非线性Hilfer分数阶导数初值问题的数值Bernstein样条方法

《Mathematics and Computers in Simulation》：A numerical Bernstein splines approach for nonlinear initial value problems with Hilfer fractional derivative

　　

研究人员提出了一种用于Hilfer分数阶导数（Hilfer fractional derivative）初值问题的样条方法。研究人员展示了收敛要求和渐近误差收敛率。该方法对于t↓t₀情况下的奇异解（singular solutions）普遍情况是准确的。研究人员的实现将样条的分数阶积分（fractional integration）向量化以提高效率。研究人员展示了该方法在非线性分数阶Van der Pol振荡器（Van der Pol oscillator）上的应用。

**论文解读：非线性Hilfer分数阶导数初值问题的数值Bernstein样条方法**

**研究背景与问题**

分数阶微积分（fractional calculus）将经典微分与积分算子推广至非整数阶，在控制理论、物理系统等领域具有广泛应用。其中，Hilfer分数阶导数（Hilfer fractional derivative）由阶α>0与型β∈[0,1]参数化，插值了Riemann–Liouville（β=0）与Caputo（β=1）两种常用导数，为初始条件与记忆效应的建模提供了额外自由度。然而，Hilfer导数初值问题（FIVP）的解在t↓0时具有奇异行为（singular behavior），尤其在β≠1且非齐次初始条件下，解不连续且奇异，给数值逼近带来挑战。现有方法（如Legendre方法、小波方法）或局限于连续解空间，或仅能处理齐次初始值，缺乏具备理论误差界与收敛性的高效数值方法。因此，本研究旨在开发一种适用于一般Hilfer导数（0≤β≤1）非线性初值问题的数值方法，能够处理奇异解并提供严格的收敛性分析。

**研究内容与结论**

研究人员提出了一种基于Bernstein多项式基的样条方法（Bernstein splines method），用于求解如下形式的非线性Hilfer分数阶初值问题：
₀D_t^α,βy(t)=f(t,y(t)), 00I_t^1?γy(0)=y?₀, γ=α+β?αβ。
通过将微分方程转化为等价的分数阶积分方程（fractional integral equation），并利用加权函数空间C_1?γ[?,T]（weighted continuous space）进行时间域变换，研究人员将奇异解问题转化为连续函数空间上的逼近问题。在样条构造中，采用Bernstein多项式基，因其具有等距节点分布与最优稳定性。通过Picard迭代（Picard iterations）在每个节点（knot）上构造逼近序列，并利用Banach不动点定理证明收敛性。主要理论结果（Theorem 3.1, 3.2）给出了收敛条件与渐近收敛阶：在多项式阶q、节点大小h及时移参数?上，收敛阶分别为O(q^?α/2)、O(h^α)和O(?^α)。数值实验验证了理论收敛界，并表明该方法在相同节点尺寸下比经典的Adams–Bashforth–Moulton预测-校正法（predictor–corrector method）具有显著更低的误差。该方法成功应用于非线性分数阶Van der Pol振荡器（Hilfer-fractional Van der Pol oscillator），展示了不同β值下解收敛至同一极限环的行为。论文发表在《Mathematics and Computers in Simulation》。

**主要关键技术方法**

1. **Bernstein多项式样条逼近**：将时间域划分为节点集合，在每个节点上使用Bernstein多项式算子（Bernstein polynomial operator）进行局部逼近，通过样条算子（spline operator）实现全局连续逼近。
2. **分数阶积分解析表达式**：利用不完全Beta函数（incomplete beta function）推导样条函数分数阶积分的闭式表达式，避免数值积分近似，提高精度。
3. **加权空间变换与?-移位**：引入C_1?γ空间与?-移位积分方程，将奇异解问题转化为连续函数问题，再通过逆变换恢复原解。
4. **向量化实现**：利用张量点积（numpy.einsum）并行化计算分数阶积分，提高效率，支持多项式阶的并行化。

**研究结果**

**5.1 多项式例子与收敛结果（Polynomial example and convergence results）**
通过在多项式FIVP（式(22)）上的数值实验，验证了方法在q、h和?三个参数上的收敛阶，实际收敛速度优于理论上限。误差在节点处达到最小，节点间隔内误差较大。增加多项式阶q不显著增加运行时间，而减小节点大小h导致运行时间增加。

**5.2 与预测-校正法比较（Comparison with Predictor-Corrector method）**
针对Caputo情况（β=1）的线性系统（式(23)），与Diethelm等人的Adams–Bashforth–Moulton预测-校正法比较。结果表明，对于相同节点大小h，Bernstein样条法的平均误差和最大误差均显著更低，且误差随h减小而持续下降，而预测-校正法的最大误差因“偏差”效应不再下降。在固定节点大小下，增加Picard迭代次数后，样条法误差迅速稳定并低于预测-校正法。

**5.3 变分数阶导数α与α=1的结果（Varying fractional derivative order α and results for α=1）**
对多项式系统（式(22)）和线性系统（式(23)）分别考察α∈[0.1,1]和α∈[0.5,1]的情况。方法在所有α值下收敛，误差随α增大而减小，且α=1（整数阶）时仍适用。对于线性系统，α增大时所需迭代次数减少，运行时间缩短。

**5.4 分数阶Van der Pol振荡器（Fractional Van der Pol oscillator）**
将方法应用于Hilfer分数阶Van der Pol振荡器（式(24)-(25)），采用自适应节点选择（式(26)）。对于β∈[0,1]的所有取值，方法均收敛，每个节点平均迭代约20次。解行为显示，不同β值下的解最终收敛至同一极限环，表明极限环具有强吸引性。

**讨论与结论**

研究人员的讨论指出，该方法虽在精度上优于预测-校正法，但计算成本更高，未来可通过优化实现或探索其他样条基函数来提高效率。此外，计划将方法扩展至更一般的边值问题及分数阶偏微分方程。结论部分（Section 6）翻译如下：本文提出了一种数值Bernstein样条技术，用于求解形如(1)的非线性Hilfer导数初值问题。逼近通过在每个节点上对局部支撑样条多项式进行Picard迭代构造。Theorem 3.1给出了收敛条件，Theorem 3.2给出了渐近收敛率。逼近在加权连续空间C_1?γ[?,T]中针对t>?获得，并随?↓0收敛至解析解。为处理t↓0处的奇异行为，进行了加权空间变换，收敛后再逆变换。研究人员还提供了向量化实现，提高了多项式阶q上的数值性能与并行化。数值实验展示了与理论结果一致的收敛率，且与Diethelm等人的预测-校正法相比，该方法在较大节点尺寸和少量迭代下仍具有显著更低的误差。对于不同0<α<1及α↑1的多项式和线性系统，方法均收敛，且α=1时也适用。最后，通过模拟Hilfer分数阶Van der Pol振荡器的解，展示了该方法在非线性问题上的适用性。