Phương pháp Runge-Kutta

Các phương pháp Runge-Kutta phát triển nghiệm của một phương trình vi phân thường (ODE) từng bước một bằng cách sử dụng một số đánh giá giai đoạn trung gian của vế phải, đạt được bậc cao mà không cần lưu trữ các bước trước đó.

Definition

Phương pháp Runge-Kutta là một phương pháp một bước cho các phương trình vi phân thường, tính toán giá trị nghiệm tiếp theo từ giá trị hiện tại bằng cách tạo ra một tổ hợp có trọng số của một số đạo hàm giai đoạn được đánh giá tại các điểm trung gian trong bước.

Scope

Chủ đề này bao gồm các phương pháp Runge-Kutta tường minh và ẩn, biểu diễn Butcher tableau của chúng, các điều kiện bậc được suy ra từ lý thuyết cây có gốc, các cặp nhúng để kiểm soát kích thước bước thích ứng, và các tính chất ổn định tuyệt đối phân biệt các phương pháp phù hợp cho các bài toán cứng và không cứng.

Core questions

• Làm thế nào các giai đoạn nội bộ cho phép một phương pháp một bước đạt được bậc chính xác cao?
• Các điều kiện bậc cho phương pháp Runge-Kutta được suy ra và tổ chức như thế nào?
• Làm thế nào các cặp nhúng cung cấp một ước lượng lỗi cục bộ không tốn kém để kiểm soát kích thước bước?
• Điều gì phân biệt các phương pháp Runge-Kutta tường minh với các phương pháp ẩn về chi phí và độ ổn định?

Key theories

Butcher tableau và các điều kiện bậc

Một phương pháp Runge-Kutta được xác định bởi Butcher tableau các hệ số của nó, và yêu cầu nó khớp với khai triển Taylor của nghiệm chính xác đến một bậc nhất định tạo ra một tập hợp các điều kiện bậc đại số được tạo ra một cách có hệ thống bằng cách sử dụng các cây có gốc.

Các cặp nhúng và kiểm soát thích ứng

Hai phương pháp chia sẻ cùng các giai đoạn nhưng có trọng số khác nhau — một cặp nhúng như các sơ đồ Runge-Kutta-Fehlberg hoặc Dormand-Prince — tạo ra hai ước lượng nghiệm có bậc khác nhau mà sự khác biệt của chúng ước lượng lỗi cục bộ và điều khiển việc lựa chọn kích thước bước tự động.

Mechanisms

Trong mỗi bước, phương pháp đánh giá vế phải tại một số điểm giai đoạn, mỗi điểm được định nghĩa là giá trị hiện tại cộng với một tổ hợp các đạo hàm giai đoạn đã được tính toán trước đó; nghiệm mới là tổng có trọng số của các đạo hàm giai đoạn này. Các phương pháp tường minh sắp xếp các giai đoạn sao cho mỗi giai đoạn chỉ phụ thuộc vào các giai đoạn trước đó và có thể được đánh giá trực tiếp, trong khi các phương pháp ẩn liên kết các giai đoạn thông qua một hệ thống phi tuyến được giải ở mỗi bước, đạt được sự ổn định mạnh mẽ cần thiết cho các bài toán cứng. Các cặp nhúng tái sử dụng các đánh giá giai đoạn để tạo ra một ước lượng đi kèm cho việc kiểm soát lỗi.

Clinical relevance

Các phương pháp Runge-Kutta, đặc biệt là các cặp tường minh thích ứng như Dormand-Prince, là các bộ tích phân ODE đa năng mặc định trong môi trường tính toán khoa học, được sử dụng để mô phỏng quỹ đạo, động học hóa học, hệ thống điều khiển và bất kỳ bài toán giá trị ban đầu không cứng nào; các phương pháp Runge-Kutta ẩn mở rộng cùng một khuôn khổ cho tích phân cứng và bảo toàn cấu trúc.

History

Các phương pháp này bắt đầu với công trình của Runge năm 1895 và các sơ đồ có hệ thống của Kutta năm 1901; lý thuyết đại số của John Butcher vào những năm 1960 đã tổ chức các điều kiện bậc của chúng thông qua các cây có gốc, và sự phát triển của các cặp nhúng hiệu quả như của Fehlberg và cặp Dormand-Prince đã biến tích phân Runge-Kutta thích ứng thành công cụ tiêu chuẩn như ngày nay.

Key figures

• Carl Runge
• Wilhelm Kutta
• John C. Butcher
• John R. Dormand

Seminal works

• hairer1993
• butcher2016

Frequently asked questions

Tại sao lại sử dụng nhiều giai đoạn thay vì chỉ một bước nhỏ với phương pháp Euler?

Mỗi giai đoạn lấy mẫu độ dốc tại một điểm khác nhau trong bước, và việc kết hợp chúng sẽ loại bỏ các số hạng lỗi bậc thấp, do đó một phương pháp Runge-Kutta đạt được độ chính xác cao với các bước lớn hơn nhiều so với phương pháp Euler cần cho cùng một lỗi.

Khi nào thì phương pháp Runge-Kutta ẩn đáng giá với chi phí bổ sung của nó?

Đối với các bài toán cứng, nơi các phương pháp tường minh yêu cầu các bước cực kỳ nhỏ không thực tế để đảm bảo độ ổn định, các phương pháp Runge-Kutta ẩn vẫn ổn định ở các kích thước bước lớn. Chi phí giải một hệ thống phi tuyến ở mỗi bước sau đó được bù đắp nhiều hơn bằng cách thực hiện ít bước hơn đáng kể.