Relaxation Methods for PDEs with Time Delay
本文提出并比较了用于并行求解含时滞偏微分方程的 DNWR 和 NNWR 两种区域分解数值方法,通过理论分析与数值实验验证了它们的收敛性、计算效率及适用性。
2024-08-22 cs.NA math.AP math.NA
Goal oriented adaptivity in the IRGNM for parameter identification in PDEs II: all-at once formulations
本文基于IRGNM方法,提出一次性 formulations用于PDE参数识别,通过自适应离散化提升求解效率,尤其在强非线性PDE中优于非线性Tikhonov正则化。
2013-10-24 cs.NA math.NA
Error analysis for learning the time-stepping operator of evolutionary PDEs
该研究针对演化PDE时间步进算子学习问题,构建了FNN逼近的严谨理论框架,推导误差与网络结构、样本量的关系,挖掘算子低复杂度结构以得到无维数灾难的泛化界,并扩展至多输入场景。
2025-09-04 cs.NA math.NA
Learning local Dirichlet-to-Neumann maps of nonlinear elliptic PDEs with rough coefficients
本文针对高对比度振荡系数非线性椭圆 PDE,提出用机器学习学习局部非线性 DtN 映射以扩展 MsFEM,并在 $p$-Laplacian 与退化扩散模型上验证。
2024-05-07 cs.NA math.NA
The Hierarchical Poincare-Steklov (HPS) solver for elliptic PDEs: A tutorial
University of Colorado at Boulder(科罗拉多大学博尔德分校)
本文介绍了一种用于二维域上变系数椭圆问题的高阶谱近似数值方法,该方法具有O(N^1.5)的预计算复杂度和O(N log N)的求解复杂度,适用于求解迭代求解器难以处理的高振荡问题。
2015-06-03 cs.NA math.NA
From continuous-time formulations to discretization schemes: tensor trains and robust regression for BSDEs and parabolic PDEs
Zuse Institute Berlin(柏林祖斯研究所);dida Datenschmiede GmbH(dida Datenschmiede 有限公司);Technische Universität Berlin(柏林工业大学);King’s College London(伦敦国王学院)
针对高维抛物型PDEs的数值逼近难题,本文基于连续时间视角提出结合张量列车与回归型方法的迭代方案,利用低秩结构在精度与计算效率间实现有利权衡。
2023-07-28 cs.LG cs.NA math.NA
Multigrid reduction-in-time convergence for advection problems: A Fourier analysis perspective
针对MGRIT求解平流主导型PDE收敛性差的问题,推导了局部傅里叶分析收敛理论,揭示了其源于对特征分量粗网格校正不足,并证明改进空间多网格的技术可用于构建更稳健的并行时间求解器。
2024-11-17 cs.NA math.NA
A new efficient explicit Deferred Correction framework: analysis and applications to hyperbolic PDEs and adaptivity
针对显式Deferred Correction框架计算成本高的问题,提出迭代间插值的改进方案,给出Butcher表并验证稳定性,可用于双曲PDE及自适应方法,在多基准测试中表现优异。
2023-05-26 cs.NA math.NA
Boosting the Accuracy of Finite Difference Schemes via Optimal Time Step Selection and Non-Iterative Defect Correction
在这篇文章中,我们提出了一个简单的技术,用于提高精度的顺序的有限差分格式的不定常于偏微分方程的最佳选择的时间步长用于推进数值解和添加缺陷校正项在非迭代的方式。该技术的力量是它能够提取尽可能多的精度,尽可能从现有的有限差分格式,以最小的额外努力。通过简单的数值分析参数,我们解释了提高精度的起源,并估计所产生的数值方法的计算成本。我们证明了效用的最佳时间步长(OTS)的选择结合非迭代缺陷校正(NIDC)的几种不同类型的有限差分格式的一个或多个空间维度上的一系列经典的线性和半线性偏微分方程的规则和不规则域。
2009-05-25 cs.NA math.NA
Numerical Solution of Mixed-Dimensional PDEs Using a Neural Preconditioner
