综述：近期在光学分数扩散问题的有理逼近方法方面的进展 斯韦托扎尔·马尔吉诺夫

《Axioms》：Recent Advances in Rational Approximation Methods for Spectral Fractional Diffusion Problems Svetozar Margenov

　　摘要：本调查概述了光谱分数扩散方程分析和数值处理的最新发展。特别关注解决光谱分数扩散问题的高效策略，包括基于有理逼近的方法，这些方法能够高效地实现椭圆算子的分数幂次运算。基于这些逼近，我们讨论了适用于多边形域的自适应有限元离散化技术，在这些域中，奇点和几何不规则性要求精心设计的网格细化策略。调查还强调了分数扩散算子在校准耦合和多物理问题中的作用，它们可以显著提高迭代求解器的鲁棒性和收敛性。此外，我们回顾了关于光谱分数扩散-反应方程的最大原理和单调性保持的最新结果，这些结果对于确保数值解的物理意义至关重要。最后，我们讨论了通过减少迭代层数和多级迭代方法来提高鲁棒性和计算效率的当前努力。这些方法为大规模问题提供了可扩展的算法，同时保持了准确性和稳定性。调查最后概述了几个开放性问题以及分数扩散模型数值分析的未来研究方向。

1. 引言
分数扩散方程已成为描述具有非局部传输、记忆效应和异常扩散现象的强大模型。这类过程在应用数学和科学计算的各种应用中自然出现，包括多孔介质流动、材料科学、微电子学、地球物理和环境建模、流体和等离子体动力学、生物和化学传输、数学流行病学、金融数学以及图像处理。虽然不打算详尽无遗，但我们可以引用一些最近的出版物[1,2,3,4,5]作为分数扩散模型的不同应用的例子。关于这个问题的进一步讨论可以在调查论文[6,7]及其引用文献中找到。与传统的二阶椭圆方程不同，分数模型能够捕捉长程相互作用、隧穿效应和局部算子无法充分描述的比例依赖行为。
在各种表述中，光谱分数扩散近年来受到了越来越多的关注。非局部算子是通过标准（局部）椭圆算子的特征对定义的，这些算子受到适当的（最常见的情形是齐次的）边界条件的约束。这种方法为经典椭圆边值问题提供了一个数学上一致的扩展。此外，它保留了局部算子的关键定性属性，包括自伴性、正定性和单调性保持，这使得它在理论分析和数值逼近方面特别有吸引力。
当与反应项结合时，光谱分数扩散-反应方程为涉及非局部传输和局部相互作用的复杂过程提供了一个灵活的建模框架。然而，与整数阶情况不同，反应项的引入使得分数扩散问题变得更加复杂。正如后面所讨论的，分数算子的存在引入了一些重要的分析和计算挑战；例如，参见参考文献[9]。
众所周知，非局部问题的数值解涉及高昂的计算成本。因此，光谱分数扩散方程的数值处理已成为一个活跃的研究领域。本文重点介绍了使用基于网格的椭圆算子离散化方法，特别是有限差分和有限元逼近。在这个框架下，离散的分数扩散算子由矩阵表示。尽管这个矩阵关于与有限元设置中的质量矩阵相关的能量内积是对称的且正定的，但它也是稠密的，这给大规模线性系统的有效求解带来了重大挑战。开发和分析应对这些挑战的技术是本文讨论结果的核心主题。
假设矩阵的所有特征值和特征向量都是已知的，那么离散的分数扩散问题原则上可以通过对矩阵进行光谱分解来解决。例如，在均匀网格上演化的一维拉普拉斯算子就是这种情况。然而，对于更现实的应用来说，这种方法通常是不切实际的。出于类似的原因，我们没有考虑基于张量积表示或相关逼近的方法。
半个多世纪以来，预处理的共轭梯度类型方法已被证明是迭代求解非常大规模稀疏椭圆线性系统最有效的技术之一。相比之下，分数扩散问题的多项式逼近框架通常不足以产生对条件数、网格细化和自由度增长具有鲁棒性的解决方法。
