线性随机微分方程的全隐式Euler方法

由于随机微分方程的全隐式Euler方法不是均方收敛的,一般认为它没有意义。然而,从运用计算机实现的角度来说几乎处处意义下的收敛和稳定比均方意义的收敛和稳定更具优势。针对线性随机微分方程,提出了一类全隐式Euler方法,证明了该方法生成的数值解几乎处处收敛,给出了该方法几乎处处稳定的充要条件。

随机延迟微分方程的全隐式Euler方法

研究随机延迟微分方程数值解具有重要的意义,目前已有显式和半隐式两种数值方法,还没有全隐式的数值方法本文构造了一种全隐式Euler方法,在该方法中用一些截断的随机变量代替维纳过程增量△W_n,接着证明了全隐式方法是1/2阶收敛的并通过数值实验验证了该方法的收敛性,最后,用数值实验表明在某些情况下全隐式方法的稳定性比半隐式方法好一些。

JFNK方法概述及其在大气全隐式非静力模式中的应用方案

首先介绍了近年来新发展的非线性方程全隐式数值求解的JFNK方法,及其在地球流体力学方面应用计算实例。可看到,无论在计算精度还是计算效率方面,全隐式数值求解远远超过常规的半隐式计算格式。其次,还讨论了JFNK方法在气象非静力模式中应用方案,并提出了用静力假定和半隐式差分格式来构造预条件处理器,变三维求解为二维求解,简化了方程组求解难度。该方案不仅可用于差分模式,也为用譜方法求解非静力模式提供可能。

Euler方程的分裂型通量分裂双时间步隐式方法

传统隐式方法有格式复杂、计算量大等缺点,在Euler方程的差分离散过程中,利用算子分裂思想,结合通量分裂法、双时间步法等隐式离散方法,构造了一种更简单的分裂型隐式计算方法.通过对典型空气动力学问题的计算,检验了该方法的有效性和可靠性,并对其性能做了具体讨论.该方法具有稳定性好、时间步长约束小等隐式格式的普遍优点,同时具有格式简单、程序易实现等优点;避免了传统隐式方法单步推进时的方程组常规求解及矩阵求逆过程,计算量小;比LU-SGS方法收敛速度快.

JFNK方法在求解全隐式一维非线性平流方程中的应用

JFNK(Jacobian-free Newton-Krylov)方法是由Newton迭代方法和Krylov子空间迭代方法构成的嵌套迭代方法。作者以全隐式差分的一维非线性平流方程(亦称无粘Burgers方程)探讨采用全隐式格式计算的必要性和JFNK方法的有效性。模拟结果表明,隐式结果比显式和半隐式结果在稳定度和精度方面较大的优越性,特别是模拟气流强的系统以及要素空间分布具有较大梯度的系统。

基于物面弱边界条件的并行全隐式流场求解方法

提出了一种基于物面弱边界条件的Navier-Stokes方程并行全隐式求解方法。首先,实现了非结构网格格点格式有限体积法的粘性物面弱边界条件。以此为基础,推导了相应的粘性Jacobian矩阵。相比传统的物面强边界条件,弱边界条件的应用简化了该推导过程。接着,为了解决Spalart-Allmaras(S-A)模型的收敛和保正性问题,提出了基于物面弱边界条件的S-A模型无条件保正性收敛方法,通过构造特别的隐式矩阵同时保证S-A模型的收敛和湍流工作变量的正值。流场方程全隐式时间推进和无条件保正性收敛方法所得到的线性方程组采用多色高斯-塞德尔迭代法进行求解,并由MPI实现并行化。通过若干二维和三维算例对本文所提出的方法进行了测试,其结果表明:1)随着罚系数的增大,基于弱边界条件的结果趋向于基于强边界条件的结果;2)对于力的计算,弱边界条件自动满足通量一致关系而无需特别处理。

线性随机延迟微分方程半隐式Euler方法的局部收敛性证明

给出了线性随机延迟微分方程解析解的几个重要不等式的详细证明,进而讨论了半隐式Euler方法的局部收敛性,应用Ito积分的性质、Doob不等式、Hlder不等式证明了在均方意义下半隐式Euler方法的局部收敛阶为1.

随机延迟微分方程半隐式Euler方法的T-稳定性

研究了带有延迟项的随机微分方程Euler方法的T-稳定性.通过对带有特定驱动过程的半隐式Euler方法应用到线性试验方程上得到的差分方程进行讨论,给出了半隐式Euler方法的T-稳定性的条件.

线性随机比例延迟微分方程的半隐式Euler方法的均方稳定性

定义了变步长半隐式Enler方法,并将其应用于线性随机比例延迟微分方程,得到方程数值方法的差分方程,并证明了在随机比例延迟微分方程解析解均方稳定的条件下,当半隐式Euler方法中的参数θ满足条件θ∈((|a|+|b|)/(2|a|),1]时,此方法应用于线性随机比例延迟微分方程所得的数值解是均方稳定的。最后给出了数值算例。

随机延迟微分方程半隐式Euler方法的T-稳定性

本文主要研究了带有延迟项的随机微分方程Euler方法的T-稳定性.通过应用半隐式Euler方法对带有特定驱动项的线性方程的讨论,得出该方法T-稳定性的条件.

