玻尔兹曼方程作为空气动理学中最基本的方程之一,是连接微观牛顿力学和宏观连续介质力学的重要桥梁.该方程描述了一个由大量粒子组成的复杂系统的非平衡态时间演化:除了基本的输运项,其最重要的特性是粒子间的相互碰撞由一个高维,非局部且非线性的积分算子来描述,从而给玻尔兹曼方程的数值求解带来非常大的挑战.在过去的二十年间,基于傅里叶级数的谱方法成为了数值求解玻尔兹曼方程的一种很受欢迎且有效的确定性算法.这主要归功于谱方法的高精度及它可以被快速傅里叶变换加速的特质.本文将回顾玻尔兹曼方程的傅里叶谱方法,具体包括方法的导出,稳定性和收敛性分析,快速算法,以及在一大类基于碰撞的空气动理学方程中的推广.

许多物理现象可以在数学上描述为受曲率驱动的自由界面运动,例如薄膜和泡沫的演变、晶体生长,等等.这些薄膜和界面的运动常依赖于其表面曲率,从而可以用相应的曲率流来描述,其相关自由界面问题的数值计算和误差分析一直是计算数学领域中的难点.参数化有限元法是曲率流的一类有效计算方法,已经能够成功模拟一些曲面在几类基本的曲率流下的演化过程.本文重点讨论曲率流的参数化有限元逼近,它的产生、发展和当前的一些挑战.

在电子结构计算领域, Kohn-Sham方程是最为广泛使用的数学模型之一. 然而, 由于现有的交换关联能近似仍存在缺陷, Kohn-Sham方程无法较好地描述强关联多电子体系. 近年来, 有学者从密度泛函理论的强相关极限出发, 提出了严格关联电子能量的优化模型. 该模型有望弥补Kohn-Sham方程的缺陷, 从而拓宽密度泛函理论的应用面. 由于在该模型中存在维数灾难, 近年来, 它的一些低维转化模型陆续被提出. 在本文中, 我们将介绍严格关联电子能量的优化模型、它的研究重点以及现有的一些低维转化模型. 我们也将介绍这些转化模型的数值求解方法, 并探讨未来的研究方向.

很多交叉科学的实际问题在数学上都可以被归为求解具有多个变量的非线性函数或泛函的极小值问题, 如何有效地寻找其能量景观的全局极小和如何找到不同极小之间的关系是计算数学领域两个长久以来尚未解决的重要科学问题. 本文着重介绍近年来提出的“解景观”概念和方法. 我们将回顾解景观的概念、构建解景观的鞍点动力学方法、以及解景观在液晶和准晶方面的应用.

图像融合通常是指从多源信道采集同一目标图像,将互补的多焦点、多模态、多时相和/或多视点图像集成在一起,形成新图像的过程.在本文中,我们采用基于Huber正则化的红外与可见光图像的融合模型.该模型通过约束融合图像与红外图像相似的像素强度保持热辐射信息,以及约束融合图像与可见光图像相似的灰度梯度和像素强度保持图像的边缘和纹理等外观信息,同时能够改善图像灰度梯度相对较小区域的阶梯效应.为了最小化这种变分模型,我们结合增广拉格朗日方法(ALM)和量身定做有限点方法(TFPM)的思想设计数值算法,并给出了算法的收敛性分析.最后,我们将所提模型和算法与其他七种图像融合方法进行定性和定量的比较,分析了本文所提模型的特点和所提数值算法的有效性.

本文利用多边形网格上的间断有限元方法离散二阶椭圆方程,在曲边区域上,采用多条直短边逼近曲边的以直代曲的策略,实现了高阶元在能量范数下的最优收敛.本文还将这一方法用于带曲边界面问题的求解,同样得到高阶元的最优收敛.此外我们还设计并分析了这一方法的\linebreakW-cycle和Variable V-cycle多重网格预条件方法,证明当光滑次数足够多时,多重网格预条件算法一致收敛.最后给出了数值算例,证实该算法的可行性并验证了理论分析的结果.