针对3D-1D混合维数PDE的病态与多尺度模拟难题,提出基于无监督算子学习和CNN的可泛化神经预条件子,可跨拓扑与网格分辨率加速迭代求解。
2025-05-13 cs.NA math.NA
Automatic Differentiation for All-at-once Systems Arising in Certain PDE-Constrained Optimization Problems
本文提出基于Firedrake的自动化框架,用于高效求解稳态和非稳态PDE约束最优控制问题,并通过先进预处理技术显著加速大规模求解。
2024-08-30 cs.NA math.NA
Polynomial approximation of high-dimensional Hamilton-Jacobi-Bellman equations and applications to feedback control of semilinear parabolic PDEs
Imperial College London(帝国理工学院);University of Graz(格拉茨大学)
本文提出了一种数值逼近高维Hamilton-Jacobi-Bellman方程的程序,用于最优反馈控制问题,该方法结合了伪谱格点逼近PDE动力学和迭代方法求解非线性HJB方程,主要贡献是通过分离多项式逼近方法求解线性广义HJB方程,从而获得稳定反馈控制。
2019-02-06 cs.NA math.NA math.OC
Transformed Primal-Dual Methods with Variable-Preconditioners
针对非线性偏微分方程中的仿射约束优化问题,提出带可变预处理器的变换型原始-对偶算法,通过迭代更新预条件算子提升适应性,在多类问题上展现出更优的迭代效率与收敛性能。
2023-12-19 cs.NA math.NA
A positivity-preserving unigrid method for elliptic PDEs
针对带正性约束的离散椭圆型PDE,本文提出基于多重网格单网格变体的迭代算法,使近似求解全过程保持非负,并通过一维、二维数值实验验证其有效性与计算权衡。
2023-06-05 cs.NA math.NA
A direct solver with O(N) complexity for variable coefficient elliptic PDEs discretized via a high-order composite spectral collocation method
Dartmouth College(达特茅斯学院);University of Colorado at Boulder(科罗拉多大学博尔德分校)
本文提出了一种用于求解二维域上变系数椭圆偏微分方程的数值方法,采用高阶复合谱逼近,针对光滑解问题,使用具有O(N)复杂度的直接求解器,展示了在非振荡问题中高效求解的能力。
2013-07-10 cs.NA math.NA
A hybrid probabilistic domain decomposition algorithm suited for very large-scale elliptic PDEs
本文提出 PDDSparse,一种基于 Feynman-Kac 公式和 Monte Carlo 模拟的混合概率区域分解方法,通过仅在界面求解高度稀疏随机线性系统来提升超大规模椭圆 PDE 计算的并行性、容错性与 GPU 适配性。
2023-01-13 cs.NA math.NA
Multigrid Solver With Super-Resolved Interpolation
多重网格算法是求解椭圆型偏微分方程的一种有效的数值方法。该方法在逐渐精细的网格尺度上抑制误差,从而比标准迭代法(如高斯-赛德尔)更快地收敛。多重网格算法中的延拓或粗到细插值算子适用于ML超分辨率的数据驱动处理,通常用于提高图像的分辨率。我们(i)提出了超分辨率生成对抗网络(GAN)模型与多重网格算法作为延拓算子的新集成,(ii)表明GAN插值与三次样条插值相比,在物理和工程模拟中通常解决的一类多尺度PDE上,提高了多重网格的收敛性能。
2021-04-28 cs.NA math.NA
Deep Truncated FBSDE Method for High-Dimensional Nonlinear PDEs and Fully Coupled FBSDEs
Research Institute of Intelligent Complex Systems, Fudan University(复旦大学智能复杂系统研究院);Department of Mathematics, Friedrich-Alexander-Universität Erlangen–Nürnberg(埃尔朗根-纽伦堡大学数学系)
本文提出一种深度截断FBSDE方法,通过梯度截断迭代解耦与虚构博弈平均,结合路径一致性项,实现对高维非线性PDE和全耦合FBSDE的稳定求解,并在数值实验中验证了其高精度与稳健性。
2026-10-23 cs.NA math.NA math.PR
Accelerating multigrid solver with generative super-resolution
