[论文解读] Peer Methods for the Solution of Large-Scale Differential Matrix Equations

Peter Benner, Norman Lang|arXiv (Cornell University)|Jul 23, 2018

Matrix Theory and Algorithms参考文献 30被引用 4

一句话总结

本文提出了一种用于求解大规模微分矩阵方程（特别是微分Riccati方程，DRE）的隐式和Rosenbrock型peer方法。通过利用低秩对称不定分解和重新表述的无Jacobian方法，该方法在保持高精度的同时降低了计算成本，在大规模问题上相比传统的BDF和Rosenbrock格式展现出更高的效率和稳定性。

ABSTRACT

We consider the application of implicit and linearly implicit (Rosenbrock-type) peer methods to matrix-valued ordinary differential equations. In particular the differential Riccati equation (DRE) is investigated. For the Rosenbrock-type schemes, a reformulation capable of avoiding a number of Jacobian applications is developed that, in the autonomous case, reduces the computational complexity of the algorithms. Dealing with large-scale problems, an efficient implementation based on low-rank symmetric indefinite factorizations is presented. The performance of both peer approaches up to order 4 is compared to existing implicit time integration schemes for matrix-valued differential equations.

研究动机与目标

• 解决最优控制和模型降阶中出现的大规模微分Riccati方程（DRE）的高效求解挑战。
• 克服经典隐式时间积分格式在矩阵值ODE中带来的高计算成本和存储需求。
• 开发一种低秩公式，利用DRE解的数值秩结构以降低计算复杂度。
• 提出Rosenbrock型peer方法的重新表述，以最小化Jacobian计算次数，提升计算效率。
• 在大规模问题上，展示peer方法（尤其是Rosenbrock型变体）相比经典BDF和隐式格式的优越性能。

提出的方法

• 将peer方法（一类具有相同精度和稳定性特性的通用线性方法）应用于矩阵值ODE。
• 将隐式和线性隐式（Rosenbrock型）peer格式适配于形式为 $ \dot{X}(t) = A(t)^T X(t) + X(t)A(t) - X(t)S(t)X(t) + W(t) $ 的微分Riccati方程（DRE）。
• 提出Rosenbrock型peer方法的重新表述，通过重用阶段计算避免冗余的Jacobian应用，从而降低计算开销。
• 实现一种高效的低秩对称不定分解（LRSIF），用于求解每一步时间推进中出现的代数Riccati方程（AREs），并利用DRE解的低秩结构。
• 采用低秩Cholesky型分解 $ X = ZZ^T $，其中 $ Z \in \mathbb{R}^{n \times k} $，$ k \ll n $，来表示解，从而减少存储和计算成本。
• 将peer格式与Krylov子空间方法结合，避免完整矩阵组装，在大规模场景下保持高效性。

实验结果

研究问题

• RQ1 peer方法能否被有效适配以求解大规模微分矩阵方程（尤其是DRE），并在效率和稳定性方面实现提升？
• RQ2 所提出的Rosenbrock型peer方法的重新表述在自治情况下如何减少Jacobian计算次数和计算成本？
• RQ3 低秩对称不定分解（LRSIF）在多大程度上提升了大规模DRE时间积分的可扩展性？
• RQ4 peer方法在大规模DRE问题上与经典BDF和Rosenbrock格式相比，在精度和计算效率方面表现如何？
• RQ5 DRE解的低秩结构与peer积分格式结合时，是否能带来显著的性能提升？

主要发现

• Rosenbrock型peer方法，尤其是重新表述的变体（mRosPeer），在大规模DRE的计算效率方面优于经典BDF和Rosenbrock格式。
• 在具有800个时间步的对流-扩散时变（LTV）问题中，mRosPeer(1)方案在11.16秒内达到2.09e-02的相对误差，尽管精度相近，但速度优于BDF(1)。
• 在大规模时不变（LTI）对流-扩散问题中，$ n = 2025 $，mRosPeer(2)方案仅耗时543.07秒，显著低于BDF(3)（870.76秒）和BDF(4)（813.07秒），同时保持了高精度。
• Peer(4)和RosPeer(4)的计算时间较长（分别为2652.84秒和913.28秒），这是由于阶段数和阶数增加所致，表明阶数与效率之间存在权衡。
• 重新表述的Rosenbrock型peer方案（mRosPeer）在计算时间上始终优于其原始版本（RosPeer），尤其在高阶格式中表现更优。
• 低秩对称不定分解（LRSIF）使得每一步时间推进中ARE的高效求解成为可能，从而在无需完整矩阵存储或操作的前提下，使大规模DRE问题变得可解。