ARKODE解读

来自《ark_guide.pdf》

---

对于ODE，M是I,PDF，则是a well-conditioned mass matrix，模拟过程中保持不变



积分的时间采用的是多阶时间插值法，最高可以去到5阶，这个参数可以由用户设置，比如
ARKStepSetDenseOrder

下面是阶数为0-3时的插值公式



f^E部分，使用显式积分，针对系统nonstiff部分
f^I部分，采用隐式积分，针对系统的stiff部分

ARKODE分为三种类型：ImEx, explicit, and implicit

系统如果有同时包含stiff,nonstiff，则可以手动拆成两部分，然后赋值给F^E，F^I,就是公式2.2的两部分


nonstiff问题，直接将公式2.2的F^I置为NULL，这是ARK会退化成显式的龙格-库塔积分法（ERK）

stiff问题，最后使用的是classical diagonally-implicit Runge-Kutta methods (DIRK)

ARKODE的步长是自适应的，它会根据局部的误差来调整步长。因此，除了返回给调用的y_n，
ARKODE内部还维持了一个计算需要的y_n

LTE:local truncation error

误差测试通过，则这一步算成功。
误差测试不通过，则会重新采用新的步长在该点重新计算。
两次失败，h’/h<0.3,如果再失败，则h’/h<0.1.
多次失败，就会停止计算并返回错误信息。

上次成功的迭代步长h，下次预计的步长h’
两者的比率：𝜂 = h’/h
这个比率的上限在不同的时候是不同的，由𝜂_max描述。

下面是步长调整的流程图


有些问题，构建雅可比或预测器的成本是很高的，或者不是很精确的数据不会影响收敛的，这时可能有需要避免步长的微小调整，防止过度计算，带来高昂的计算成本。
因此， 𝜂 ∈ [𝜂𝐿, 𝜂𝑈 ].就不会改变当前步长

fxedstep，实测绘导致数据的爆炸性增长。