[论文解读] IFOHAM-an iterative algorithm based on the first-order equation of HAM: exploratory preliminary results

Miguel Moreira|arXiv (Cornell University)|Jan 1, 2017

Fractional Differential Equations Solutions被引用 1

一句话总结

该论文提出 IFOHAM，一种基于同伦分析法（HAM）一阶方程的迭代算法，其推广了 Picard-Lindel"of 迭代方法，并通过控制参数 $c_0$ 确保收敛性。在求解非线性初值问题时，该方法展现出优越的收敛速度和低 CPU 时间开销，尤其当 $c_0 = -1.2$ 时，其性能显著优于标准 HAM 和 Picard-Lindel"of 方法。

ABSTRACT

In this work we present and study an iterative algorithm used to asymptotically solve nonlinear differential equations. This algorithm (Iterative First Order HAM or IFOHAM) is based on the first order equation of the Homotopy Analysis Method, HAM. We show that IFOHAM generalizes Picard-Lindeloff's iteration algorithm. Moreover, IFOHAM shares with HAM the possibility of ensuring convergence by adequately choosing c0, a convergence control parameter. Preliminary results show that IFOHAM exhibits a very good performance both in aspects related to the speed of convergence and in aspects related to the CPU calculation time. It should also be noted that the IFOHAM is a very low complexity algorithm easily programmable in a symbolic computing environment.

研究动机与目标

• 开发一种基于一阶 HAM 公式的新型迭代算法 IFOHAM，用于求解非线性常微分方程。
• 通过嵌入收敛控制参数 $c_0$，将 Picard-Lindel"of 迭代方法推广至 HAM 框架，从而实现更广泛的收敛特性。
• 评估 IFOHAM 在收敛速度、计算效率和实现简便性方面相较于标准 HAM 和 Picard-Lindel"of 的性能表现。
• 探究 $c_0$ 对收敛行为的影响，并针对特定非线性问题识别最优参数选择。
• 评估 IFOHAM 在符号计算环境中用于解析近似求解的实际可行性。

提出的方法

• 利用线性算子 $L$、收敛控制参数 $c_0$ 和嵌入参数 $q \in [0,1]$ 构造零阶形变方程。
• 推导一阶 HAM 方程：$L[u_{m+1}(t)] = c_0 \left[ N\left( \sum_{k=0}^m u_k(t) \right) \right]$（$m \geq 0$），该式定义了迭代更新规则。
• 采用满足问题初始条件的初始猜测 $u_0(t)$，并递归计算高阶项 $u_m(t)$。
• 应用符号计算工具（如 Mathematica、Maple）自动化推导和计算级数解中的多项式项。
• 通过参数 $c_0$ 控制收敛性，理论与数值证据表明最优值位于 $] -1, 0[$ 区间，甚至 $c_0 < -1$ 亦可取得良好效果。
• 以基准非线性初值问题 $x' = 1 + x^2$，$x(0) = 0$ 为测试对象，对比 IFOHAM、标准 HAM 和 Picard-Lindel"of 的性能，其精确解为 $\tan t$。

实验结果

研究问题

• RQ1 IFOHAM 如何在 HAM 框架内推广 Picard-Lindel"of 迭代算法？
• RQ2 收敛控制参数 $c_0$ 在 IFOHAM 中如何确保收敛性并加速收敛速度？
• RQ3 对于基准非线性初值问题，IFOHAM 在收敛速率和计算成本方面相较于标准 HAM 和 Picard-Lindel"of 表现如何？
• RQ4 通过将 $c_0$ 调整至小于 -1 的值，IFOHAM 是否能够实现比 HAM 和 Picard-Lindel"of 更快的收敛速度？
• RQ5 IFOHAM 的实际局限性是什么，特别是在高阶项表达式复杂度方面？

主要发现

• 当 $c_0 = -1$ 时，IFOHAM 精确退化为 Picard-Lindel"of 迭代，表明其为该经典方法的推广。
• 对于基准 IVP $x' = 1 + x^2$，$x(0) = 0$，当 $c_0 = -1.2$ 时，IFOHAM 在四阶近似下达到残差误差 $5.45 \times 10^{-6}$，优于标准 HAM（$c_0 = -1$）和 Picard-Lindel"of。
• 使用 $c_0 = -1.2$ 计算四阶解的 CPU 时间为 2.078 秒，尽管表达式复杂，但计算开销仍较低。
• 当 $c_0 \in ]-1, 0[$ 时，IFOHAM 的收敛性得到保证，且对于非线性算子 $f$ 的结构不同，$c_0 < -1$ 时可观察到更快收敛。
• 该算法具有高度的实现简便性，且由于其算法复杂度低，非常适用于符号计算环境。
• 尽管高阶迭代中表达式长度持续增加，IFOHAM 仍保持优异的收敛速度和计算效率，表明其具备实际可行性。