[论文解读] Convergence and Optimality of Adaptive Methods for Poisson's Equation in the FEEC Framework

Michael Holst, Yuwen Li+2 more|arXiv (Cornell University)|Jun 8, 2013

Advanced Numerical Methods in Computational Mathematics参考文献 21被引用 5

一句话总结

该论文在具有通用拓扑结构和任意空间维数的区域上，基于有限元外微分计算（FEEC）框架，建立了泊松方程自适应混合有限元方法的收敛性与拟最优性。通过构造一个可靠且高效的误差估计量，以及一种新颖的拟正交性结果，作者证明了自适应算法在包含数据振荡的总误差范数下的收缩性，且无需对振荡进行标记或假设内部节点性质。

ABSTRACT

Finite Element Exterior Calculus (FEEC) was developed by Arnold, Falk, Winther and others over the last decade to exploit the observation that mixed variational problems can be posed on a Hilbert complex, and Galerkin-type mixed methods can then be obtained by solving finite-dimensional subcomplex problems. Chen, Holst, and Xu (Math. Comp. 78 (2009) 35-53) established convergence and optimality of an adaptive mixed finite element method using Raviart-Thomas or Brezzi-Douglas-Marini elements for Poisson's equation on contractible domains in two dimensions, which can be viewed as a boundary problem on the de Rham complex. Recently Demlow and Hirani (Found. Math. Comput. 14 (2014) 1337-1371) developed fundamental tools for a posteriori analysis on the de Rham complex. In this paper, we use tools in FEEC to construct convergence and complexity results on domains with general topology and spatial dimension. In particular, we construct a reliable and efficient error estimator and a sharper quasi-orthogonality result using a novel technique. Without marking for data oscillation, our adaptive method is a contraction with respect to a total error incorporating the error estimator and data oscillation.

研究动机与目标

• 将自适应混合有限元方法的收敛性与最优性结果从R²中的单连通区域推广至具有任意空间维数和一般拓扑结构的区域。
• 在FEEC框架内建立一个可靠且高效的后验误差估计量，以考虑数据振荡的影响。
• 利用一种新颖的技术推导出更优的拟正交性结果，避免使用诸如内部节点性质等人为假设。
• 证明自适应算法在结合离散误差与数据振荡的总误差范数下具有收缩性，确保无需额外的振荡标记步骤即可实现收敛。
• 在不依赖APPROX模块或先前文献中额外假设的前提下，实现逼近类意义下的拟最优性。

提出的方法

• 采用有限元外微分计算（FEEC）框架，在希尔伯特复形上表述混合变分问题，从而实现稳定混合方法的系统构造。
• 基于局部残差与通量重构，构造一个可靠且高效的后验误差估计量，确保对总误差的上下界控制。
• 提出一种新颖技术，通过将误差分解为与上同调、边界及正交子空间相关的分量，推导出更优的拟正交性估计。
• 采用Dörfler标记策略，设定阈值参数θ < θ*，以确保充分的网格加密，其中θ*依赖于稳定性与逼近常数。
• 通过结合误差估计量、拟正交性与标记策略，证明了总误差（离散误差 + 数据振荡）在能量范数下的收缩性。
• 利用逼近类A_s与A_s^o来刻画收敛速率与网格尺寸的关系，从而在标准假设下实现拟最优性。

实验结果

研究问题

• RQ1 能否在FEEC框架下，针对具有通用拓扑结构和任意空间维数的区域，建立泊松方程自适应混合有限元方法的收敛性与最优性？
• RQ2 在FEEC框架中，如何构造一个可靠且高效的后验误差估计量，以考虑数据振荡，且无需显式对振荡进行标记？
• RQ3 能否利用FEEC工具推导出更优的拟正交性结果，以避免使用如内部节点性质或APPROX模块等假设？
• RQ4 自适应算法是否在结合离散误差与数据振荡的总误差范数下具有收缩性，从而确保无需额外标记步骤即可实现收敛？
• RQ5 该自适应方法的收敛速率如何以逼近类表示？能否在不依赖人为假设的前提下证明拟最优性？

主要发现

• 自适应混合有限元方法（AMFEM）在总误差范数下收敛，该范数结合了离散误差与数据振荡，且无需对振荡进行标记或假设内部节点性质。
• 构造了一个可靠且高效的后验误差估计量，能从上下两个方向控制总误差，确保误差估计的鲁棒性。
• 利用FEEC工具推导出一种新颖的拟正交性结果，使得误差收缩不依赖APPROX模块或人为假设。
• 当标记参数θ选择在依赖于问题常数的阈值θ*以下时，方法在总误差下实现收缩。
• 证明了拟最优性：若精确解与数据属于适当的逼近类A_s与A_s^o，则误差以最优速率O(N^{-s})衰减，其中N为自由度数。
• 收敛性与最优性结果适用于一般空间维数及具有非平凡拓扑的区域，扩展了以往仅限于R²中单连通区域的研究成果。