CVODE用户手册解读

本文来自:cv_guide.pdf

---

2.1 IVP solution

IVP问题的形式：

The methods used in cvode are variable-order, variable-step multistep methods, based on formulas
of the form

CVODE使用的是变阶，变步长的多步迭代方法，最基本的形式是2.2
nonstiff 问题，使用Adms迭代方法
stiff问题，使用BDF方法。

2.2中，a_n一开始是等于-1，这个值很大，会导致误差很大。这也是为什么开始计算的时候，会迭代好多次的原因。

无论是Adms形式还是BDF形式，非线性系统通过多步的迭代，最后变成两种形式来近似解决：

1. roodfinding形式:2.3
2. fixed-point形式:2.4

CVODE默认是使用线性系统的牛顿迭代法来对线性系统进行迭代

CVODE中，求解非线性系统的线性方法分为两种类型：

1. a direct family:g direct linear solvers for dense, banded, or sparse matrices
2. spils family:scaled preconditioned iterative (Krylov) linear solvers

对于大规模的stiff问题（比如机器人问题），direct方法通常不能用，最好的选择是使用组合了BDF的带预测器的Krylov方法。

CVODE对于误差的控制，是基于当前的值和设置的atol,rtol计算的。根据2.7，W<=1，则表示误差比较小，可以接受，可以进行下次迭代。因此，atol,rtol越大，计算的速度就越快，但是精度就越低。


为避免矩阵计算的消耗问题，矩阵M（公式2.5中的）和预测矩阵P，会尽量少地更新。只在有需要的时候更新。

error test 是检测误差是否过大的测试，需要在当前步更改步长再次计算。

迭代的时候，CVODE会对迭代过程中的误差进行控制，要求本次迭代的结果和开始点的数值
的误差保持在一定范围内。这个范围用户也可以设置。
（那是不是说，如果我不要求太高的精度，而要求高速计算，是不是可以放大范围，从而减少迭代的次数？）

误差检测不通过，会导致在当前步进行步长更改后再次迭代。这个过程重复几次后，误差测试还是不通过，就会停止计算了。这种情况很容易出现在ATOL,RTOL很小，或者min step 比较大的时候，报的错误类似：

At t= 0.44 and h = 0.002,the error test failed repeatedly or with |h| = hmin

用户可以提供雅可比，如果没有，CVODE会根据一定的规则自定构建一个近似的雅可比。

CVODE对迭代过程的误差有控制，会要求||LTE|<=1(LTE:local test error的缩写?)
error test失败，会导致在当前点，进行补偿的变小后再次计算。多次失败之后，就会报错。

---

2.2 Preconditioning

非线性系统的线性求解法，如果没有预测器，一般很难求解。
而预测器都是跟待求解的问题高度相关的，比较难在快速收敛和计算成本两个点上同时表现优秀。

预测器分为左式，右式和左右式。

一般建议使用只使用左式预测，或只使用右式预测，不要两个一起用。

CVODE典型的预测器是基于对雅可比的近似估计。
我们发现，同样的Newton-Krylov iteration,如果使用了预测器,即使预测器十分粗糙，效果也远远比没有用好得多。

---

2.3 BDF stability limit detection

2.4 Rootfinding

---

3.2 CVODE organization

Additionally, cvode includes the diagonal linear solver interface, cvdiag, that creates an internally
generated diagonal approximation to the Jacobian.