尽管该领域取得了快速进展，但对分数扩散问题的数值方法的研究仍然在不同社区之间是分散的。现有的方法往往是在关于几何、边界条件和分数阶的不同假设下发展的。因此，准确度、稳定性、计算效率和几何灵活性之间的关系仍未完全理解。因此，一个综合现有的数值技术、它们的理论基础及其实际性能的全面回顾既是及时的也是必要的，特别关注并扩展现有调查论文[6,10,11,12]中提供的视角。
简而言之，本调查的动机是光谱分数扩散方程日益增长的重要性以及由于它们的非局部性质、奇点以及对高效大规模求解器的需求而带来的重大分析和计算挑战。其目标是概述它们分析和数值处理的最新进展，重点在于高效解决策略、自适应离散化技术、预处理方法和结构保持方法，同时也强调开放性问题以及未来研究的方向。
特别是，我们系统地回顾了在一般形状的多维域上提出的光谱分数扩散-反应方程的数值方法。我们总结了问题的数学表述，对现有的数值方法进行了分类，并讨论了它们的优势、局限性和适用范围。特别强调了适应复杂几何形状和可扩展计算的方法，因为这些对于实际应用至关重要。在这项分析的范围内，过去十年中已经开发出几种新颖的非局部分数扩散问题的数值解决方法，并对其进行了严格分析和数值验证。这些方法包括：（A1）基于Dunford-Taylor积分公式或相关的轮廓积分表示的求积方法[13,14]；（A2）将问题重铸为增广域上的等效椭圆问题或将其重新表述为时空圆柱体中的拟抛物线问题的扩展技术[15,16]；（A3）依赖于最佳均匀有理逼近（BURA）的纯代数方法（见[6]及其引用文献）。尽管起源和分析框架大相径庭，所有这些方法都可以被解释为的对有理逼近。
基于这些方法的分数扩散问题的数值方法将原始的非局部方程（或等效的稠密线性系统）转化为一系列标准的局部问题（或等效的稀疏线性系统）。这使得可以使用成熟的软件包来处理标准椭圆问题，并结合可扩展的线性代数库。我们还强调这些方法非常适合并行化。移动系统的独立结构允许高效并行执行，而底层求解器可以利用OpenMP、MPI和CUDA等技术进行加速。
在[6]中，回顾了不到十年的初期研究结果，并从基本思想、准确性、计算复杂性和鲁棒性等方面比较了方法（A1-A4）。本文旨在及时更新这篇早期调查文章。它反映了分数扩散问题数值方法研究动态演变带来的实质性后续发展。贡献有两个方面：首先，它全面讨论了最近的进展；其次，它突出了新开发的技术、分析见解和领域内的新兴趋势。
本文涵盖了几个根本性的新主题。这些包括通过有理逼近扩展到亚扩散情况的分析、从先验误差估计到后验误差估计的转变，以及使用局部细化网格在多边形域中实现指数收敛的方法。这里进一步提到的进展包括基于有理逼近的耦合多维问题的预处理、分数扩散-反应方程的最大原理、简化求解技术，以及多网格和多级方法在分数扩散高效数值处理中所扮演的日益重要的角色。
本文的其余部分组织如下。第2节介绍了连续设置中分数扩散问题的基本概念和性质及其离散表述。第3节回顾了椭圆算子和对称正定（SPD）矩阵的分数幂次逼近的最新进展，并总结了从先验到后验误差估计的转变。边界层和角奇点在确定多边形域上海数解的准确性方面起着关键作用；这些问题在第4节中进行了研究。第5节回顾了在构造耦合边界值问题的块预处理器中使用近似分数扩散算子的情况。第6节概述了分数扩散-反应方程的最大原理和离散最大原理研究的最新进展，并讨论了相关稠密线性系统近似解的单调性保持。第7节致力于提高鲁棒性和计算效率的技术，包括针对具有强烈变化反应系数的分数扩散问题数值解产生的线性系统的减少基方法和多级预处理。第8节总结了所回顾的结果、它们的潜在应用以及未来研究的方向。

