The solution of saddle-point problems, such as the Stokes equations, is a challenging task, especially in large-scale problems. Multigrid methods are one of the most efficient solvers for such systems of equations and can achieve convergence rates independent of the problem size. The smoother is a crucial component of multigrid methods and significantly affects its overall efficiency. We propose a Vanka-type smoother that we refer to as Restricted Additive Vanka and investigate its convergence in the context of adaptive geometric multigrid methods for the Stokes equations. The proposed smoother has the advantage of being an additive method and provides favorable properties in terms of algorithmic complexity, scalability and applicability to high-performance computing. We compare the performance of the smoother with two variants of the classical Vanka smoother using numerical benchmarks for the Stokes problem. We find that the restricted additive smoother achieves comparable convergence rates to the classical multiplicative Vanka smoother while being computationally less expensive per iteration, which results in faster solution runtimes.


翻译:诸如斯托克斯方程式等马鞍点问题的解决办法是一项艰巨的任务,特别是在大规模问题中。多格格丽德方法是这类方程式系统最有效的解决办法之一,能够实现与问题大小无关的趋同率。光滑是多格格方法的一个关键组成部分,并极大地影响其总体效率。我们建议使用一个Vanka型平滑器,我们称之为Restricted Additive Vanka, 并在斯托克斯方程式的适应性几何多格格方法中调查其趋同性。提议的平滑器的优点是是一种添加法,在算法的复杂性、可缩放性和对高性计算的适用性方面提供了有利的特性。我们用用于斯托克斯问题的数字基准的古典Vanka光滑的两种变式比较了光滑的性能。我们发现,有限的添加法滑动剂在计算每升速成本较低的情况下达到与古典多法式Vanka平滑的相相近的趋同率,而计算成本较低,从而导致更快的溶性运行时间。

0
下载
关闭预览

相关内容

【图与几何深度学习】Graph and geometric deep learning,49页ppt
专知会员服务
41+阅读 · 2021年4月2日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
图神经网络库PyTorch geometric
图与推荐
17+阅读 · 2020年3月22日
PyTorch & PyTorch Geometric图神经网络(GNN)实战
专知
81+阅读 · 2019年6月1日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
激光slam导航方案凭什么更被各大厂家青睐?
计算机视觉life
15+阅读 · 2019年1月25日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
STRCF for Visual Object Tracking
统计学习与视觉计算组
14+阅读 · 2018年5月29日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
Arxiv
0+阅读 · 2021年5月10日
Arxiv
0+阅读 · 2021年5月4日
Arxiv
0+阅读 · 2021年5月4日
Arxiv
0+阅读 · 2021年5月4日
VIP会员
相关资讯
图神经网络库PyTorch geometric
图与推荐
17+阅读 · 2020年3月22日
PyTorch & PyTorch Geometric图神经网络(GNN)实战
专知
81+阅读 · 2019年6月1日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
激光slam导航方案凭什么更被各大厂家青睐?
计算机视觉life
15+阅读 · 2019年1月25日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
STRCF for Visual Object Tracking
统计学习与视觉计算组
14+阅读 · 2018年5月29日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
Top
微信扫码咨询专知VIP会员