[论文解读] Iterative solution of piecewise linear systems for the numerical solution of obstacle problems

Luigi Brugnano, Alessandra Sestini|arXiv (Cornell University)|Dec 16, 2009

Matrix Theory and Algorithms参考文献 17被引用 24

一句话总结

本文提出了一类半迭代牛顿型方法，用于求解由线性障碍问题及其抛物型对应问题的数值求解所生成的分段线性系统（PLS）。该方法确保在有限步内实现全局单调收敛至精确解，且收敛性不依赖于网格细化，数值实验结果表明，无论采用有限差分还是有限元离散化，对椭圆型与抛物型障碍问题均有效。

ABSTRACT

We investigate the use of piecewise linear systems, whose coefficient matrix is a piecewise constant function of the solution itself. Such systems arise, for example, from the numerical solution of linear complementarity problems and in the numerical solution of free-surface problems. In particular, we here study their application to the numerical solution of both the (linear) parabolic obstacle problem and the obstacle problem. We propose a class of effective semi-iterative Newton-type methods to find the exact solution of such piecewise linear systems. We prove that the semiiterative Newton-type methods have a global monotonic convergence property, i.e., the iterates converge monotonically to the exact solution in a finite number of steps. Numerical examples are presented to demonstrate the effectiveness of the proposed methods.

研究动机与目标

• 开发一种高效求解障碍问题数值求解中产生的分段线性系统（PLS）的迭代求解器。
• 确保迭代格式在有限步内实现对精确解的全局单调收敛。
• 将该方法应用于线性椭圆型（经典）障碍问题及其抛物型演化对应问题。
• 通过数值实验验证该方法的收敛行为与网格无关。

提出的方法

• 该方法基于一种应用于分段线性系统的半迭代牛顿型算法，其中系数矩阵是解的分段常数函数。
• 在每次迭代中，根据当前迭代值更新活动集（即解接触障碍物的区域），从而生成一系列线性子问题。
• 该算法利用M-矩阵的结构以及障碍问题的互补性公式，以确保迭代过程定义良好。
• 求解过程等价于一种对偶活动集策略，但直接以PLS形式表述，从而提升清晰度与效率。
• 对于抛物型情形，采用隐式欧拉时间离散化，每个时间步均需求解一系列PLS。
• 证明了收敛过程为单调且有限步完成，且不依赖于初始猜测或网格细化。

实验结果

研究问题

• RQ1 半迭代牛顿型方法能否有效应用于由障碍问题导出的分段线性系统？
• RQ2 所提方法是否能保证在有限步内实现对精确解的全局单调收敛？
• RQ3 在椭圆型与抛物型障碍问题中，收敛速率是否与空间和时间网格细化无关？
• RQ4 在实际实现中，迭代次数如何随问题规模与障碍参数变化？

主要发现

• 所提出的半迭代牛顿型方法可在有限步内实现对分段线性系统精确解的全局单调收敛。
• 对于线性椭圆型障碍问题，无论边界条件如何，在所有测试的网格尺寸（N=25至100）下，收敛均在5至8步内完成。
• 对于时间步长τ=10⁴、ν=20个时间步的抛物型障碍问题，每个时间步的迭代次数保持恒定在5至8步，与空间分辨率无关。
• 在弹性-塑性扭转问题变体中，每个时间步的迭代次数为9至32，具体取决于障碍参数C，但随网格尺寸变化保持稳定。
• 在狄利克雷与诺伊曼边界条件下，解接触障碍物的区域（即重合集）几乎完全一致，仅在边界附近存在微小差异。
• 该方法的收敛行为具有鲁棒性，不会因网格细化而恶化，表明其适用于自适应与高分辨率模拟。