2. 光谱分数扩散问题
2.1. 分数扩散-反应方程
设 \(\Omega\) 是一个有界域，其边界为多边形（对于 \(\Omega\)）或多面体（对于 \(\Omega\) 的Lipschitz边界。设 \(A\) 是一个在 \(\Omega\) 上均匀有界且对称正定的系数矩阵。我们通过以下方式在 \(\Omega\) 上定义双线性形式 \(L: \mathbb{R}^2 \to \mathbb{R}^2\)：
\[L(y, z) = a_A xy + b_A yz + c_A zx\]
现在，我们用 \(D\) 表示与双线性形式 \(L\) 相关联的自伴正定扩散算子。
在许多建模场景中，扩散伴随着局部反应效应，从而形成标准的扩散-反应算子 \(L'\)，其中 \(b_A\) 和 \(c_A\) 表示反应系数。这类算子在椭圆和抛物型偏微分方程的分析和数值逼近中是一个基本构建块。
文献中提出了几种不同的分数扩散概念。在这项工作中，我们关注分数扩散算子的光谱定义。对于 \(A\)，算子 \(D\) 描述了亚扩散，而 \(D'\) 对应于超扩散。与双线性形式 \(L\) 相关联的光谱分数扩散算子定义为：
\[D'(y, z) = A^2 L(y, z) + B(y, z)\]
这里，\(\{e_\lambda\}\) 是 \(A\) 的特征函数，它们构成了 \(A\) 的正交基，\(\lambda\) 是相应的正实特征值。
介绍了算子 \(D\) 之后，我们现在可以定义光谱分数扩散-反应方程：
\[D'(y, z) = f(y) D'(x, z)\]
其中 \(f\) 是一个给定的函数。除非另有说明，我们假设 \(f\) 是一个常数。
对于扩散算子的离散化，通常采用有限差分方法（FDM）和有限元方法（FEM）。在FDM设置中，扩散算子由一个对称正定矩阵 \(A\) 表示。它的光谱分解为：
\[A = \sum_{\lambda} \lambda_e^2 e_\lambda e^{-\lambda} A\]
其中 \(\{e_\lambda\}\) 是 \(A\) 的特征向量，\(A^\delta\) 是相应特征值的对角矩阵。然后通过这种分解定义 \(D^2\) 的分数幂次：
\[D^2(y, z) = (A^2 A) f(y) D(x, z)\]
在FEM框架中也有类似的构造。在这种情况下，\(D^2\) 和它的光谱表示是从广义特征值问题获得的：
\[A^2 = \sum_{\lambda} \lambda_e^2 e_\lambda e^{-\lambda} (A A^\delta) e^{-\lambda}\]
其中 \(K\) 和 \(M\) 分别表示刚度和质量矩阵。
2.2. 离散化
在本节中，我们简要回顾了在具有N个节点的矩形网格上使用有限差分方案以及在N维有限元空间上使用FEM离散化时从（3）式得到的矩阵的一些基本性质。
在FDM离散化中，我们假设 \(A\) 在二维中具有矩形多边形边界，在三维中具有多面体边界。此外，我们将注意力限制在各向同性扩散上，因此张量 \(K\) 化简为一个标量值、严格正的函数。设 \(M\) 是与边界兼容的矩形网格。
在这些假设下，我们使用平衡有限差分近似导出FDM模板。在区间 \([a, b]\) 上，得到的三点近似为：
\[L'(y, z) \approx \frac{1}{3} \left[ A M (y - x) + B M (z - y) + C M (y - z) \right]\]
将这种构造应用到每个坐标方向上，得到算子的 \(N\) 点模板近似。因此，(3)式的FDM近似形式为(5)，其中分别为在内部网格点上有限差分近似的向量和右侧的向量。在有限元离散化中，我们假设是一个多边形（或多面体）域，并配备了三角剖分（或四面体剖分）。除非另有说明，否则网格在二维和三维中都被认为是准均匀的。我们还讨论了在二维情况下对自适应、局部细化网格的扩展。

我们考虑一个由分段线性函数组成的符合性的有限维子空间。用表示的标准节点基。然后，通过用替换V，可以将分数幂的定义(2)扩展到有限维算子。有限元近似由下式给出，其中由的节点值确定。由此产生的离散分数扩散-反应问题可以写成线性系统(6)，其中分别为在内部节点上的值和的向量。这里，和分别表示刚度矩阵和质量矩阵；有关更多详细信息，请参见参考文献[6]。以这种方式定义的矩阵关于由质量矩阵诱导的能量内积是对称且正定的。

我们还考虑了一种基于集中质量矩阵的有限元方法，该矩阵由下式定义，其中表示通过对进行逐元素求积得到的集中内积。这里，表示d-单纯形（三角形或四面体）e的顶点，是其d维测度。通过这种构造，基于集中质量矩阵的离散分数扩散-反应问题可以写成(7)，其中集中质量矩阵是对角的，这一方面降低了计算成本。然而，更重要的是，这种变体能够更好地保持非负性。