本文提出求解数学物理方程大型离散特征值问题的几何网格预变换块因式分解算法(简称GPA算法).
通过长期研究我们发现:结构化网格矩阵$G$满足幂等方程$G^m=I_N,(m\ll N={\rm dim}(G))$,故可在实数域或复数范围内进行因式分解;且$G$与有限元刚度矩阵$A$之间乘法存在互易性:$A\cdot G=G\cdot A$,利用$G$的几何不变性可把$N$阶大型矩阵$A$正交分解为$m-$块对角块矩阵异步并行是我们算法的计算数学基础.
本文以正三角形、方形、平行六边形及正十七边形等结构化网格为例,特别是详细分析了六边形上的离散特征值异步并行算法及程序实现细节.文后附有若干2-3万阶量级离散矩阵特征值的桌面电脑数值计算例子(正三角形与方形网格,串行加速比分别为3-4倍),符合本文算法分析得出的"几何网格预处理的并行度与正多边形边数成正比"的结论.这类几何网格因式分解算法原则上可推广到三维乃至高维数学物理方程离散特征值计算问题，也可用于大型线性方程组的高效并行求解.

本文研究跳适应向后Euler方法求解跳扩散随机微分方程在非全局Lipschitz条件下的强收敛性.通过克服方程非全局Lipschitz系数给收敛性分析带来的主要困难,我们成功地建立了跳适应后向Euler方法的强收敛性结果并得到相应的收敛率.最后,我们通过数值试验对前文所得理论结果做进一步的验证.

卷积位势广泛存在于科学和工程领域, 它的高效高精度计算往往是数值仿真的瓶颈.卷积位势是典型的非局部积分, 卷积核函数通常在原点或者无穷远处具有奇异性,密度函数是光滑速降函数并可能具有较强的各向异性. 无论是从卷积还是从傅里叶积分出发,我们首先将全空间截断到有界矩形区域并将其等距离散, 再应用傅里叶谱方法来高精度逼近密度函数.理想的求解器需要在保证高精度的同时, 尽可能提高计算效率, 并妥善处理各向异性密度函数的情形.本文详细回顾了目前流行的三类基于积分方程的高精度快速算法, 包括基于非均匀快速傅里叶变换的算法、基于高斯和的算法与核截断算法. 它们都能达到谱精度, 计算效率都类似于离散快速傅里叶变换(FFT), 并都能处理各向异性的密度函数. 这三类算法具有离散卷积结构;一旦生成了离散张量, 位势的计算将转化为两倍长度向量的傅里叶变换, 计算效率达到了近似最优,且与各向异性强度无关.最后我们介绍了误差估计的已有结果, 并用实例从精度、效率和各向异性等方面展示了算法能力.

本文基于一维椭圆型界面问题提出了一种有效的数值方法.首先,根据模型构建一个崭新的破裂再生核空间.其次,应用破裂再生核方法给出了此类界面问题的近似解,并讨论该方法的收敛性.最后,通过几个有效的数值算例来说明该方法的精确性和稳定性.

研究含参数$l$非方矩阵对广义特征值极小扰动问题所导出的一类复乘积流形约束矩阵最小二乘问题.与已有工作不同,本文直接针对复问题模型,结合复乘积流形的几何性质和欧式空间上的改进Fletcher-Reeves共轭梯度法,设计一类适用于问题模型的黎曼非线性共轭梯度求解算法,并给出全局收敛性分析.数值实验和数值比较表明该算法比参数$l=1$的已有算法收敛速度更快,与参数$l=n$的已有算法能得到相同精度的解.与部分其它流形优化相比与已有的黎曼Dai非线性共轭梯度法具有相当的迭代效率,与黎曼二阶算法相比单步迭代成本较低、总体迭代时间较少,与部分非流形优化算法相比在迭代效率上有明显优势.

增广拉格朗日方法是求解带线性约束的凸优化问题的有效算法.线性化增广拉格朗日方法通过线性化增广拉格朗日函数的二次罚项并加上一个临近正则项,使得子问题容易求解,其中正则项系数的恰当选取对算法的收敛性和收敛速度至关重要.较大的系数可保证算法收敛性,但容易导致小步长.较小的系数允许迭代步长增大,但容易导致算法不收敛.本文考虑求解带线性等式或不等式约束的凸优化问题.我们利用自适应技术设计了一类不定线性化增广拉格朗日方法,即利用当前迭代点的信息自适应选取合适的正则项系数,在保证收敛性的前提下尽量使得子问题步长选择范围更大,从而提高算法收敛速度.我们从理论上证明了算法的全局收敛性,并利用数值实验说明了算法的有效性.

