一种改进的水平集方法在Navier-Stokes问题形状优化中的应用

本文将经典的形状灵敏度分析方法与一种改进的水平集方法相结合,给出了Navier-Stokes问题形状优化的一种新方法。该算法是在固定的Euler网格上进行计算且在优化过程中不需要对水平集函数进行重新初始化,从而可以有效地节省计算时间。数值算例说明该算法是稳定、高效的。     

带脉冲的随机Hopfield型神经网络的p阶矩稳定性(英文)

本文主要研究p阶矩意义下带脉冲的随机Hopfield型神经网络平衡点的随机指数稳定性。通过构造适当的Lyapunov泛函和利用随机分析理论,推导出平衡点稳定满足的条件。结果以不等式形式给出,使得结论更容易被验证。而且,本文给出求解算法,通过一数值算例,验证了算法的有效性。     

自适应网格方法在Stokes问题形状最优控制中的应用

为了求解流体力学中的形状最优控制问题,本文提出了一种与最优化准则方法相耦合的自适应网格方法.优化的目标是使得流体流动的能量耗散达到最小,状态方程是Stokes问题.本算法可以在减少计算量的情况下,保证流体的界面达到较高的分辨率.最优化算法采用的是非常稳定的经典最优化准则方法,自适应网格的指示函数是通过材料分布的信息得到的.虽然本文只是考虑了Stokes问题,但所得算法可以用来解决很广泛的一类流体动力学中的形状或拓扑最优化问题.     

基于径向基函数的自适应网格方法

本文给出了一种基于径向基函数的自适应网格方法．该方法利用网格依赖方法的解与径向基函数插值解的信息来细化或粗化网格，充分利用了径向基函数计算格式简单、节点配置灵活的优点与网格依赖方法的稳健性．提出的算法很容易编程实现．数值算例表明该算法可以在解变化剧烈的区域加密网格，在解变化平缓的地方粗化网格，从而在保证相同数值求解精度的情况下，能够极大地节省计算量．     

求解二维Navier-Stokes方程的移动网格方法

为了减少解在较小的局部区域内有着很强的奇异性、剧烈变化等的偏微分方程求解问题的计算量,提出了一种基于方程求解的移动网格方法,并将其应用于二维不可压缩Navier-Stokes方程的求解．与已有的大部分移动网格方法不同,网格节点的移动距离是通过求解一个变系数扩散方程得到的,避免了做区域映射,也不需要对控制函数进行磨光处理,所以算法很容易编程实现．数值算例表明所提算法能够在解梯度较大的位置加密网格,从而在保证提高数值解的分辨率的前提下,可以很好地节省了计算量．由于Navier-Stokes 的典型性,所得算法能够推广到求解很大一类偏微分方程数值问题．