本调查中考虑的有限差分(FDM)和有限元(FEM)离散化的主要假设总结在表1中。表1. FDM和FEM离散化设置的比较。这种比较突出了FEM的更大灵活性，与FDM通常所需的更结构化的设置形成对比。

3. 分数阶扩散算子的近似
引言中讨论的方法(A1–A3)有一个共同特点：它们通过将非局部分数亚扩散算子的逆表示为几个标准（局部）扩散算子的逆的线性组合来进行近似。在这个框架中，所需的辅助局部问题的数量通常被用作效率的衡量标准。

在本节中，我们考察了计算效率和鲁棒性的其他方面，并回顾了该主题的一些最新结果。

3.1. 积分表示和指数收敛求积
早期在这个方向上的开创性贡献依赖于Dunford–Taylor积分表示（或等价的Balakrishnan公式）来表达分数拉普拉斯问题的解；参见[13,14]。在这些工作中，得到的积分公式是使用基于单指数(SE)变换的sinc求积规则离散化的。多年来，人们也对双指数(DE)变换[19]投入了相当多的关注，其特性和收敛行为在文献中得到了广泛研究。在这项调查中，特别强调了最近的研究[20]，该研究进一步揭示了基于DE的求积的性能优势，突出了与基于SE的方法相比的几个实际和理论上的优点。在这两种设置中，都开发了用于近似算子分数幂的梯形规则，并进行了分析，以便一致地比较理论结果和数值实验。

Balakrishnan公式表示为，其中是单位算子。

在[13]中，应用了SE变换，得到表示为。对于得到的数值方法，收敛率被证明是的形式，其中n表示求积节点的数量。

在[20]中研究的方法基于DE变换，分析进一步扩展到算子，证明了可以达到形式的收敛率。

尽管双指数方法在理论上可能不如单指数方法有利，但已证明至少对于某些情况，它能够提供更好的性能。这一结果来自于对相关最小最大误差问题的仔细分析，这使得能够确定参数的计算最优选择。

总之，我们注意到，除了提供一个统一的分析，表明所有三种方法都可以用有理逼近来表述之外，参考文献[11]还基于(A1–A3)方法进行了数值比较，突出了BURA(A3)方法的优势。本节讨论的更多最新结果表明，积分表示方法(A2)在某些情况下可以显著胜过扩展方法(A1)，这一趋势对于某些情况尤为明显。

我们还注意到，基于求积的方法在鲁棒性方面是稳健的，因为不需要精确的谱极值知识；它们的收敛性主要取决于变换后积分函数的平滑性，而不是精确的谱极值知识。此外，由于求积方案直接来自精确的泛函微积分恒等式，它们提供了透明的理论基础，并且可以更容易地推广到其他算子函数。

3.2. 分数阶SPD矩阵幂的扩展有理逼近技术
在本节中，我们回顾了最近的发展，这些发展将理论和算法扩展到了不仅仅是过去十年间密集研究的情形。这些发展是由对于更广泛问题类别（包括超扩散和时间依赖模型）的稳健和高效方法的需求推动的。

我们考虑了和的有理逼近，对于任意的，这大大扩展了BURA方法的应用范围。一个关键的理论基础是[21]中对最佳一致有理逼近的分析。除了原始的BURA方案外，我们还考虑了基于BURA的方法，这些方法定义为适当的最佳一致有理逼近与的整数幂的乘积。大多数呈现的结果出现在[22]中，进一步的计算方面在[23]中讨论。

设为有理函数集合，其中是k次代数多项式集合。对于，上的最佳一致有理逼近（BURA）由下式给出：(8)

BURA对（如[6]中所讨论的）的近似由下式给出：(9)，其中表示的最小特征值。在[22]中建立的一个新结果表明，BURA近似的收敛率满足对于所有。

另一种称为基于BURA的方法，它将问题简化为在中的分数阶情况。设并将其分解为相应的，我们仅对分数部分应用BURA近似。这导致了基于BURA的近似，其收敛率满足对于所有。

尽管两种方法都表现出指数收敛，但BURA在近似时比基于BURA的方法具有更快的衰减速度。然而，基于BURA的方法由于其表示为部分分式的形式而具有实现上的直接优势。同样，使用BRASIL[24]计算的近似BURA保持了这一实际优势，数值实验显示其准确性几乎与精确的BURA相同。