该研究提出将超分辨率GAN作为多重网格算法的延拓算子,在多尺度PDE求解中相比三次样条插值提升了收敛性能,同时指出表征混合算法参数的重要性。
2024-03-07 cs.NA math.NA
Global reconstruction of initial conditions of nonlinear parabolic equations via the Carleman-contraction method
本文提出了一种全局收敛的数值方法,利用有界区域边界上的Dirichlet和Neumann数据重构非线性抛物型方程的初始条件.本文方法的第一步是从非线性抛物型方程出发,导出一个非线性椭圆型偏微分方程(PDE)方程组,其解直接得到源反问题的解。然后,我们建立了一个压缩映射的迭代格式来解决这个系统。利用Carleman估计和传统压缩映射原理证明中的论证,严格证明了该迭代格式的收敛性。这种收敛在理论和数值意义上都是快速的。此外,我们的方法,不像基于优化的方法,不需要一个很好的初始猜测的真正的解决方案。数值例子验证了这些结果。
2022-05-24 cs.NA math.NA
Generalized Filtering Decomposition
INSTITUT NATIONAL DE RECHERCHE EN INFORMATIQUE ET EN AUTOMATIQUE(法国国家信息与自动化研究所)
本文提出一种适用于非结构化网格上偏微分方程组离散化矩阵的预处理技术,通过满足滤波性质来缓解低频模式对收敛的影响,并消除迭代方法中常见的平台期。
2011-03-15 cs.NA math.NA
Fast and Efficient Numerical Methods for an Extended Black-Scholes Model
University of Dhaka(达卡大学)
针对期权定价中的偏积分微分方程模型,本文提出基于小波和傅里叶正弦基的预处理迭代技术以及多重网格方法,并分析两种单步格式的稳定性与精度。
2013-04-12 cs.NA math.NA
Analysis of Schwarz methods for a hybridizable discontinuous Galerkin discretization: the many subdomain case
Université de Genève(日内瓦大学);Humboldt-Universität zu Berlin(柏林洪堡大学)
本文研究了多子域情况下优化Schwarz方法在混合不连续伽辽金离散化求解抛物型问题中的收敛性,得出了关于网格尺寸、多项式次数和子域直径的精确收敛率。
2017-05-11 cs.NA math.NA
Fast and accurate domain decomposition methods for reduced fracture models with nonconforming time grids
本文研究可压缩流体在裂隙多孔介质中流动的数值解。裂缝表示快速路径(即,具有高渗透性)并且被建模为嵌入多孔介质中的超曲面。我们的目标是开发快速收敛和准确的全球时域分解(DD)的方法,这样一个减少裂缝模型,其中较小的时间步长的断裂可以与较大的时间步长的子域。使用压力连续性方程和切向偏微分方程的传输条件,三种不同的DD配方推导出,每种方法导致一个时空界面问题,在时间上迭代求解和全局。有效的预条件子的设计,以加快收敛的迭代法,同时保持精度的时间与网格。二维问题的非浸没和部分浸没的裂缝的数值结果表明,所提出的方法的改进性能。
2022-02-12 cs.NA math.NA
Learning Neural PDE Solvers with Convergence Guarantees
提出一种用深度神经网络修改现有迭代求解器更新以学习特定领域快速求解器的方法,保留收敛保证,在单一几何上训练后泛化到多种几何和边界条件,实现2-3倍加速。
2019-06-04 cs.NA math.NA stat.CO
A Progressive Statistical Method for Preconditioning Matrix-Free Solution of High-Order Discretization of Linear Time-Dependent Problems
由不定常偏微分方程的谱离散化得到的线性系的预处理往往会得到一个满矩阵,这是昂贵的计算和存储,特别是当问题规模增加时。无矩阵实现通常用于解决此问题。在这个框架中,预处理通常是具有挑战性的,因为矩阵的条目不是明确可用的。在这个简短的说明中,我们提出了一个统计方法,逐步创建一个预处理矩阵,通过收集信息,从矩阵向量积的Arnoldi循环的非预处理Krylov子空间算法。然后使用多个回归估计将收集的信息进行相关,其中假设误差呈正态分布。该过程产生带状对角矩阵,然后将其用作下一次迭代求解中的预条件子。这在迭代求解之间重复,直到在飞行中构造好的预处理器。这种统计迭代过程是渐进的,因为预处理矩阵的保真度通过在整个求解过程中添加从矩阵向量乘积获得的更多数据来提高。所提出的算法进行了验证的一个示例实现。
2013-08-26 cs.NA math.NA math.ST