While solving Partial Differential Equations (PDEs) with finite element methods (FEM), serendipity elements allow us to obtain the same order of accuracy as rectangular tensor-product elements with many fewer degrees of freedom (DOFs). To realize the possible computational savings, we develop some additive Schwarz methods (ASM) based on solving local patch problems. Adapting arguments from Pavarino for the tensor-product case, we prove that patch smoothers give conditioning estimates independent of the polynomial degree for a model problem. We also combine this with a low-order global operator to give an optimal two-grid method, with conditioning estimates independent of the mesh size and polynomial degree. The theory holds for serendipity elements in two and three dimensions, and can be extended to full multigrid algorithms. Numerical experiments using Firedrake and PETSc confirm this theory and demonstrate efficiency relative to standard elements.


翻译:在用有限元素方法(FEM)解决部分差异方程式(PDEs)时,精度元素使我们获得与自由度少得多的矩形高产品元素相同的精确度。为了实现可能的计算节约,我们根据解决本地补丁问题开发了某些添加的Schwarz方法(ASM) 。调和Pavarino关于抗虫产品案例的论据,我们证明补丁光滑器为模型问题提供了独立于多元度的调节估计值。我们还将它与一个低级的全球操作员结合起来,以提供一种最佳的双电网方法,与网状大小和多元度不同的调节估计值。理论将精度元素分为两个和三个维度,并可以扩展到完整的多格运算法。使用Fierdrake和PETSC的数学实验证实了这一理论,并展示了与标准元素相对的效率。

0
下载
关闭预览

相关内容

专知会员服务
51+阅读 · 2020年12月10日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
【文本生成现代方法】Modern Methods for Text Generation
专知会员服务
43+阅读 · 2020年9月11日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
近期必读的5篇顶会WWW2020【推荐系统】相关论文-Part2
专知会员服务
69+阅读 · 2020年4月7日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
已删除
将门创投
4+阅读 · 2019年5月8日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Arxiv
0+阅读 · 2021年6月11日
VIP会员
相关VIP内容
专知会员服务
51+阅读 · 2020年12月10日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
【文本生成现代方法】Modern Methods for Text Generation
专知会员服务
43+阅读 · 2020年9月11日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
近期必读的5篇顶会WWW2020【推荐系统】相关论文-Part2
专知会员服务
69+阅读 · 2020年4月7日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
相关资讯
已删除
将门创投
4+阅读 · 2019年5月8日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Top
微信扫码咨询专知VIP会员