On the role of relaxation and acceleration in the non-overlapping Schwarz alternating method for coupling

Titel en Context

Het artikel onderzoekt de invloed van relaxatie- en versnellingsmethoden op de convergentie van het niet-overlappende Schwarz-alternatiemethode (non-overlapping Schwarz alternating method) met Dirichlet-Neumann overdrachtsvoorwaarden. Deze methode wordt gebruikt in de context van domeindecompositie (DD) voor het koppelen van subdomeinen, een cruciale techniek voor het oplossen van grote partiële differentiaalvergelijkingen (PDE's) en voor multischaal-koppeling.

Het Probleem

Hoewel het overlappende Schwarz-algoritme gunstige convergentie-eigenschappen heeft, is het niet-overlappende variant vaak flexibeler, vooral voor multi-fysica en multi-materiaal toepassingen waarbij subdomeinen volledig onafhankelijke meshes kunnen hebben. Echter, de niet-overlappende variant met Dirichlet-Neumann voorwaarden is bekend om zijn trage en onstabiele convergentie, vooral bij:

• PDE's met sterk heterogene coëfficiënten.
• Fijne discretisaties.
• Lange en dunne subdomeinen.
• Problemen met veel subdomeinen ($N_{dd} > 2$).

Traditionele oplossingen, zoals het gebruik van een vaste relaxatieparameter ($\rho$) of geoptimaliseerde Robin-Robin voorwaarden, zijn vaak problematisch omdat de optimale parameters sterk afhangen van het specifieke probleem en moeilijk analytisch af te leiden zijn.

Methodologie

De auteurs formuleren het multiplicatieve Schwarz-algoritme eerst als een vaste-puntiteratie (fixed-point iteration). Op basis hiervan onderzoeken ze twee geavanceerde versnellingsstrategieën en vergelijken deze met klassieke relaxatie:

1. Aitken-versnelling: Een methode die de relaxatieparameter $\rho$ dynamisch aanpast op basis van de laatste iteratieschreden om de convergentie te maximaliseren. De auteurs introduceren hier een nieuwe parameter $N_0$ om de versnelling pas na een aantal iteraties te activeren.
2. Anderson-versnelling: Een meer robuuste methode die gebruikmaakt van een geschiedenis van eerdere iteraties (residuen) om een lineaire combinatie te vinden die de convergentie versnelt. Dit wordt gezien als een multi-secant quasi-Newton methode.
   • Innovatie: De auteurs ontwikkelen een adaptieve variant genaamd "Anderson with memory adaptation". Hierbij wordt de grootte van de geschiedenis ($m_k$) dynamisch aangepast op basis van de relatieve fout, om zowel te voorkomen dat te weinig informatie wordt gebruikt (te trage convergentie) als dat de optimatieproblemen slecht geconditioneerd raken (bij te grote geschiedenis).

De methoden worden getest op twee niveaus:

• Theoretisch: Een 1D Laplace-vergelijking om de convergentie-eigenschappen (lineair vs. kwadratisch) en de optimale parameters analytisch af te leiden.
• Numeriek: Een 2D niet-lineair elasticiteitsprobleem (Neohookean materiaal) met variërende aantallen subdomeinen ($N_{dd} = 2$ tot $5$).

Belangrijkste Bijdragen

1. Eerste toepassing van Anderson: Dit is (volgens de auteurs) de eerste toepassing van Anderson-versnelling op de niet-overlappende Dirichlet-Neumann Schwarz-methode.
2. Adaptieve Anderson-methode: De ontwikkeling van "Anderson with memory adaptation", die de robuustheid en efficiëntie van het algoritme aanzienlijk verbetert zonder dat de gebruiker handmatig de geschiedenisgrootte hoeft te kiezen.
3. Theoretische analyse: Bewijs dat Aitken-versnelling leidt tot kwadratische convergentie voor het 1D geval, en een analyse van de spectrale eigenschappen die de Anderson-coëfficiënten bepalen.
4. Systematische vergelijking: Een uitgebreide vergelijking tussen klassieke relaxatie, Aitken en Anderson, zowel theoretisch als numeriek.

Resultaten

De resultaten tonen een duidelijk onderscheid afhankelijk van het aantal subdomeinen:

• Twee subdomeinen ($N_{dd} = 2$):

  • Aitken-versnelling is de beste keuze. Het is zeer robuust ten opzichte van de initiële parameterkeuze, vereist weinig tuning, en convergeert vaak sneller (in minder iteraties) dan Anderson-versnelling en klassieke relaxatie.
  • De fouten zijn vaak kleiner bij Aitken-versnelling.

• Meerdere subdomeinen ($N_{dd} > 2$):

  • Anderson-versnelling (met memory adaptation) is de superieure methode.
  • Aitken-versnelling presteert hier slecht en kan zelfs divergeren of trager zijn dan klassieke relaxatie. Dit komt doordat Aitken slechts één secant-informatie gebruikt, wat ontoereikend is voor complexe multi-domein interacties.
  • Anderson-versnelling convergeert ongeveer 4 keer sneller (in termen van iteraties) dan de andere methoden.
  • Ondanks dat Anderson een optimalisatieprobleem moet oplossen per iteratie, is de CPU-tijd per iteratie vergelijkbaar met de andere methoden dankzij efficiënte algoritmen (zoals quadrprog in MATLAB).

• Robuustheid: Anderson-versnelling is minder gevoelig voor de keuze van de relaxatieparameter $\rho$ dan klassieke relaxatie en kan zelfs werken in het niet-gerelaxeerde geval ($\rho=1$).

Betekenis en Conclusie

Dit werk biedt een praktische leidraad voor het kiezen van versnellingsmethoden voor niet-overlappende domeindecompositie:

• Voor kleine koppelingen (2 domeinen) is Aitken-versnelling de aanbevolen methode vanwege zijn eenvoud en snelheid.
• Voor grootschalige koppelingen (meerdere domeinen) is Anderson-versnelling met memory adaptation de methode van keuze vanwege zijn superieure schaalbaarheid en robuustheid.

De studie benadrukt dat het gebruik van geavanceerde versnellingsmethoden de beperkingen van de niet-overlappende Schwarz-methode kan opheffen, waardoor deze een haalbaar en efficiënt alternatief wordt voor complexe multi-fysica simulaties waar overlappende methoden niet toepasbaar zijn. De auteurs wijzen ook op toekomstig werk, zoals het testen op niet-conforme meshes en het uitbreiden naar 3D en tijdsafhankelijke problemen.