Сравнение разных степеней нелинейности для обратных задач параболического уравнения.
Кілттік сөздер:
oптимизация, управление, нелинейное параболическое уравнение, производная Гато, приближение, градиент.Аннотация
В данной работе рассматривается одномерное нелинейное параболическое уравнение с неизвестной функцией на правой границе. В качестве дополнительной информации задано поведение функции на левой границе и тем самым задача переопределена на левой границе. Задача решается градиентным методом. Основная цель выявить влияние степени нелинейного члена на сходимость численного алгоритма. Для этого выбираются различные степени нелинейности, строится численное решение и результаты представляются в графическом виде. Также рассматривается сходимость алгоритма на более протяженных временных промежутках. Оказывается, некотороые негативные эффекты, влияющие на численное решение, сглаживаются по мере увеличения интервала времени. В работе приводятся расчетные формулы для решения прямой и сопряженной задачи, дается ссылка на статьи, где можно посмотреть вывод градиента функционала для нелинейного параболического уравнения. Приведен также полный пошаговый алгоритм решения задачи. Повышение степени нелинейности уравнения с одной стороны приводит к ухудшению точности численного алгоритма, но с другой стороны улучшает функциональные свойства уравнения. Влияние этих двух эффектов исследуется в данной работе, даются также коментарии и по другим аспектам, вызывающим трудности в численном алгоритме, например, выбор коэффициента при градиенте в градиентном методе.Библиографиялық сілтемелер
[1] Becker J., Dagum L. Particle simulation on heterogeneous distributed supercomputers // Concurrency-Practice and experience. 1993. 5(4).-C. 367377.
[2] Fougere D., Malyshkin V. NumGrid middleware: MPI support for computational grids // Lecture Notes in Computer Science (PACT 2005). 2005. V.3606. P. 313320.
[3] Diaz J., Munoz-Caro C., Nino A.A. Survey of Parallel Programming Models and Tools in the Multi and Many-Core Era // IEEE Transactions on parallel and distributed systems. 2012. V.23(8). P. 13691386.
[4] Cappello F., Djilali S., Fedak G. Computing on large-scale distributed systems: XtremWeb architecture, programming models, security, tests and convergence with grid // Future generation computer systems. 2005. V. 21(3). P. 417437.
[5] Wang J., Liu Z. Parallel Data Mining Optimal Algorithm of Virtual Cluster // International Conference on Fuzzy Systems and Knowledge. 2008. V.5. P. 358362.
[6] Pandey S., Buyya R. Scheduling Workow Applications Based on Multi-source Parallel Data Retrieval in Distributed Computing Networks // Computer journal. 2012. V. 55(11). P. 12881308.
[7] Liu H., Orban D. GridBatch: Cloud Computing for Large-Scale Data-Intensive Batch Applications // CCGRID. 2008. V. 1. Ð.295305.
[8] Valilai O., Houshmand M. A collaborative and integrated platform to support distributed manufacturing system using a service-oriented approach based on cloud computing paradigm // Robotics and computer-integrated manufacturing. 2013. V.29(1). Ð.110127.
[9] Ahmed-Zaki D., Dobrowolski G., Kumalakov B. Peer-to-Peer MapReduce Platform // Proceedings of the 5th International Conference on Agents and Arti?cial Intelligence. (ICAART 2013). 2013. V. 2. P. 565570.
[10] Akhmed-Zaki D., Kumalakov B. Composite Peer-to-Peer MapReduce System // Proceedings of the International Conference on New Trends in Information and Communication Technologies (ICTT 2013). 2013. P.4449.
[11] Akhmed-Zaki D.Zh., Kumalakov B.A. Solving complex iterative tasks using intellectual load distribution and MPI // Вестник Национальной инженерной академии Республики Казахстан. 2014. 2(52). P. 2531.
[2] Fougere D., Malyshkin V. NumGrid middleware: MPI support for computational grids // Lecture Notes in Computer Science (PACT 2005). 2005. V.3606. P. 313320.
[3] Diaz J., Munoz-Caro C., Nino A.A. Survey of Parallel Programming Models and Tools in the Multi and Many-Core Era // IEEE Transactions on parallel and distributed systems. 2012. V.23(8). P. 13691386.
[4] Cappello F., Djilali S., Fedak G. Computing on large-scale distributed systems: XtremWeb architecture, programming models, security, tests and convergence with grid // Future generation computer systems. 2005. V. 21(3). P. 417437.
[5] Wang J., Liu Z. Parallel Data Mining Optimal Algorithm of Virtual Cluster // International Conference on Fuzzy Systems and Knowledge. 2008. V.5. P. 358362.
[6] Pandey S., Buyya R. Scheduling Workow Applications Based on Multi-source Parallel Data Retrieval in Distributed Computing Networks // Computer journal. 2012. V. 55(11). P. 12881308.
[7] Liu H., Orban D. GridBatch: Cloud Computing for Large-Scale Data-Intensive Batch Applications // CCGRID. 2008. V. 1. Ð.295305.
[8] Valilai O., Houshmand M. A collaborative and integrated platform to support distributed manufacturing system using a service-oriented approach based on cloud computing paradigm // Robotics and computer-integrated manufacturing. 2013. V.29(1). Ð.110127.
[9] Ahmed-Zaki D., Dobrowolski G., Kumalakov B. Peer-to-Peer MapReduce Platform // Proceedings of the 5th International Conference on Agents and Arti?cial Intelligence. (ICAART 2013). 2013. V. 2. P. 565570.
[10] Akhmed-Zaki D., Kumalakov B. Composite Peer-to-Peer MapReduce System // Proceedings of the International Conference on New Trends in Information and Communication Technologies (ICTT 2013). 2013. P.4449.
[11] Akhmed-Zaki D.Zh., Kumalakov B.A. Solving complex iterative tasks using intellectual load distribution and MPI // Вестник Национальной инженерной академии Республики Казахстан. 2014. 2(52). P. 2531.
Жүктелулер
Как цитировать
Shakenov, I. (2014). Сравнение разных степеней нелинейности для обратных задач параболического уравнения. Қазұу Хабаршысы. Математика, механика, информатика сериясы, 83(4), 3–11. вилучено із https://bm.kaznu.kz/index.php/kaznu/article/view/74
Шығарылым
Бөлім
Механика, Математика, Информатика