与整数幂情况不同（或许有些令人惊讶的是），与相乘的矩阵-向量乘法在计算上比使用相同矩阵解线性系统更昂贵。这种操作自然会出现，一般来说无法避免；例如，当使用更高阶的时间步进方案离散化时间依赖问题时就会出现这种情况。计算等价于解决涉及的问题。然而，关于的最佳一致有理逼近的理论[21]并没有涵盖负幂的情况。因此，我们直接构建了一种基于BURA的方法。

在矩阵-向量乘法的情况下，设表示为具有这种分解，我们写，从而分离了整数和分数部分。将BURA近似应用于分数部分得到基于BURA的近似。这种基于BURA方法的收敛率满足对于所有。

尽管两种方法都表现出指数收敛，但BURA在近似时比基于BURA的方法具有更快的衰减速度。然而，基于BURA的方法从其表示为部分分式的形式中受益于直接的实现。同样，使用BRASIL[24]计算的近似BURA保持了这一实际优势，数值实验显示其准确性几乎与精确的BURA相同。

与整数幂情况不同，与相乘的矩阵-向量乘法在计算上比解决相同矩阵的线性系统更昂贵。这种操作自然会出现，并且通常无法避免；例如，当使用更高阶的时间步进方案离散化时间依赖问题时就会出现。计算等价于解决涉及的问题。然而，关于的最佳一致有理逼近的理论[21]并没有涵盖负幂的情况。因此，我们直接构建了一种基于BURA的方法。

在矩阵-向量乘法的情况下，设表示为具有这种分解，我们写，从而分离了整数和分数部分。将BURA近似应用于分数部分得到基于BURA的近似。这种基于BURA方法的收敛率满足对于所有。

尽管这两种方法都表现出指数收敛，但BURA在近似时比基于BURA的方法具有更快的衰减速度。然而，基于BURA的方法由于其表示为部分分式的形式而受益于直接的实现。同样，使用BRASIL[24]计算的近似BURA保持了这一实际优势，数值实验显示其准确性几乎与精确的BURA相同。

与整数幂情况不同（也许有些出乎意料），与相乘的矩阵-向量乘法在计算上比解决相同矩阵的线性系统更昂贵。这种操作自然会出现，并且通常无法避免；例如，当使用更高阶的时间步进方案离散化时间依赖问题时就会出现。计算等价于解决涉及的问题。然而，关于的最佳一致有理逼近的理论[21]并没有涵盖负幂的情况。因此，我们直接构建了一种基于BURA的方法。

对于矩阵-向量乘法的情况，设表示为具有这种分解，我们写，从而分离了整数和分数部分。将BURA近似应用于分数部分得到基于BURA的近似。这种基于BURA方法的收敛率满足对于所有。

这种基于BURA方法的收敛率捕捉到了与k相关的根指数衰减，这源自分数部分的有理逼近，而前面的因子反映了由于整数幂而引入的放大效应。因此，所回顾的基于BURA的方法对于不敏感，这与一般的观察结果一致，即与相乘的矩阵-向量乘法在计算上更昂贵。总之，我们回顾了BURA方法的算法实现从根本上依赖于在上的最佳一致有理逼近的实根和极点的交错性质。对于正或负的一般情况，详细分析仍然是未来研究的课题。对于基于BURA的变体来说，这个问题不会出现，因为它们由的整数幂和的BURA近似组成。在这方面，基于BURA的方法保留了一定的实际优势，尽管它们的准确性通常低于精确的BURA方法。

3.3. 后验误差估计
先验误差估计提供了在假设所有计算都精确执行并且满足某些额外的规则性和结构条件的情况下可达到准确性的理论评估。这一类别包括在早期调查论文[6]中呈现的结果，以及本工作中讨论的大多数误差估计。

作为补充视角，我们在本节转向后验误差估计。与先验结果不同，后者在预设假设下预测近似的准确性，后验方法提供了可以直接针对离散解进行调整的计算误差界限，因此可以在实践中进行评估。

在这里，我们回顾了两种此类贡献。首先，我们强调了在[25]中开发的用于拉普拉斯谱分数幂的有限元离散化的-a误差的后验误差估计器。该估计器基于残差，并依赖于适当的逆谱分数算子的表示，产生的误差界限是完全可以计算的，已被证明是可靠和高效的。相应的自适应算法通过数值实验得到了证实，证明了其实际有效性。

