技术摘要：由非残差估计器驱动的对称二阶线性椭圆型 PDE 自适应有限元法的最优复杂度

1. 问题陈述

本文研究了针对对称二阶线性椭圆型偏微分方程（PDE）的自适应有限元方法（AFEM），其形式为：
$$-\text{div}(A \nabla u^\star) + c u^\star = f - \text{div}(\mathbf{f}) \quad \text{in } \Omega, \quad u^\star = 0 \text{ on } \partial\Omega$$
其中 $\Omega \subset \mathbb{R}^d$ 是一个有界多面体 Lipschitz 区域。本文解决的主要挑战是同时控制两个来源的误差：

1. 离散误差（Discretization Error）： 源于在网格上的有限元近似。
2. 代数误差（Algebraic Error）： 源于通过迭代求解器对生成的线性系统进行不精确求解。

不同于以往通常假设离散系统具有精确解或仅依赖于基于残差的误差估计器的研究工作，本研究的重点在于使用非残差误差估计器（例如基于平均值的 ZZ 型估计器和平衡通量估计器），同时将不精确迭代代数求解器集成到自适应循环中。目标是证明该自适应算法实现了无条件的完全 R-线性收敛以及相对于总计算成本的最优复杂度。

2. 方法论与框架

2.1. 自适应算法

作者提出了一个包含四个模块的自适应算法（算法 A），该算法循环执行：求解（SOLVE）、估计（ESTIMATE）、标记（MARK）和细化（REFINE）。

• SOLVE & ESTIMATE： 这两个模块是交织在一起的。应用迭代代数求解器（收缩映射 $\Psi_\ell$），直到满足基于可计算代数误差估计器 $\zeta_\ell$ 相对于离散误差估计器 $\mu_\ell$ 的停止准则。具体而言，当 $\zeta_\ell(u^k_\ell) \leq \lambda \mu_\ell(u^k_\ell)$ 时，求解器停止。
• MARK： 使用基于非残差估计器 $\mu_\ell$ 的 Dörfler 标记准则对元素集进行标记。
• REFINE： 使用新顶点二分法（NVB）对标记的元素进行细化。

2.2. 关键假设

分析依赖于误差估计器 $\mu_\ell$ 和代数求解器的抽象性质：

• 收缩求解器： 迭代求解器满足收缩性质 $|||u^\star_\ell - \Psi_\ell(v_\ell)||| \leq q_{ctr} |||u^\star_\ell - v_\ell|||$，其中 $0 < q_{ctr} < 1$，且与网格尺寸无关。
• 非残差估计器性质： 估计器 $\mu_\ell$ 必须满足：
  1. 局部等价性： $\mu_\ell$ 与针对精确离散解 $u^\star_\ell$ 的标准基于残差的估计器 $\eta_\ell$ 局部等价。具体而言，$\eta_\ell(U_\ell; u^\star_\ell) \lesssim \mu_\ell(T^m_\ell[U_\ell]; u^\star_\ell)$ 且反之亦然，其中 $T^m_\ell$ 表示第 $m$ 层级的补丁（patch）。
  2. 弱稳定性： $\mu_\ell$ 满足一个关于两个不同离散函数的估计器之间的稳定性条件，该条件涉及一个补丁层级 $r$。
• 网格细化： 使用 NVB 确保了形状正则性、叠加估计和网格闭合估计等标准性质。

2.3. 拟误差（Quasi-Error）

分析的核心量是拟误差 $M^k_\ell$，定义为代数误差与离散误差估计器的之和：
$$M^k_\ell := |||u^\star_\ell - u^k_\ell||| + \mu_\ell(u^\star_\ell)$$
注意，$u^\star_\ell$（精确有限元解）从未被计算出来；项 $\mu_\ell(u^\star_\ell)$ 是用于分析的理论构造，而其可计算的对应项 $\zeta_\ell(u^k_\ell) + \mu_\ell(u^k_\ell)$ 被证明是等价的。

