求解半线性抛物问题的两种二重网格算法

用线性方法对半线性抛物问题进行求解。方法依赖粗、细二重网格,针对粗解在细网格上的修正提出了两种算法,算法1是乘积倍的增长精度而算法2是平方倍的增长精度,而且重复算法1、2的最后几步可以任意阶地逼近细网格上的非线性解。数值算例验证了算法的可行性和有效性。     

一类非线性对流扩散方程两重网格特征有限元方法及误差估计

主要研究了一类非线性对流扩散方程的全离散特征有限元方法的两重网格算法及其误差估计.首先在网格步长为H的粗网格上计算一个较小的非线性问题,然后利用一阶牛顿迭代和粗网格解将网格步长为h的细网格上的非线性问题转化为线性问题求解.由于非线性问题的求解仅在粗网格上进行,该两重网格算法可以节省大量的计算工作量,同时具有较高的精度,证明了该两重网格算法L~2模先验误差估计结果为O(△t+h~2+H~(4-d/2)),其中d为空间维数.     

不可压缩流动的并行数值方法

不可压缩流动的数值模拟是计算流体力学的重要组成部分. 基于有限元离散方法, 本文设计了不可压缩Navier-Stokes (N-S)方程支配流的若干并行数值算法. 这些并行算法可归为两大类: 一类是基于两重网格离散方法, 首先在粗网格上求解非线性的N-S方程, 然后在细网格的子区域上并行求解线性化的残差方程, 以校正粗网格的解; 另一类是基于新型完全重叠型区域分解技巧, 每台处理器用一局部加密的全局多尺度网格计算所负责子区域的局部有限元解. 这些并行算法实现简单, 通信需求少, 具有良好的并行性能, 能获得与标准有限元方法相同收敛阶的有限元解. 理论分析和数值试验验证了并行算法的高效性     

基于二重网格的定常Navier-Stokes方程的局部和并行有限元算法

对二维定常的不可压缩的Navier-Stokes方程的局部和并行算法进行了研究．给出的算法是多重网格和区域分解相结合的算法,它是基于两个有限元空间:粗网格上的函数空间和子区域的细网格上的函数空间．局部算法是在粗网格上求一个非线性问题,然后在细网格上求一个线性问题,并舍掉内部边界附近的误差相对较大的解．最后,基于局部算法,通过有重叠的区域分解而构造了并行算法,并且做了算法的误差分析,得到了比标准有限元方法更好的误差估计,也对算法做了数值试验,数值结果通过比较验证了本算法的高效性和合理性．     

非线性抛物问题的二重网格混合元算法

针对一类非线性抛物方程的混合元形式,本文提出了二重网格算法.该算法是在网格大小为H的粗网格上求解—个非线性系统,再在网格大小为h的细网格上进行两次线性计算.算法第二步和第三步的误差分别为O(△_t~2 h~(k 1) H~(2K 2)),O(△_t~2 h~(k 1) h~(-d/2)H~(4k 4)),其中k为逼近空间的多项式的次数,d为空间维数.该估计对H的选取起了很大的作用.对于粗网格上的非线性计算,本文给出了L~p(2≤p<∞)模误差估计.     

热传导-对流问题的回溯二重水平法

该文给出定常的热传导-对流问题的有限元逼近的一种二重水平方法. 这种二重水平方法包括解一个小的非线性的粗网格系统、一个细网格上的线性Oseen问题和一个粗网格上的线性校正问题. 同时,给出了这种近似解的存在性和收敛性分析.     

Navier-Stokes方程的一种并行两水平有限元方法

基于区域分解技巧,提出了一种求解定常Navier-Stokes方程的并行两水平有限元方法．该方法首先在一粗网格上求解Navier-Stokes方程,然后在细网格的子区域上并行求解粗网格解的残差方程,以校正粗网格解．该方法实现简单,通信需求少．使用有限元局部误差估计,推导了并行方法所得近似解的误差界,同时通过数值算例,验证了其高效性．     

求解复系数椭圆方程的两层网格算法

<正>1引言两层网格方法是用来求解非对称不定问题和非线性问题的一种非常有效的数值方法[1,2].其主要思想是,借助于两层网格空间,将细网格上的复杂问题转化为求解一个细网格空间的简单问题和一个粗网格上的问题.由于粗网格空间相对于细网格空间很小,所以减少了计算代价,并且仍能得到原问题的最优解.因此,两层网格算法被广泛研究并被用于求解多种问题,例如,求解非对称和非线性椭圆方程[1,2,3,4],非线性弹性方程[5],Navier-Stokes方程[6,7,8]及特征值问题[9,10].HSS迭代方法是求解大规模稀疏非埃尔米特正定     

Navier-Stokes方程流函数形式两重网格算法的误差分析

对定常Navier-Stokes方程流函数形式两重网格有限元算法进行了误差分析。此方法包括在粗网格上求解一个非线性问题，在细网格上求解一个线性问题，然后再在粗网格上求解一个线性校正问题。分析了包括校正项和不包括校正项两种方法的误差，得出对于任意固定的Beynolds数，能达到最优逼近阶。     

二维非线性对流扩散方程特征有限元的两重网络算法

针对二维非线性对流扩散方程,构造了特征有限元两重网格算法．该算法只需要在粗网格上进行非线性迭代运算,而在所需要求解的细网格上进行一次线性运算即可．对于非线性对流占优扩散方程,不仅可以消除因对流占优项引起的数值振荡现象,还可以加快收敛速度、提高计算效率．误差估计表明只要选取粗细网格步长满足一定的关系式,就可以使两重网格解与有限元解保持同样的计算精度．算例显示:两重网格算法比特征有限元算法的收敛速度明显加快．