这种方法的一个显著特点是它保持了Bank–Weiser误差估计器和在方法(A1)和(A3)中使用的有理逼近技术中固有的并行结构，从而保持了整个方法的可计算效率。

有几个点特别值得强调。首先，Bank–Weiser估计器在结构化网格和足够平滑的解的情况下，至少在理论上等同于精确误差。其次，与均匀细化相比，自适应网格细化显著提高了收敛率，特别是对于接近零的分数幂。第三，使用自适应有理逼近策略可以将需要解决的参数问题的总数减少多达48%，具体取决于特定方案和分数幂的值。然而，这种减少并不一定转化为当针对总自由度进行测量时准确性的提高。

目前，有多种后验误差估计方法可供选择，从易于计算的指标（如上面讨论的）到完全保证的后验界限。后者的一个重要子类是所谓的功能性后验估计。

我们在[26]中回顾了这一类别的一个最近贡献。在那项工作中，分数拉普拉斯问题被表述如下：找到使得满足(11)，其中和。

分析基于Stinga–Torrea椭圆扩展[27]，它推广了Caffarelli–Silvestre构造[15]。在这个框架内，非局部问题被重新表述为一个局部椭圆问题，表示为，在扩展域中提出。额外的变量用t表示。中的向量用粗体表示，我们使用符号。我们在半圆柱Q中引入了加权Sobolev空间W，它是具有有界支持的平滑函数的闭包，在上消失，关于范数。然后，扩展问题表示为：找到满足(12)的，其中是一个归一化常数。然后，关键的性质是非局部问题（11）的解可以通过扩展函数的迹来恢复，即（13）。然后通过引入相关的通量。可接受的通量空间由满足条件的向量值函数组成。此外，定义了以下子空间：事后分析旨在提供双边误差估计。在[26][定理2]中推导出了误差能量范数的完全可计算界限，表明对于任何和任何，以下估计都是成立的：这里强调所有涉及的常数都是可以明确定义的。一旦为相应的局部扩展问题建立了功能事后界限，它们就被转移到原始的非局部公式中。数值测试表明，这些估计能够可靠地捕捉到精细和粗糙近似与解之间的偏差。正如作者所指出的，所提出的界限是通过相对直接的变换从误差恒等式中得出的，使用更高级的技术可能会得到更精确的估计。一个自然的后续问题是如何将这些结果推广。在这个背景下，分数扩散-反应问题似乎是发展功能事后误差估计的一个有希望的候选者。

4. 在多边形域中的自适应有限元离散化
在分数扩散问题中，除了非局部性之外，一个主要挑战是解的规则性降低，即使数据是平滑的。在谱分数拉普拉斯算子的情况下，解在平滑边界附近显示出边界层的形式，其中是更规则的，而通常是非整数的。如果边界不平滑，则在角点处会出现额外的奇点。准确解析这两个边界层和由几何形状引起的奇点需要精心设计的近似空间。在本节中，我们回顾了在这方面多边形域的最新发展。

4.1. 椭圆扩展方案和-FEM的指数收敛性
缩写-FEM通常用来表示有限元方法，该方法通过网格细化和增加多项式度（p）来达到所需的精度。在[16]中引入了用于数值逼近分数拉普拉斯算子的椭圆扩展方法（A2）。相关扩展问题的变分公式设置在加权Sobolev空间中。然后，寻找满足积分恒等式的解。所提出的数值方法利用了解在扩展变量t中的快速衰减。由于这种衰减，半无限圆柱被截断为一个中等大小的有界计算域。然后定义了在有限维子空间中的有限元近似。这里，表示在划分上的分段线性函数空间。如果的维数为M，则可以获得几乎关于M的最优误差估计，只需一个对数因子。分析依赖于T的适当选择，以及使用向级数的网格。最后，通过变量分离，问题简化为在上的M个扩散-反应有限元系统的求解。

