自适应求积

自适应求积法自动细分被积函数难以处理的积分区间，利用局部误差估计，以尽可能少的函数评估次数达到所需的精度。

Definition

自适应求积法是一种数值积分策略，它利用局部近似误差的估计来决定如何以及多精细地细分积分域，从而有效地达到预设的总体误差容限。

Scope

本主题涵盖通过比较不同阶或细化水平的规则进行局部误差估计、递归区间二分法（自适应辛普森法和自适应高斯-克朗罗德法）、全局误差预算和停止准则、奇点和尖锐特征的处理，以及生产级自动积分器（如QUADPACK库中的积分器）的设计。

Core questions

• 在不知道精确积分值的情况下，如何计算求积估计的局部误差？
• 递归细分如何将被积函数变化最大的区域集中处理？
• 哪些停止准则能够可靠地达到所需容限，同时避免浪费工作？
• 如何稳健地检测和处理可积奇点和不连续性？

Key theories

局部误差估计和细分

通过比较子区间上的粗略估计和更精细（或更高阶）估计，可以得到局部误差的估计；如果它超过分配给该子区间的容限份额，则该子区间被分割并递归执行该过程，否则接受其贡献。

全局自适应策略

全局自适应积分器不独立处理子区间，而是维护一个按估计误差排序的子区间队列，并始终细化误差最大的子区间，这能有效处理局部奇点，也是QUADPACK例程的基础。

Mechanisms

在每个子区间上，积分器评估一个嵌入式规则对——例如高斯-克朗罗德对或两个不同细化程度的辛普森估计——它们的差值估计局部误差。局部自适应方法通过二分估计误差过大的子区间进行递归。全局自适应方法维护一个按估计误差排序的子区间优先队列，并重复细分当前误差最大的子区间，直到总和误差估计达到容限。通过添加外推法和专门的权重处理来应对端点奇点和振荡被积函数。

Clinical relevance

自适应求积法是科学软件中通用积分程序所依赖的基础，它能够在用户不分析被积函数的情况下，提供用户指定精度的结果；对于具有峰值、边界层行为或可积奇点的被积函数，自适应求积法至关重要，因为这些情况会使固定规则失效，它也是广泛使用的数值和统计软件包中自动积分器的基础。

History

自动、误差控制的积分方法在20世纪70年代和80年代初期趋于成熟，最终形成了QUADPACK软件包（1983年），其带有外推法的自适应高斯-克朗罗德例程成为事实上的标准，后来被许多数值和统计软件系统采用、移植或重新实现。

Key figures

• Robert Piessens
• Philip J. Davis
• Philip Rabinowitz

Seminal works

• davis1984
• piessens1983

Frequently asked questions

如果自适应积分器不知道答案，它如何知道误差？

它通过比较同一子区间上两种不同精度的近似值来估计局部误差——例如，一个高阶规则和一个低阶规则。它们的差值近似于误差，并指导细化方向，即使真实积分未知。

自适应求积法何时会遇到困难？

当被积函数在采样点处平滑但在它们之间存在隐藏特征、强烈振荡的被积函数或不可积奇点时，它可能会被误导。此时需要专门的规则、变换或振荡积分方法。