在本节中,我们提出了离散Temimi–Ansari方法DTAM的一种新变体,用于处理分数阶随机线性电路,其中包括电阻、电感、电容、,以及具有Caputo型奇异核和Caputo–Fabrizio和Atangana–Baleanu ABC型非奇异核的新分数算子的电压源。
考虑以下形式的微分方程
$$\begin{aligned}&L\bigl[v(t)\bigr]+N\bigl[v(t)\biger]+g(t)=0,\end{alinged}$$
(3a)
$$\begin{aligned}&\text{with initial conditions}\quad I\bigl$$
(3b)
哪里我和N个分别举例说明线性和非线性算子,以及\(g(t)\)举例说明了非齐次项。使用Temimi–Ansari方法求解微分方程(1)如下:
获得初始近似函数\(v{0}(t)\),这是以下初值问题的解决方案
$$\begin{aligned}L\bigl[v_{0}(t)\bigr]+g(t)=0,\qquad I\bigl(v_{0},\bigl(d^{j}v_{0}\bigr)/\bigle(d t^{j{}\biger)\bigra)=0。\结束{对齐}$$
(4)
获得下一个牺牲功能\(v{1}(t)\),必须解决以下问题
$$\begin{aligned}L\bigl[v_{1}(t)\bigr]+N\bigl[v_{0}(t)\biger]+g(t)=0,\qquad I\bigl(v_{1},\bigle(d^{j}v_{1\}\bigr)/\bigl-(d t^{j{}\biger)\birgr)=0。\结束{对齐}$$
(5)
此外n个th近似函数\(v{n}(t)\)可以用同样的方式进行评估。然后,
$$开始{对齐}L\bigl[v_{n}(t)\bigr]+n\bigl[v__{n-1}(t)\biger]+g(t)=0,\quad n=2,3,\ldots,\qquad I\bigle(v_{n},\bigl(d^{j}v_{n}\bigr)/\bigl(d t^{j}\biger)=0。\结束{对齐}$$
(6)
随着迭代次数的增加,生成的迭代解变得接近精确解
$$\begin{aligned}v(t)=\lim_{n\rightarrow\infty}v_{n}(t)。\结束{对齐}$$
(7)
的作者[20,22,23]对TAM方法应用于常微分方程及其扩展到微分方程组的误差分析和收敛标准进行了扩展研究。
为了对趋同进行研究,我们将从以下方面开始:
$$\begin{aligned}\textstyle\begin}-cases}\xi_{0}=v_{0{(t),\\xi_{1}=\Psi[\xi_}0}],\\xi_2}=\Psi[\xi_0}+\xi_1}],\ \ vdots\\\xi_}n}=\Psi[\xi_{0neneneep+\xi__1}+\cdots+\xi_{n-1}]。\结束{cases}\displaystyle\end{aligned}$$
(8)
通过定义因子\(\Psi[v(t)]\)作为
$$\begon{aligned}\Psi\bigl[\xi_{n}(t)\bigr]=v{}_{n}(t)-\sum_{i=0}^{n-1}v_{i}(t),\ quad i=1,2,3,\ldots,\ end{aligned}$$
(9)
考虑到这一点\(v{n}(t)\)是TAM的解决方案。
利用这些标准,通过以下定理讨论了TAM收敛的便利规定。
定理1
连锁解决方案 \(v(t)=lim{n\rightarrow\infty}v{}n}(t)) 如果链解收敛,则会显示为给定问题的精确解.
证明
请参见[18,22]. □
定理2
假设Ψ等式中规定. (9),是来自 H(H) 到 H(H),哪里 H(H) 是希尔伯特空间.连锁解决方案 \(v(t)=\lim_{n\rightarrow\infty}v{}_{n}(t)\) 收敛,如果 \(\存在0<\ eta<1 \) 这样的话
$$开始{对齐}H\bigl\Vert\Psi[\xi_{0}+\xi_}1}+\cdots+\xi_{n}]\bigr\Vert\leq\eta\bigl\ Vert\Psi[\xi_ 0}+\ xi_{1}+\ cdots+/\xi_[n-1}]\bigr\Vert_quad\forall\eta\ mathbb{\在n\cup}\{0}中。\结束{对齐}$$
这个概念是固定的-点概念,这足以证明TAM的收敛性.
