[论文解读] Alternative to the Romberg Method of Estimating the Definite Integral

Michael Brandon Youngberg|arXiv (Cornell University)|Jul 25, 2012

Advanced Thermodynamics and Statistical Mechanics参考文献 1被引用 3

一句话总结

本文提出了一种新颖的数值积分方法，通过使用梯形法则与复合梯形法则的加权平均，实现比罗姆berg积分更快的收敛速度。通过基于可预测误差模式的外推技术，该方法在更少的子区间内达到高精度——在15次近似中即可达到15位有效数字的精度，而罗姆堡方法则需21次；即使在非2的幂次子区间下，该方法也表现出色。

ABSTRACT

Using elementary methods, we define and derive a particular weighted average of the trapezoidal and composite trapezoidal rules and show that this approximation, as well as its composite, is straightforward in computation. This approximation and its composite, in their general forms, are shown to have predictable error patterns; thus, an extrapolation method can be used to increase the accuracy. We then derive the necessary weights to use an extrapolation method to reduce error and converge more quickly than Romberg integration by allowing for improved accuracy with fewer necessary subintervals. The procedure necessary to implement this alternative method is then carefully described, followed by two examples.

研究动机与目标

• 开发一种数值稳定、计算高效的罗姆堡方法替代方案，用于定积分的估计。
• 在保持或提升收敛速度的前提下，减少对子区间的依赖数量，相较于罗姆堡积分。
• 即使子区间数不是2的幂次，也能通过复合近似实现高精度积分，克服罗姆堡方法的关键局限。
• 推导一种外推框架，系统性地消除主导误差项，利用梯形近似加权组合实现。
• 证明该方法在非理想子区间数下，相比罗姆堡方法能以更少的近似次数实现更高精度。

提出的方法

• 该方法从标准梯形法则与复合梯形法则的加权平均出发，记为 $ A $，其通过初等微积分与误差平衡推导得出。
• 初始误差 $ \alpha $ 通过使用与近似 $ A $ 相同的系数，对两个分量规则的误差进行加权计算，从而实现系统性误差抵消。
• 为 $ m $ 个子区间定义了复合版本 $ A_m $，并分析其误差结构，以识别适合外推的可预测模式。
• 推导出外推因子 $ \Omega $，用于消除 $ A $ 与 $ A_m $ 之间的主导误差项，并推导出所有可行组合下 $ \Omega $ 的通用形式。
• 通过连续计算外推因子，消除更高阶误差项，结合适当的子区间选择，可实现 $ O(n^2 h^{16}) $ 的精度。
• 正式化了实现流程，包括如何选择并组合复合近似，以在最小计算成本下最大化精度。

实验结果

研究问题

• RQ1 能否构造梯形法则与复合梯形法则的加权平均，使其误差模式支持有效的外推？
• RQ2 如何推导出该新方法中消除主导误差项的外推因子？其通用形式为何？
• RQ3 该方法是否在收敛速度上优于罗姆堡积分，特别是在子区间数非2的幂次时？
• RQ4 该方法可达到的最大精度是多少？其随可用复合近似数量的增加如何变化？
• RQ5 该方法是否能在子区间数任意时保持高精度，且所需近似次数少于罗姆堡方法？

主要发现

• 该方法在24或30个子区间下即可实现 $ O(n^2 h^{16}) $ 的精度，而罗姆堡方法需到64个子区间才可达到此水平。
• 该方法在15次近似中即达到15位有效数字精度，而罗姆堡方法需21次近似才能达到相同精度。
• 对于测试函数 $ f(x) = \sin(x) $ 在 $ [0, \pi] $ 上，该方法在 $ h = \pi/32 $ 时得到近似值 $ -2.00000000000133 $，与真实值精确到15位有效数字。
• 该方法即使在奇数个子区间下依然有效，而罗姆堡方法因要求子区间数为2的幂次而失效。
• 外推框架成功消除了高达 $ O(n^2 h^{12}) $ 的误差项，且通过使用额外未使用的复合近似可进一步提升精度。
• 该方法的误差结构具有可预测性，适合系统性外推，因此在更少的函数求值次数下即可实现比罗姆堡方法更高的精度。