基于深度神经网络的复杂区域偏微分方程求解

基于深度神经网络求解复杂区域的椭圆型偏微分方程,通过实现深度前馈人工神经网络,构造合适的损失函数和神经网络求解策略,并且提出针对椭圆型偏微分方程的精确、有效的策略和数值方法.该方法只需要在边界和内部上分别选取少量样本点作为训练集,经过迭代学习神经网络的参数使其逼近椭圆型偏微分方程的解.与传统数值方法相比,本方法具有无网格特点,无需生成计算网格,便于处理任意复杂区域问题.数值算例表明此方法可以求解具有复杂区域的微分方程问题且具有较好的数值精度.     

一类高维非线性方程(组)自相似解的简易求法

对(2 1)维非线性偏微分方程进行相似变换后,根据相似变量不变性原理,提出了一个相似变量的复合变换,从而把(2 1)维偏微分方程最终化成常微分方程.将该方法用于KP方程、ZK方程、高维Burgers方程组,均得到了具有Palinlevé性质的常微分方程.通过进一步的分析求解得到KP方程和ZK方程的自相似渐进解,尤其是得到了高维耦合Burgers方程组的精确解.     

一类非线性热传导方程的线性化解法

提出了用一阶线性常微分方程及其解构造非线性偏微分方程精确解的线性化解法.利用该方法求出(3 1)维和(1 1)维的Kolmogorov-Petrovskii-Piskunov型方程的精确解,其中包括扭状孤立波和代数孤立波解,并把(1 1)维的Kolmogorov-Petrovskii-Piskunov型方程推广到具有任意次非线性项的一般热传导方程,得到了其解.     

具有约束条件的均衡规划问题的微分方程方法

提出了具有不等式约束的均衡规划问题,运用该均衡规划问题的拉格朗日函数和投影算子将具有不等式约束的均衡规划问题转化为方程组.进一步,应用所得到的方程组建立了具有控制过程的微分方程系统,并证明了具有控制过程的微分方程系统的解的聚点是具有不等式约束的均衡规划问题的解.最后,给出了2个具有不等式约束的均衡规划问题的数值算例,并分别运用具有控制过程的微分方程系统对其进行求解,描绘了每个算例的微分方程系统的解的轨迹图,从图中可以明显地观察到具有控制过程的微分方程系统的解的轨迹收敛于均衡规划问题的解,从而说明了微分方程方法求解具有不等式约束的均衡规划问题的可行性和有效性.     

关于一类抛物型方程Cauchy问题解的积分公式

抛物型方程 Cauchy 问题的求解公式多般是依据广义函数论方法(特别是δ函数)求出方程的基本解,然后通过基本解把方程的 Cauchy 问题的解表为某种积分显式.对于某些二阶常系数线性偏微分方程的 Catchy 问题可以应用降维法去获得求积公式。1962年,F.J.Bureau 利用球面平均法和 Hermite 多项式一些性质借助于上升法得到 n 维空间热传导方程 Cauehy 问题解的积分显式.但是我们发觉 F.J.Bureau 在论文中,当空间维数     

(3+1)-维广义Kadomtsev-Petviashvili方程的对称约化与精确解

借助符号计算软件,利用经典李群方法对(3+1)-维广义Kadomtsev-Petviashvili(KP)方程进行对称约化,得到了5组新的(2+1)-维约化方程。基于Exp-函数展开法对约化方程进行求解,并结合相似变量得到了该方程带有任意函数的精确解。该方法对于求解高维微分方程十分有效,并可获得丰富的精确解。     

(3+1)-维广义Kadomtsev-Petviashvili方程的对称约化与精确解

借助符号计算软件,利用经典李群方法对 (3+1)-维广义Kadomtsev-Petviashvili (KP) 方程进行对称约化,得到了5组新的(2+1)-维约化方程。基于Exp-函数展开法对约化方程进行求解,并结合相似变量得到了该方程带有任意函数的精确解。该方法对于求解高维微分方程十分有效,并可获得丰富的精确解。     

Hunter-Saxton方程的对称约化与群不变解

借助符号计算软件Maple,根据微分方程单参数不变群和群不变解的概念,利用李群对称的待定系数法,得到Hunter-Saxton方程的包含5个任意常数和一个任意函数的一般形式的对称.通过该对称中任意的函数和常数的不同选取,将Hunter-Saxton方程约化为不同形式的常微分方程.最后对约化后的常微分方程进行变换求解,进一步得出Hunter-Saxton方程的一些群不变解和精确解.     

解周期初值问题的三角拟合两步方法

在很多由微分方程表征的应用系统中,经常面对有周期解微分方程的求解问题.由于微分方程周期解具有振荡特性,使得一些经典方法,如常系数数值等方法求解这类问题难以得到较好的结果.本文基于Adams-Bashforth经典方法,通过构造迭代方程,给出了求解具有周期初值问题的三角拟合法,并对该方法的稳定性进行了分析.数值试验表明,该方法可较好解决有周期解微分方程的求解问题.