证明
请参见[18,22]. □
定理3
链解决方案是否 \(\sum_{i=0}^{\infty}v_{i}(t)\) 收敛于 \(v(t)\),那么最大误差 \(E_{n}(t)\) 将是
$$开始{对齐}E_{n}(t)\leq\frac{1}{1-\rho}\rho^{n}\Vertv_{0}\Vert,\end{aligned}$$
(10)
其中链条 \(sum{i=0}^{n-1}v{i}(t)\) 用于解决一类广泛的非线性问题.
证明
请参见[18,22]. □
TAM获得的解收敛到精确解,如下所示:\(存在\0这样的话
$$\begin{aligned}D_{n}=\textstyle\begin{cases}\frac{\Vert\xi_{n{n\Vert}{\Vert_xi_{n-1}\Vert}&\Vert\xi_{nneneneep \Vert\neq 0,\\0,&\Vert\xi_{n}\Vert=0。\结束{cases}\displaystyle\end{aligned}$$
(11)
power-chain解决方案\(\sum_{n=0}^{\infty}v_{n}(t)\)收敛到精确解\(v(t)\)什么时候\(0\leq D_{n}<1,所有n=0,1,2,\ldots\)
只为\(阿尔法=1)随机方程的解(1)但是,由于积分随机函数的复杂性,只能进行少量迭代。作为分数时间导数\({}_{0}D_{t}^{\alpha}\)t可以是奇异类型或非奇异类型\({}_{0}^{C}D_{t}^{alpha}\)或\({}_{0}^{CF}D_{t}^{\alpha}\)或\({}_{0}^{ABC}D_{t}^{alpha}\)提出了求解随机非线性微分方程的分数阶离散Temimi–Ansari(FDTAM)方法(1)对于具有局部奇异核类型Caputo和非奇异核Caputo–Fabrizio和Atangana–Baleanu ABC类型的分数阶算子,如下所示:
2.1Liouville–卡普托感觉
Caputo分式算子逼近问题解的FDTAM格式(1)将如下所示:
假设:n个-点均匀网格\([0,T]\)作为\(i:i=1,\ldot,n\}),\(0<t_{1}<t_{2}<cdots<t_{n}=t\)具有\(t{i}-t{i-1}=q\).让\(h\ in(0,q]\)是固定常数小时.
近似的有限差分形式\(压裂{d\omega(t{j+1})}{dt}\)由提供
$$\开始{aligned}\frac{d\omega(t{i+1})}{dt}=\frac}\omega{i+1}-\omega_{i}}{h}。\结束{对齐}$$
(12)
广义欧拉近似格式\({}{0}^{C}D{t}^{alpha}v{0}(t_{j+1})\)由提供
$$开始{对齐}v_{0}(t_{i+1})=v_{0}(t_{i})+\frac{h^{alpha}}{\Gamma(\alpha+1)}\biggl[G(t_{i})+f(t_{i}$$
(13)
哪里\(v{0}(t{i+1})=v{0{i+1},v{0neneneei和\(ω(t{i})=ω因此,第一个精化方程用于近似初始近似函数\(v{0}\)(\(t{i+1}\))是
$$\开始{对齐}v_{0}^{i+1}=v_{0}^{i}+\frac{h^{alpha}}{\Gamma(\alpha+1)}\biggl[G(t_{i})+f(t_{i})\frac}\omega_{i+1}-\omega{i}}{h}\bigr]。\结束{对齐}$$
(14a)
下一个离散近似函数\(v{1}\)(\(t{i+1}\))和n个离散近似函数\(v{n}\)(\(t{i+1}\))可以计算如下
$$\开始{对齐}和v_{1}^{i+1}=v_1}^{i}+\frac{h^{alpha}}{\Gamma(\alpha+1)}\biggl[F\bigl(t_{i},v_{0}^{i}\bigr)+\biggl(G(t_{i})+F(t_{i.}))\biggr],\end{对齐}$$
(14b)