中立型随机比例延迟微分方程平衡半隐式Euler方法的均方收敛性

本文讨论求解刚性中立型随机比例延迟微分方程的平衡半隐式Euler方法。证明了中立型随机比例延迟微分方程的平衡半隐式Euler方法是1/2阶均方收敛的。

间断Galerkin有限元隐式算法GPU并行化研究

为了提高间断伽辽金(discontinuous Galerkin,DG)有限元方法的计算效率,围绕求解Euler方程,构建了基于图形处理器(graphics processing unit,GPU)并行加速的隐式DG算法。算法结合Roe格式进行空间离散,采用人工黏性法处理激波等间断问题,时间推进选用下上对称高斯-赛德尔(lower-upper symmetric Gauss-Seidel,LU-SGS)隐式格式。为了克服传统隐式格式固有的数据关联依赖问题,借助于本文提出的面向任意网格的单元着色分组技术,先给出了LUSGS隐式格式的并行化改造,使得隐式时间推进能按颜色组别依次并行,由于同一颜色组内算法已不存在数据关联,可以据此实现并行化。在此基础上,再结合DG算法局部紧致等特点,基于统一计算设备架构(compute unified device architecture,CUDA)编程模型,设计了依据单元的核函数,并构建了对应的线程与数据结构,给出了DG有限元隐式GPU并行算法。最后,发展的算法通过了多个二维和三维典型流动算例考核与性能测试,展示出隐式算法GPU加速的效果,且获得的计算结果能与现有的文献或实验数据接近。

延迟微分方程隐式Euler方法的收敛性

本文讨论了用隐式Euler方法求解一类延迟量满足Lipschitz条件且Lipschitz常数小于1的非线性变延迟微分方程初值问题的收敛性.获得了带线性插值的隐式Euler方法的收敛性结果.

非线性中立型延迟积分微分方程隐式Euler方法的收缩性

本文致力于研究非线性中立型延迟积分微分方程隐式Euler方法的收缩性。本文中的Lipschitz数是关于变量t的函数,而不是常数,最终能得到其数值解的结果是收缩的。

结合粒子群算法的隐式Euler-Taylor方法

针对隐式Euler-Taylor方法在求解Ito型随机微分方程时得到的迭代格式往往是一个高度非线性的代数方程(组)的问题,应用粒子群算法实现该迭代格式,给出了结合粒子群算法的隐式Euler-Taylor方法.

带跳随机延迟微分方程半隐式Euler方法的均方指数稳定性

研究带跳随机延迟微分方程半隐式Euler方法的均方指数稳定性.将半隐式Euler方法应用到维纳过程和泊松过程驱动下的非线性随机延迟微分方程上进行讨论,给出了半隐式Euler方法的均方指数稳定性的条件.

IN 738LC材料Chaboche热粘塑性本构模型的隐式Euler格式

为了提高Chaboche模型的数值积分效率,推导了该模型的Eu ler隐式积分格式,针对IN 738LC材料,将该积分格式编写成FORTRAN程序,利用通用有限元分析软件M arc的用户子程序接口HYPELA 2,将该隐式积分格式与有限单元法结合起来。对实验进行了数值模拟,并将隐式算法和显式算法与实验结果作了对比,结果发现隐式算法是合理的,比显式算法收敛性要好。

基于全隐式无分裂算法求解三维N-S方程

基于多块结构网格,本文研究和发展了三维N-S方程的全隐式无分裂算法。对流项的离散运用Roe格式,粘性项的离散利用中心型格式。在每一次隐式时间迭代中,运用GMRES方法直接求解隐式离散引起的大型稀疏线性方组。为了降低内存需求以及矩阵与向量之间的运算操作数,Jacobian矩阵的一种逼近方法被应用在本文的算法之中。计算结果与实验结果基本吻合,表明本文的全隐式无分裂方法是有效和可行的。

一种改进的隐式Euler切线法

对于Hessian矩阵正定的情形,在求解二次函数模型信赖域子问题的隐式分段折线算法的基础上,提出一种求解信赖域子问题的改进的隐式Euler切线法,并分析该路径的性质.数值实验表明新算法是有效可行的,且较原算法具有迭代次数少、计算时间短等优点.

适用于非定常流模拟的分布式并行GMRES方法

为提高计算流体力学方法的收敛性和对高性能并行计算机的适应性,发展了适用于非定常流模拟的GMRES并行全隐式方法,并开展了相应的收敛和并行特性研究。采用变子空间数GMRES方法,减小重启过程计算时间;通过分区并行和HybridLU-SGS预处理算子实现方法的分布式并行化;采用鲁棒的Negative-SA湍流模型获得更大CFL数,采取计算和存储雅可比矩阵、网格重排序方法提高计算效率。利用这套方法完成了平面流、NACA0012翼型扰流、翼身组合体扰流、F-16战斗机非定常气动弹性和旋翼前飞流场的数值模拟。结果表明其计算效率较LU-SGS方法提高20%~200%;适用于当代高性能计算机分布式并行结构,并行效率非常高,在240个计算核心上出现了加速比的超线性。