小波方法求一类变系数分数阶微分方程数值解

为了解决分数阶微分方程数值解的问题,采用Haar小波算子矩阵的方法,研究了一类变系数分数阶微分方程的数值解.将Haar小波与算子矩阵思想有效结合,得到了Haar小波的分数阶微分算子矩阵,并对分数阶微分方程的变系数进行恰当的离散.把变系数分数阶微分方程转化为线性代数方程组,使得计算更简便,同时证明上述算法的收敛性.最后给出数值算例验证了该方法的可行性和有效性.数值计算结果表明:随着取点数的增多,数值解与精确解的近似度越来越高.     

改进的分数阶辅助方程方法及其在非线性空间-时间分数阶微分方程中的应用

利用改进的分数阶辅助方程方法求解具有修正的Riemann-Liouville分数阶导数的非线性发展方程组.将该方法应用到空间-时间分数阶Broer-Kaup方程组和空间-时间分数阶长水波近似方程组,并通过符号计算得到这两类方程组的精确行波解.结果表明,该方法能十分有效和便捷地得到时间-空间分数阶非线性微分方程组的解.     

小波法求解分数阶微分方程的误差估计

针对求解分数阶微分方程数值解和所得结果误差大小问题.采用Haar小波分数阶积分算子矩阵方法,得到一类变系数分数阶微分方程数值解.利用所得算子矩阵将原分数阶微分方程转化为代数方程组,进而便于编程求解.讨论算法的误差分析,给出相应的误差估计式,并证明该算法是收敛的.结果表明:随着点数的增多,所得数值解与精确解的误差也越来越小.最后,数值算例验证了方法的有效性以及理论分析的正确性.     

一类分数阶微分方程组极解的存在性

考虑一类具有积分项的非线性分数阶微分方程组, 通过计算得到了该方程组对应的格林函数, 并应用增算子不动点定理和上下解方法, 证明了该方程组极解的存在唯一性, 给出了近似极解的显示迭代格式.     

分数阶扩散方程的混合元预处理方法

通过引入通量p=-K(x)Du作为中间变量,提出了对变系数的时空分数阶扩散问题的全离散混合型有限元方法,证明了全离散混合型线性有限元解的存在唯一性.进一步,为克服有限元方程组中由分数阶算子的非局部性所导致的计算量和存储量显著增加等困难,构造了由循环矩阵表达的预处理子,从而,形成了一种预条件稳定的双共轭梯度算法.较传统的Guass消去法和双共轭梯度方法,新的算法明显降低了迭代次数,缩短了计算时间.     

Legendre小波法求解分数阶Bratu型积分微分方程

为利用Legendre小波求分数阶Bratu型积分微分方程数值解,结合Legendre小波定义及其性质,给出Legendre小波分数阶积分算子矩阵.利用所得算子矩阵,将原问题转化为求解非线性代数方程组,进而可以计算机编程求解,从而大大简化计算量.唯一性定理指出所求分数阶Bratu型积分微分方程的解唯一.结果表明:随着点数的增多,数值解精度也越来越高.数值算例验证了算法的有效性和可行性.     

一种带滤子的QP-free非可行域方法

提出了一种带滤子的QP-free非可行域方法,用来解不等式约束的最优化问题.此方法通过乘子函数和3-1线性互补函数构造一个等价于原约束问题的一阶KKT条件的非光滑方程组,并在此基础上给出解这个方程组的迭代算法.这个方法的每一步迭代都可以看作是对求KKT条件解的牛顿或拟牛顿迭代的扰动,在线性搜索时用到滤子方法.这个方法是可实行的且具有全局性,并且在适当的条件下还可以得到此方法的超线性收敛性.用此算法进行了数值检验,结果表明此方法是可行有效的.     

非线性反应扩散问题两网格混合有限元法的数值分析

对于一类非线性反应扩散问题,给出了一种两网格混合有限元解法.首先在粗网格上求解非线性方程组,然后在细网格上采用了牛顿迭代求解.从数值分析的角度对两网格混合有限元算法进行了研究.数值算例结果表明,与混合有限元方法相比,两网格混合有限元方法在不降低解的精度阶数的条件下,提高了计算速度.     

应用Legendre小波求解非线性分数阶Volterra积分微分方程

先利用Legendre小波的分数阶积分算子矩阵将非线性分数阶Volterra积分微分方程转化为非线性代数方程组, 再通过数值求解方程组得到原方程的数值解, 证明了误差边界值, 并用算例验证了该方法的有效性和精确性.     

非线性抛物型方程时间周期解的有限差分方法(英)

建立了一个用于求解非线性抛物型方程时间周期解的有限差分方法，在空间和时间方向上该方法分别具有四阶和两阶精度. 为了证明解的存在唯一性，建立了一个单调迭代算法，该算法也给出了一个求解算法. 同时讨论了数值解的收敛性. 数值结果显示了该方法的优越性.     