3. 核心贡献与结果

3.1. 无条件的完全 R-线性收敛

主要理论结果（定理 8）确立了拟误差 $M^k_\ell$ 无条件且 R-线性地收敛。也就是说，对于自适应历史中的任何两个索引 $(\ell, k)$ 和 $(\ell', k')$，存在常数 $C_{lin} > 0$ 和 $0 < q_{lin} < 1$，使得：
$$M^k_\ell \leq C_{lin} q_{lin}^{|(\ell, k)| - |(\ell', k')|} M^{k'}_{\ell'}$$
至关重要的是，对于任何自适应参数（$\theta, C_{mark}, \lambda$）的选择，该收敛性均成立。这消除了为了保证收敛而需要选择“足够小”参数的限制，而这在涉及不精确求解器的现有文献中是一个常见限制。

3.2. 最优复杂度

本文证明了拟误差相对于总计算成本（以累积自由度数和求解步数衡量）的衰减率是最优的。

• 定理 15： 如果自适应参数 $\theta$ 和 $\lambda$ 被选得足够小，算法将实现最优收敛速率。具体而言，拟误差的衰减速率与非线性逼近类 $\mathcal{A}^s$ 中的最佳逼近速率相匹配。
• 该结果意味着，只要参数调节得当，算法不会在不必要的求解器迭代或网格细化上浪费计算资源。

3.3. 对特定估计器的应用

该抽象框架被应用于两类特定的非残差估计器，证明它们满足所需的局部等价性和稳定性假设：

1. ZZ 型平均估计器： 基于 Zienkiewicz 和 Zhu 的开创性工作。本文证明了对于任意多项式阶数 $p \geq 1$，其与残差估计器具有局部等价性（定理 16）。
2. 平衡通量估计器： 基于局部通量重建（例如 Raviart-Thomas 元）。本文确立了这些估计器的局部等价性和弱稳定性（定理 22），并指出其具有 $p$-鲁棒性。

3.4. 数值实验

第 6 节展示了在 L 型区域（一个带有奇异性的问题）上的二维数值实验。实验比较了：

• 标准基于残差的估计器。
• ZZ 型估计器。
• 平衡通量估计器。

实验结果证实：

• 三种估计器生成的网格具有可比性，且细化过程都集中在奇异点处。
• 两种非残差估计器在相对于自由度数和累积运行时间方面均实现了最优收敛速率。
• 平衡通量估计器表现出更高的效率指数（接近 1）和 $p$-鲁棒性，尽管由于停止准则更紧，它可能需要更多的求解器迭代。

4. 意义与文献关系

作者将他们的工作定位为对现有文献的统一与扩展：

• 对比 [KS11, CN12]： 不同于这些侧重于精确求解器下最优速率的工作，本文包含了不精确求解器，并关注最优复杂度（成本 vs. 误差）。此外，这项工作避免了 [CN12]（需要足够精细的初始网格、内部节点属性）和 [KS11]（仅限于最低阶 FEM、细化邻居）的限制性假设。
• 对比 [CKNS08, BM09, CFPP14]： 这些工作通常需要精确的有限元解，或者依赖于仅能保证在小参数下收敛的扰动论证。本文为任何参数选择提供了无条件收敛性。
• 对比 [BFM+25]： 虽然 [BFM+25] 将最优复杂度扩展到了不精确求解器，但它仅限于基于残差的估计器。本文首次将这些结果扩展到非残差估计器（ZZ 和平衡通量），这些估计器在实践中被广泛使用，但在分析上更具挑战性，因为它们缺乏直接的残差结构。

核心创新： 本文克服了一个难题，即非残达估计器与残差估计器之间的局部等价性通常仅对精确离散解成立（而精确解是无法计算的）。通过采用对 [BFM+25] 中分析方法的微妙修改，并利用非残差估计器的弱稳定性，作者架起了计算的不精确解与理论上的精确离散解之间的桥梁，从而证明了无条件的收敛性和最优复杂度。

5. 结论

这项工作为在具有不精确求解器的自适应有限元方法中使用非残差误差估计器提供了严谨的数学基础。它表明，在一般假设下，这些方法不仅是无条件收敛的，而且能够实现最优的计算复杂度。这验证了在计算精确求解线性系统成本过高的情况下，在自适应算法中使用流行的估计器（如 ZZ 型和平衡通量估计器）的实际可行性。