在[28]中，采用了一种半离散方法。在这个框架下，首先将分数扩散方程的数值逼近简化为在中提出的M个扩散-反应问题的求解。为了准确捕捉多边形域中出现的边界层和角点奇点，开发了一种自适应-FEM离散化方法。在这里，我们首先考虑在上的受扰动方程（14），并受到齐次狄利克雷边界条件的约束。我们假设，函数c和f是解析的，并且A在整个区域内是对称的和均匀正定的。通常，对于小的，解会显示出边界层，其精确的数值解析需要与对齐的各向异性细化网格。此外，的角点会产生点奇点。在这种-FEM框架内，有效地近似这些特征需要在角点附近进行几何网格细化。因此，捕捉分数扩散问题数值解中的奇点的挑战有效地转移到了受扰动扩散-反应问题（14）上。

以下误差估计描述了结果的指数收敛性：这里的隐藏常数与q和L无关。这里，q表示在p-FEM自适应离散化中使用的多项式度，L代表朝向的几何细化的层数。重要的是，这个估计与扰动参数无关，因此可以直接应用于分数扩散方程数值解中出现的辅助局部问题。最后，在[28]中建立了关于在张量积-FEM离散化中使用的总自由度N的指数收敛性。更确切地说，界限（15）在分数Sobolev范数中得到了证明。严格和深入的理论分析得到了同样令人印象深刻的数值实验的补充。

4.2. 半离散最佳均匀有理逼近
在[29]中提出的研究路线，并在本节中进行了回顾，其动机来自[28]；然而，所提出方法的构建有很大的不同。主要目标是在提高计算效率的同时，缓解与算子对角化相关的某些数值稳定性问题。与[28]不同，[28]基于[15]的椭圆扩展技术，当前框架依赖于解的最佳均匀有理逼近（BURA）。[29]的主要贡献可以总结如下：引入了一种新的半离散BURA方法并进行了严格分析。为了将其与之前开发的全离散BURA方案区分开来，新方法被称为BURA-SD。半离散公式在将有理逼近的构建和分析与解的规则性属性对齐方面提供了更大的灵活性，特别是在多边形域中。此外，为了实现接近最优的整体计算复杂性，将BURA-SD的最佳指数收敛率与其中开发的有限元方法的指数收敛率相结合。

首先简要比较了第3.2节中描述的BURA方法和新的BURA-SD方法如何与分数扩散问题的-FEM离散化相结合。

BURA(i) 选择-FEM空间并组装与相关的刚度矩阵和质量矩阵。
(ii) 固定度k并确定的最优均匀有理逼近。
(iii) 使用（9）计算解决问题的BURA逼近。
(iv) 从节点基中恢复近似解。

在BURA-SD方法中，最佳均匀有理逼近直接应用于连续的分数扩散问题。如所示，这种半离散策略产生了一种复合方法，其结构、实现和分析与底层问题更加自然地对齐。

BURA-SD(i) 选择k并计算在上的最佳均匀有理逼近。
(ii) 定义半离散逼近（16）。
(iii) 选择，组装和，并将-FEM应用于（16）以获得（17）。
(iv) 从节点向量中恢复。

让表示的宏三角剖分，并让是在朝向边和角分别进行了L和n级几何细化后获得的网格。假设L满足相对于某些的尺度分辨率条件。让p表示自适应-FEM离散化的多项式度。然后，在[29]中引入的BURA方法实现了完全的指数收敛率，用误差估计表示。这里的隐藏常数以及常数和仅依赖于问题数据、以及宏三角剖分。

总结本节，[28,29]中的发现为进一步研究开辟了几个途径。值得注意的是，重要的挑战包括将现有结果扩展到三维多面体域中的分数扩散问题，以及涉及异质和非各向同性系数的方程。

5. 在耦合问题的预处理中的分数扩散算子
对于非局部问题，预处理通常是一个徒劳的努力。在离散设置中，会出现几个障碍：线性系统是密集的，残差评估代价高昂，而且在某些情况下，例如谱分数扩散，系统矩阵甚至没有明确给出。在本节中，我们从根本不同的、更可行的角度来处理预处理问题。分数扩散算子在构建鲁棒预处理器方面起着核心作用，特别是在子问题在界面或低维流形之间相互作用时。消除内部变量通常会产生Schur补数，其映射属性可以用分数Sobolev范数来自然描述。因此，所得到的界面算子本质上是非局部的，可以解释为椭圆算子的分数幂：例如，平方根拉普拉斯算子或逆平方根拉普拉斯算子。从算子预处理的角度来看，与这样的分数算子建立谱等价性对于实现鲁棒性至关重要。这个框架在多物理场耦合和域分解方法中特别有效。这些主题构成了本节其余部分的焦点。