$$\开始{对齐}和v_{n}^{i+1}=v_{n}^{i}+\frac{h^{alpha}}{\Gamma(\alpha+1)}\biggl[F\bigl(t_{i},v_{n-1}^{i}\bigr)+\biggl(G(t_{i})+F(t_{i.})\frac}\omega_{i+1}-\omega_{i}}{h}\big gr)\大gr]。\结束{对齐}$$
(14c)
解决方案将通过k个维纳过程的各种模式的运行\(\omega(\mathrm{t})\),然后是改进的方案(第14页)–(14摄氏度)可以用以下形式书写:
$$\开始{对齐}和v_{0,k}^{i+1}=v_{0,k}^}i}+\frac{h^{\alpha}}{\Gamma(\alpha+1)}\biggl[G(t_{i})+f(t_{i})\frac}\omega_{i+1}-\omega_a{i}}{h}\bigr],\end{aligned}$$
(15年)
$$开始{对齐}&v_{1,k}^{i+1}=v_{1,k}^}i}+\frac{h^{\alpha}}{\Gamma(\alpha+1)}\biggl[F\bigl(t_{i},v_{0,k}^{i}\bigr)+\biggl(G(t_{i})+F(t_{i})\frac}\omega_{i+1}-\omega_{i}}{h}\biggr)\biggr],\end{对齐}$$
(15亿)
$$\boot{aligned}&v_{n,k}^{i+1}=v_{n,k}^{i}+\frac{h^{\alpha}}{\Gamma(\alpha+1)}\biggl[F\bigl(t_{i},v_{n-1,k}^{i}\bigr)+\bigl(G(t_{i})+F(t_。\结束{对齐}$$
(15美分)
我们必须选择一个时间步长小时确保系统收敛(15年)–(15摄氏度). 通过等式右侧的除法设置定点迭代的收敛规(15亿)我们获得:
$$开始{对齐}和\biggl(\frac{h^{\alpha}}{\Gamma(\alpha+1)}\biggr)\frac}\partial F(t_{i},v_{0,k}^{i})}{\partialv_{0,k}^i}}<1,\end{aligned}$$
(16)
$$\开始{aligned}&h<\biggl(\frac{\Gamma(\alpha+1)}{\frac}\partial F(t_{i},v_{0,k}^{i})}{\ partial v_{0,k}^}}\biggr)^{\frac{1}{\alpha}}。\结束{对齐}$$
(17)
让\(g{1}=\frac{\partial F(t_{i},v{0,k}^{i})}{\paratil v{0,k{^{i}}),然后我们有:
$$\开始{aligned}h<\biggl(\frac{\Gamma(\alpha+1)}{g{1}}\biggr)^{\frac}{\alpha}}。\结束{对齐}$$
(18)
条件\(h<(压裂{\Gamma(\alpha+1)}{g{1}})^{\frac{1}{\alpha}}\)是Liouville–Caputo意义下用于收敛的时间步长的适当条件。其他方程式(15年)和(15摄氏度)由于对称性,可以使用相同的条件。
2.2卡普托-法布里齐奥感觉
Caputo–Fabrizio分数阶算子近似问题解的FDTAM格式(1)将如下所示:
Caputo–Fabrizio近似方案\({}{0}^{CF}D_{t}^{alpha}v{0}(t_{j+1})\)由提供
$$开始{对齐}v_{0}(t_{i+1})={}&v_{0}(t_{i})+\biggl(\frac{1-\alpha}{\beta(\alpha)}+\frac}3\alphah}{2\beta(\ alpha{h}\biggr]\\&{}+\biggl(\frac{1-\alpha}{\beta(\alpha)}+\frac{\alpha-h}{2\beta(\ alpha\biggr)\biggl[G(t_{i-1})+f(t_{i-1}$$
(19)
哪里\(v{0}(t{i+1})=v{0{i+1},v{0neneneei、和\(ω(t{i})=ω因此,对初始近似函数进行近似的第一个迭代方程\(v{0}\)(\(t{i+1}\))是