本文针对广义绝对值方程,提出了基于牛顿法的矩阵多分裂方法.并在该方法的基础上进一步改进,得到了基于牛顿法的交替矩阵多分裂方法.给出两种算法在一定条件下的全局收敛性,并分析当分裂为H分裂时，基于牛顿法的矩阵多分裂方法的收敛条件.通过数值实验验证了所提出的算法的可行性和有效性.

基于指数罚函数,对最近提出的一种求解无约束优化问题的三项共轭梯度法进行了修正,并用它求解更复杂的大规模极大极小值问题.证明了该方法生成的搜索方向对每一个光滑子问题是充分下降方向,而且与所用的线搜索规则无关.以此为基础,设计了求解大规模极大极小值问题的算法,并在合理的假设下,证明了算法的全局收敛性.数值实验表明,该算法优于文献中已有的类似算法.

本文研究求解二维Fisher-Kolmogorov-Petrovsky-Piscounov (Fisher-KPP)方程的一类保正保界差分格式.运用能量分析法证明了当网格比满足$R_{x}+R_{y}+[b\tau (p-1)]/2\leq\frac{1}{2}$时差分解具有一系列数学性质,包括保正性、保界性和单调性,且在无穷范数意义下有$O (\tau+h_{x}^{2}+h_{y}^{2})$的收敛阶.然后通过发展Richardson外推法得到收敛阶为$O (\tau^{2}+h_{x}^{4}+h_{y}^{4})$的外推解.最后数值实验表明数值结果与理论结果相吻合.值得提及的是在运用本文构造的Richardson外推法时对时空网格比没有增加更严格的条件.

多重线性系统在当今的工程计算和数据挖掘等领域有很多实际应用,许多问题可以转化为多重线性系统求解问题.在本文中,我们首先提出了一种新的迭代算法来求解系数张量为M-张量的多重线性系统,在此基础上又提出了一种新的改进算法,并对两种算法的收敛性进行了分析.数值算例的结果表明,本文提出的两种算法是有效的并且改进算法的迭代时间更少.

本文提出了求解张量互补问题的一类光滑模系矩阵迭代方法.其基本思想是,先将张量互补问题转化为等价的模系方程组,然后引入一个逼近的光滑函数进行求解.我们分析了算法的收敛性,并通过数值实验验证了所提出算法的有效性.

一类空间分数阶扩散方程经过有限差分离散后所得到的离散线性方程组的系数矩阵是两个对角矩阵与Toeplitz型矩阵的乘积之和.在本文中,对于几乎各向同性的二维或三维空间分数阶扩散方程的离散线性方程组,采用预处理Krylov子空间迭代方法,我们利用其系数矩阵的特殊结构和具体性质构造了一类分块快速正则Hermite分裂预处理子.通过理论分析,我们证明了所对应的预处理矩阵的特征值大部分都聚集于1的附近.数值实验也表明,这类分块快速正则Hermite分裂预处理子可以明显地加快广义极小残量(GMRES)方法和稳定化的双共轭梯度(BiCGSTAB)方法等Krylov子空间迭代方法的收敛速度.

应用共轭梯度方法和线性投影算子,给出迭代算法求解了线性矩阵方程AX=B在任意线性子空间上的最小二乘解问题.在不考虑舍入误差的情况下,可以证明,所给迭代算法经过有限步迭代可得到矩阵方程AX=B的最小二乘解、极小范数最小二乘解及其最佳逼近.文中的数值例子证实了该算法的有效性.

基于对p-1维输出空间进行剖分的思想,提出了一种求解线性比式和问题的分枝定界算法.通过一种两阶段转换方法得到原问题的一个等价问题,该问题的非凸性主要体现在新增加的p-1个非线性等式约束上.利用双线性函数的凹凸包络对这些非线性约束进行凸化,这就为等价问题构造了凸松弛子问题.将凸松弛子问题中的冗余约束去掉并进行等价转换,从而获得了一个比凸松弛子问题规模更小、约束更少的线性规划问题.证明了算法的理论收敛性和计算复杂性.数值实验表明该算法是有效可行的.

文应用指数Euler方法研究了线性随机变时滞微分方程的收敛性和稳定性;首先,证明了指数Euler方法是$\frac{1}{2}$阶均方收敛的;其次,在解析解均方稳定的前提下,通过跟Euler-Maruyama方法比较发现指数Euler方法在大步长下依然保持解析解的均方稳定性;最后,用数值试验验证了收敛和稳定的结果.