基于Riesz分数阶导数的分数阶运动微分方程

研究分数阶系统的变分原理和运动微分方程.建立了基于Riesz分数阶导数的分数阶Hamilton原理,并由分数阶Hamilton原理推导出了分数阶Lagrange方程和分数阶Hamilton正则方程.算例表明,分数阶Lagrange方程与分数阶Hamilton正则方程给出相同的结果.     

分数阶微积分的预估-校正算法及其应用

选用分数阶微分方程的预估-校正数值算法,对Chen混沌系统进行仿真研究．首先,讨论分数阶Chen混沌系统在一定的初始条件下,系统为混沌的并且仍然呈现出丰富和复杂的分数阶混沌动力学行为;然后,利用预估-校正数值计算方法,对分数阶Chen混沌系统方程进行离散化处理,得到系统方程组的离散化式;最后通过MATLAB软件进行计算,得到分数阶Chen混沌系统的仿真相图．根据初始状态变量的不同,得到相应混沌系统的仿真图．证明了分数阶预估-校正法可以很好地对分数阶系统方程进行数值稳定分析．     

一类分数阶微分方程积分边值问题正解的存在性

In this paper,we concern ourselves with the existence of positive solutions for a type of integral boundary value problem of fractional differential equations with the fractional order linear derivative operator. By using the fixed point theorem in cone,the existence of positive solutions for the boundary value problem is obtained. Some examples are also presented to illustrate the application of our main results.     

分数阶全维状态观测器设计

分数阶控制是以分数阶微积分算子和分数阶微分方程理论为基础发展起来的一个很新的研究方向。在实际应用中,该理论已经扩展到鲁棒控制、迭代学习和自适应控制以及系统识别等领域。提出了一种新的基于分数阶线形定常系统的全维状态观测器,把传统的整数阶状态观测器的阶次推广到分数领域,给出了分数阶线形定常系统全维状态观测器的一种设计方案以及综合算法,同时给出了具体设计步骤。     

Caputo分数阶反应-扩散方程的隐式差分逼近

分数阶微分方程在许多应用科学上比整数阶微分方程更能准确地模拟自然现象.本文考虑分数阶反应-扩散方程.将一阶的时间偏导数用Caputo分数阶导数替换,并给出了一个隐式的差分格式.利用能量方法给出此差分格式的稳定性与收敛性证明,最后用数值例子说明差分格式是有效的.     

用分数阶高阶近似法解非线性分数阶常微分方程组

考虑非线性分数阶常微分方程组,利用Riemann-Liouville分数阶导数的高阶近似,建立分数阶微分方程组的高阶差分格式,并证明了该方法的相容性、收敛性和稳定性.最后给出数值例子,证实了分数阶高阶近似法是解非线性分数阶常微分方程组的有效方法.     

非线性分数阶泛函微分方程解的延拓(英文)

研究了分数阶泛函微分方程有关解的延拓理论.主要利用了分数阶泛函微分方程解的表达式给出方程解的可延拓条件.分别给出了含有无穷时滞和有限时滞的微分方程解的延拓定理.     

分数布朗运动驱动的分数阶Benjamin-Ono方程的适定性

主要考虑分数次布朗运动驱动的随机分数阶Benjamin-Ono方程,利用随机卷积在空间Xs,b中的估计,三线性估计和压缩映射原理得到了随机分数次Benjamin-Ono方程的适定性.     

分数微分方程的发展和应用

阐述分数微分方程的发展历程、现状和应用背景,提出从推广经典微分方程角度展开研究工作的若干问题与建议.     

分数阶对流——弥散方程的数值求解

对严格的时间分数阶对流--弥散方程和严格的空间分数阶对流--弥散方程分别建立了差分格式,并用所建立的两个差分格式对同一理想算例进行了求解.通过对分数阶导数取不同的参数值,得到一系列结果,分析了不同分数阶导数描述的反常扩散现象及其变化规律,并和传统的整数阶对流--弥散方程的求解结果进行了对比.当时间分数阶对流--弥散方程和空间分数阶对流--弥散方程的分数阶导数的参数分别取整数值时,时间分数阶对流--弥散方程、空间分数阶对流--弥散方程和传统整数阶对流--弥散方程的计算结果相同,表明本文提出的对时间分数阶对流--弥散方程和空间对流--弥散方程数值求解方法是可行的,且整数阶对流--弥散方程是分数阶对流--弥散方程的特殊情况.和正常扩散相比,时间分数阶对流--弥散方程中分数阶导数的参数值越小,溶质扩散得越慢,表现为拖尾分布:空间分数阶对流--弥散方程中分数阶导数的参数值越小,溶质扩散得越快,表明空间的非局域性相关性越强.