一个连续的$hp-$网格模型用于具有最优测试函数的不连续Petrov-Galerkin有限元方案
摘要：基于连续网格模型的不连续Petrov-Galerkin(DPG)有限元方案的各向异性$hp-$网格自适应策略，使用最优试验函数扩展了我们之前关于$h-$自适应的工作。所提出的策略利用DPG离散化的内置基于残差的误差估计器来计算多项式分布和网格元素的各向异性。为了预测最佳逼近阶数，我们在元素补丁上求解局部问题，从而使这些计算高度可并行化。连续网格模型可以根据在适当范数下测量的解的误差或根据某些可接受的目标泛函来制定。我们使用几个三角形网格的数值例子来展示所提出的策略的性能。 关键词：不连续Petrov-Galerkin、连续网格模型、$hp-$自适应、各向异性
作者：Ankit Chakraborty and Georg May
论文ID：2211.11156
分类：Computational Engineering, Finance, and Science
分类简称：cs.CE
提交时间：2022-11-22