针对带跳随机波动率模型满足的偏积分微分方程,提出一种新的高阶交替方向隐式（ADI）有限差分格式,该模型是一个具有混合导数和非常数系数的对流扩散型初边值问题.我们将不同的高阶空间离散与时间步ADI分裂格式相结合,得到了一种空间四阶精度、时间二阶精度的有效方法,并采用Fourier方法分析了高阶ADI格式的稳定性.最后,通过对欧式看跌期权定价模型进行数值实验证实了数值方法的高阶收敛性.

本文主要研究高维带弱奇异核的发展型方程的交替方向隐式 (ADI) 差分方法. 向后欧拉 (Euler) 方法联立一阶卷积求积公式处理时间方向的离散, 有限差分方法处理空间方向的离散, 并进一步构造了 ADI 全离散差分格式. 然后将二维问题延伸到三维问题, 构造三维空间问题的 ADI 差分格式. 基于离散能量法, 详细证明了全离散格式的稳定性和误差分析. 随后给出了 2 个数值算例, 数值结果进一步验证了时间方向的收敛阶为一阶, 空间方向的收敛阶为二阶, 和理论分析结果一致.

本文针对求解大型稀疏非Hermitian正定线性方程组的HSS迭代方法,利用迭代法的松弛技术进行加速,提出了一种具有三个参数的超松弛HSS方法(SAHSS)和不精确的SAHSS方法(ISAHSS),它采用CG和一些Krylov子空间方法作为其内部过程,并研究了SAHSS和ISAHSS方法的收敛性.数值例子验证了新方法的有效性.

本文提出了一种求解低秩张量填充问题的加速随机临近梯度算法.张量填充模型可以松弛为平均组合形式的无约束优化问题,在迭代过程中,随机选取该组合中的某一函数进行变量更新,有效减少了张量展开、矩阵折叠及奇异值分解带来的较大的计算花费.本文证明了算法的收敛率为$O (1/k^{2})$.最后,随机生成的和真实的张量填充实验结果表明新算法在CPU时间上优于现有的三种算法.

本文从计算数学的视角, 介绍周毓麟先生在离散泛函分析方法和大型科学计算方法等领域的研究工作.

针对带非线性源项的变系数双侧空间回火分数阶对流-扩散方程, 采用隐式中点法离散一阶时间偏导数, 中心差商公式离散对流项, 用二阶回火加权移位差分算子逼近左、右 Riemann-Liouville 空间回火分数阶偏导数, 构造了一类新的数值格式. 证明了数值方法的稳定性和收敛性, 且方法在时间和空间均为二阶收敛. 数值试验验证了数值方法的理论分析结果.

针对一类由时谐抛物方程约束的最优控制问题导出的分块$2\times2$复线性方程组,进一步研究了三类有效的块预处理子,推导了这三类预处理子间的关系,结论表明三个预处理矩阵的特征值由同一个矩阵确定.通过分析预处理矩阵的谱性质,获得了有效的参数选择策略,可以进一步改进和优化现有结果,同时获得了预处理矩阵的精确特征值分布,并证明了此结果是目前文献中最优结果.最后,给出实例,不仅验证了优化的预处理子和迭代方法的有效性,而且说明了理论结果是令人信服的.

本文提出了求解二阶锥绝对值方程组 (SOCAVE) 的非单调光滑牛顿算法. 在适当的条件下分析了算法的全局收敛性和局部二次收敛性. 数值结果表明用非单调光滑牛顿算法求解 SOCAVE 是可行且高效的.

利用隐式守恒型差分格式来离散空间分数阶非线性薛定谔方程,可得到一个离散线性方程组.该离散线性方程组的系数矩阵为一个纯虚数复标量矩阵、一个对角矩阵与一个对称Toeplitz矩阵之和.基于此,本文提出了用一种\textit{修正的埃尔米特和反埃尔米特分裂}(MHSS)型迭代方法来求解此离散线性方程组.理论分析表明,MHSS型迭代方法是无条件收敛的.数值实验也说明了该方法是可行且有效的.

Sandu和Günther[SIAM J.Numer.Anal.53(2015)17--42]对形如$\dot{y}=\sum\limits_{k=1}^{N}f^{[k]}(y)$的微分方程提出广义加性Runge-Kutta (GARK)方法.本文利用双色有根树导出GARK方法的阶条件,给出辛条件和对称性条件,并构造了三个二阶对称辛GARK (SSGARK)方法和两个四阶SSGARK方法.对三个经典测试问题的数值实验结果显示,与文献中几个非对称或非辛的ARK/GARK方法相比,新的SSGARK方法能更有效地保持Hamilton量.