$$开始{对齐}v_{0}^{i+1}={}&v_{0}^{i}+\biggl(\frac{1-\alpha}{\beta(\alpha)}+\frac{3\alphah}{2\beta(\ alpha{}+\biggl(\frac{1-\alpha}{\beta(\alpha\压裂{ω{i}-\ω{i-1}}{h}\biggr]。\结束{对齐}$$
(20年)
下一个Caputo–Fabrizio近似函数\(v{1}\)(\(t{i+1}\))和n个th Caputo–Fabrizio近似函数\(v_{n}\)(\(t{i+1}\))可以计算如下
$$\开始{对齐}v_{1}^{i+1}={}&v_{1'^{i}+\biggl(\frac{1-\alpha}{\beta(\alpha)}+\frac}3\alphah}{2\beta(\ alpha \omega{i+1}-\omega_{i}}{h}\biggr)\biggr]\\&{}+\biggl(\frac{1-\alpha}{\beta(\alpha)}+\frac{\alphah}{2\beta(\alpha)}\biggr)\biggl[F\bigl(t_{i-1},v_{0}^{i-1{\bigr)+\biggl(G(t_{1-})+F(t_{i-1})\frac{\omega_{i}-\omega_2i-1}}{h}\bigr],\end{aligned}$$
(20亿)
$$开始{对齐}v_{n}^{i+1}={}&v_{n}^{i}+\biggl(\frac{1-\alpha}{\beta(\alpha)}+\frac{3\alphah}{2\beta(\ alpha{ω{i+1}-\omega{i}}{h}\biggr)\biggr]\\&{}+\biggl(\frac{1-\alpha}{\beta(\alpha)}+\frac{\alpha-h}{2\β(α)}\biggr)\biggl[F\bigl(t_{i-1},v_{n-1}^{i-1{大)+\biggl(G(t_{1-})+F(t_{i-1})\frac{\omega_{i}-\omega_2i-1}}{h}\bigr)\bigr]。\结束{对齐}$$
(20美分)
该解决方案将使用k个各种维纳过程的运行\(\omega(\mathrm{t})\)模式和改进的方案(20年)–(20摄氏度)可以写为:
$$开始{对齐}v_{0,k}^{i+1}={}&v_{0,k}^}i}+\biggl(\frac{1-\alpha}{\beta(\alpha)}+\frac}3\alphah}{2\beta(\ alpha]\\&{}+\biggl(\frac{1-\alpha}{\beta(\alpha)}+\frac{\alpha-h}{2\beta(\ alpha\压裂{ω(t_{i})-\ω(t_{i-1})}{h}\biggr],\结束{对齐}$$
(21年)
$$开始{对齐}v_{1,k}^{i+1}={}&v_{1,k}^}i}+\biggl(\frac{1-\alpha}{\beta(\alpha)}+\frac}3\alphah}{2\beta(\ alpha)\压裂{ω{i+1}-\ω{i}{h}\biggr)\biggr]\\&{}+\biggl(\压裂{1-\alpha}{\beta(\alpha)}+\压裂{\alpha-h}{2\beta(\alpha)}\biggr)\biggl[F\bigl(t_{i-1},v_{0,k}^{i-1{\bigr)+\biggl(G(t_{1-})+F(t_{i-1}$$
(21亿)
$$开始{对齐}v_{n,k}^{i+1}={}&v_{n,k}^{i}+\biggl(\frac{1-\alpha}{\beta(\alpha)}+\frac{3\alphah}{2\beta(\ alpha})\压裂{ω{i+1}-\ω{i}{h}\biggr)\biggr]\\&{}+\biggl(\压裂{1-\alpha}{β(\alpha)}+\压裂{\alpha-h}{2\β(阿尔法)}\biggr)\biggl[F\bigl(t_{i-1},v_{n-1,k}^{i-1{\bigr)+\ biggl(G(t_{1-})+F(t_{i-1})\frac{\omega_{i}-\ omega__{i-1}}{h}\bighr)\biggr]。\结束{对齐}$$
(21 c)
为了方便,我们采取\(β(α)=1).
2.3阿坦加纳——巴莱努感觉
Atangana–Baleanu分数运算符的FDTAM方案如下所示,以近似问题的解决方案(1):
Atangana–Baleanu方案\({}_{0}^{ABC}D_{t}^{alpha}v_{0{(t_{j+1})\)由提供
$$开始{对齐}v_{0}(t_{i+1})={}&v_{0}(t_{i})+\biggl(\frac{h^{alpha}{\beta(\alpha)\Gamma压裂{ω(t_{i+1})-\ω(t_{i})}{h}\biggr]\\&{}+\biggl(\frac{h^{\alpha}}{\beta(\alpha)\Gamma(\alfa)}\biggr)\biggl[G(t_{i-1})+f(t_{i-1}$$
(22)
哪里\(v_{0}(t_{i+1})=v_{0}^{i+1},v_{0}(t_{i})=v_{0}^{i},\omega(t_{i+1})=\omega_{i+1}\)、和\(ω(t{i})=ω因此,第一个迭代方程近似初始近似函数\(v{0}\)(\(t{i+1}\))是
$$\开始{对齐}v_{0}^{i+1}={}&v_{0}^{i}+\biggl(\frac{h^{alpha}}{\beta(\alpha)\Gamma(\alfa)}\biggr)\biggal(1+\frac}(1-\alpha)\Garma(\alpha)}{h^}\alpha})\bigbl[G(t_{i})+f(t_{i})\ frac{\omega{i+1}-\omega{i}}{h}\biggr]\\&{}+\biggl(\frac{h^{\alpha}}{\beta(\alpha)\Gamma(\alfa)}\biggr)\biggl[G(t_{i-1})+f(t_{i-1}。\结束{对齐}$$
(23a)
下一个Atangana–Baleanu近似函数\(v_{1}\)(\(t{i+1}\))和n个th Atangana–Baleanu近似函数\(v{n}\)(\(t{i+1}\))可以计算如下:
$$\开始{对齐}v_{1}^{i+1}={}&v_{1'^{i}+\biggl(\frac{h^{\alpha}{{\beta(\alpha)\Gamma(\alfa)}\biggr)\biggl(1+\frac}(1-\alpha)\Garma(\alpha)}{h^}\alpha{}\bigbl[F\bigl(t_{i},v_{0}^{i}\bigr)+\biggl(G(t_{i})+F(t_{i})\frac{\omega{i+1}-\omega_{i}}{h}\biggr)\biggr]\\&{}+\bigl(\frac}h^{\alpha}}{β(α)\Gamma(α)}\biggr$$
(23亿)
$$开始{对齐}v_{n}^{i+1}={}&v_{n}^{i}+\biggl(\frac{h^{alpha}}{\beta(\alpha)\Gamma(\alfa)}\biggr)\biggl(1+\frac}(1-\alpha)\Gamma(\alva)}{h^}\alpha}\bigbl[F\bigl(t_{i},v_{n-1}^i}\big r)+\biggl(G(t_{i})+F(t_{i})\frac{\omega{i+1}-\omega_{i}{h}\biggr)\biggr]\\&{}+\bigl(\frac}h^{\alpha}}{β(α)\Gamma(α)}\biggr。\结束{对齐}$$
(23美分)
该解决方案将使用k个各种维纳过程的运行\(\omega(\mathrm{t})\)模式和改进的方案(第23页)–(第23页)可以写为:
$$\begin{aligned}v_{0,k}^{i+1}={}&v_{0,k}^{i}+\bigl biggr]\\&{}+\bigl(\frac{h^{\alpha}}{\beta(\alpha)\Gamma(\alpha)}\biggr)\biggl[G(t_{i-1})+f(t_{i-1}$$
(24a)
$$开始{对齐}v_{1,k}^{i+1}={}&v_{1,k}^}i}+\biggl(\frac{h^{\alpha}{\beta(\alpha)\Gamma(\alfa)}\biggr)\bigg1 i}\bigr)+\biggl(G(t_{i})+F(t_{i})\frac{\omega_{i+1}-\omega{i}}{h}\biggr)\biggr]\\&{}+\bigl(\frac}h^{\alpha}}{β(α)\Gamma(α)}\biggr$$
(24b)
$$开始{对齐}v_{n,k}^{i+1}={}&v_{n,k}^{i}+\biggl(\frac{h^{\alpha}{\beta(\alpha)\Gamma(\alpha)}\biggr)\ biggl{i}\bigr)+\biggl(G(t_{i})+F(t_{i})\frac{\omega_{i+1}-\omega_{i}}{h}\biggr)\biggr]\\&{}+\biggl(\frac{h^{\alpha}}{\beta(\alpha)\Gamma(\alfa)}\biggr)\biggl[F\bigl(t_{i-1},v_{n-1,k}^{i-1{\bigr)+\biggal。\结束{对齐}$$
(24美分)
计算结果序列的平均值和方差\({v{n,1},v{n将产生解的均值和方差。
最后,我们通过取解序列的平均值和方差来获得解的平均值与方差\({v{n,1},v{n这些聪明的数值格式在求解具有不同分数算子的分数阶随机非线性微分方程时比传统TAM更有效。