本文研究四阶分数阶扩散波动方程模型的基于新混合元方法的快速两网格算法.讨论该方法的稳定性,推导三个未知函数的$L^2$模意义下的最优误差估计.最后通过数值例子验证两网格混合元算法的高效性和理论结果的正确性.

本文主要研究了一类多项Caputo分数阶随机微分方程的Euler-Maruyama (EM)方法，并证明了其强收敛性.具体地，我们首先构造了求解多项Caputo分数阶随机微分方程初值问题的EM方法，然后证明分数阶导数的指标满足$\frac{1}{2}<\alpha_{1}<\alpha_{2}<\cdots<\alpha_{m}<1$时，该方法是$\alpha_{m}-\alpha_{m-1}$阶强收敛的.文末的数值试验验证了理论结果的正确性.

构造一维粘弹性波动方程的H$^1$-Galerkin时空有限元分裂格式. 这种新的分裂格式在时空两个方向同时利用有限元离散, 具有H$^1$-Galerkin 混合有限元方法和时空有限元方法的优点, 如在不受LBB 相容性条件限制的同时能够高精度逼近流体的压力和达西速度, 有限元空间可以利用不同次数的多项式空间, 能同时得到时间和空间两个变量的形式高阶精度等. 通过构造时空投影算子并讨论其相关逼近性质, 证明了解的存在唯一性和稳定性, 给出混合时空有限元解的误差估计, 给出数值算例验证了理论推导结果的合理性和算法的有效性,并和传统H$^1$-Galerkin方法做比较,得到了更小的误差和超收敛阶.

本文针对带非线性源项的 Riesz 回火分数阶扩散方程, 利用预估校正方法离散时间偏导数, 并用修正的二阶 Lubich 回火差分算子逼近 Riesz 空间回火的分数阶偏导数, 构造出一类新的数值格式. 给出了数值格式在一定条件下的稳定性与收敛性分析, 且该格式的时间与空间收敛阶均为二阶. 数值试验表明数值方法是有效的.

通过在空间方向上使用双线性元和最低阶的 Nedeléc 元 (即Q₁₁ + Q₀₁ × Q₁₀)以及在时间方向上使用二阶精度的数值逼近格式, 得到了在矩形网格上二阶双曲方程全离散混合元格式下的对原始变量的L^∞(H¹) 和流量的L^∞((L²)²)的超逼近和超收敛的误差结果. 在分析过程中, 巧妙地使用了上述混合单元对在矩形网格上的特有的高精度积分恒等式和精确解的投影和插值之间的在H¹范数意义下的超逼近的估计. 最后, 给出一些数值结果来验证理论分析的正确性.

本文针对美式期权的定价问题设计了基于有限差分方法的预估-校正数值算法. 该算法采用显式离散格式先对自由边界条件进行预估, 再对经过变量替换后的关于期权价格的偏微分方程采用隐式格式离散, 并用Fourier 方法分析了此离散格式的稳定性. 接下来, 引入基于Richardson外推法的后验误差指示子. 这个后验误差指示子能够在给定的误差阈值范围内, 针对期权价格和自由边界找到合适的网格划分. 最后, 通过设计多组数值实验并与Fazio^[1]采用显式离散格式算得的数值结果相比较, 验证了所提算法的有效性, 稳定性和收敛性.

本文采用多尺度配置法求解第一类弱扇形积分方程.将压缩配置法用于投影离散非定常迭代正则化方程,得到了近似解在Banach空间范数下误差估计,给出了迭代停止准则,确保近似解无穷范数下的最优收敛率.优点是确保了收敛率,减少了计算量.数值例子验证了算法的有效性.

本文基于现有的切比雪夫神经网络, 提出了一种利用遗传算法优化切比雪夫神经网络求解分数阶 Bagley-Torvik 方程数值解的新方法, 结合多点处的泰勒公式原理, 给出数值解的一般形式, 将原问题转化为求解无约束最小化问题. 与现有数值方法的数值结果进行比较表明了本文方法的可行性和有效性, 为分数阶微分方程中类似问题的求解提供了新的思路.