5.1. 有理逼近预处理和条件数估计
在为一般几何形状上的问题提出预处理技术的背景下，我们首先参考[30]，其中开发了用于离散分数Sobolev空间的多网格方法。在那篇论文中，抽象的加性多层次框架被系统地适应到分数设置中，为处理一般网格上的非整数阶算子提供了一种稳健的策略。由此产生的平滑器是由大小为的小局部块组成的，其中表示网格节点j的图度。这种块构造反映了网格的局部连通性，并确保该方法在计算效率上保持高效，同时具有多层次层次结构中细化级别的可扩展性。在本节中，我们将注意力转向[31]中提出的另一种方法，其中使用最佳均匀有理逼近来构建预处理器。

从的最佳均匀有理逼近开始，通过其逆来隐式引入相应的预处理器（18），其中是度k的有理逼近，表示的最小特征值。这种构造自然地将的逼近属性转移到的预处理中。所得到的BURA预处理器的鲁棒性可以通过以下条件数估计来量化。假设逼近度k足够大，以便然后，对于，预处理后的算子满足（19）。这个界限表明，预处理器的质量直接由BURA逼近误差和的条件数控制，特别是一旦有理逼近足够精确，就确保了谱等价性。对于负分数幂，也可以进行类似的构造。特别是，通过利用事实，引入了基于BURA的预处理器。这允许再次依赖于指数为的分数幂的有理逼近。

在这里，通过（20）隐式定义了预处理器，其中表示对应于指数的k阶BURA。我们还建立了与正指数类似的条件数估计。假设逼近度k足够大，以便对于，预处理后的矩阵满足（21）。这个估计表明，与情况一样，BURA预处理器的有效性由有理逼近误差和的条件数控制，确保一旦逼近足够精确就确保了谱等价性。值得注意的是，条件数估计（19）和（21）是在不对底层分数扩散问题施加任何规则性假设的情况下获得的，也不对相关矩阵施加任何额外的结构或谱假设。

对于，预处理器是直接从对算子的最佳均匀有理逼近构建的。这种方法为近似提供了系统和光谱精确的框架。进一步的重要发展是将这种构造扩展到参数，从而得到预处理器。这种扩展导致了恒等式，这建立了相应预处理算子的谱条件数之间的等价性。这种关系突出了基于BURA的构造中的结构对称性，并在处理分数指数时提供了额外的灵活性。

5.2. 多物理问题的预处理
[30,31]中的研究是由于对计算高效工具的需求不断增加，用于大规模多物理问题的数值解。在这个背景下，提出的分数阶函数空间预处理策略为相关耦合鞍点线性系统的最优预处理器设计提供了严谨的理论基础和实际指导。我们首先回顾这些工作中研究的以下两个例子。

例子1（达西流和斯托克斯流的耦合）。设为一个有界域，将其分解为两个不相交的子域和。它们之间的界面用γ表示。γ两侧的斯托克斯流和达西流之间的相互作用由一组在各自子域中提出的四个方程描述，同时伴随着适当的界面条件。未知数和分别代表斯托克斯流中的速度和压力，和分别代表达西流中的速度和压力。该模型涉及参数K、μ和D，分别对应于水力传导率、流体粘度和Beavers–Joseph–Saffman（BJS）系数。我们假设系统加上适当的边界条件以确保问题的适定性。已经证明，块对角线上置预处理器（22）为条件数提供了一个最优的上界。这里，表示切向迹算子，表示单位算子。离散化后，前两个块对应的矩阵是稀疏的且对应于SPD（对称正定）。最后一个块产生一个密集的矩阵，其中表示界面上的Laplace–Beltrami算子。

例子2（嵌入在中的1D结构的耦合）。设为一个有界域，γ表示嵌入在Ω中的一维流形（结构）。我们考虑以下迹耦合的3D–1D问题：这里，、和是未知场。算子表示γ上的Laplace–Beltrami算子，是定义在Ω中的函数映射到其在γ上的限制的适当迹算子。项在分布意义上是理解的，其中表示支持在γ上的Dirac测度。更准确地说，对于任何足够规则的测试函数w。这个系统表示一个体-结构耦合模型，其中三维场u通过支持在γ上的奇异源项和沿着嵌入流形施加的迹约束与一维场v耦合。在这个例子中，产生最优性能的对角算子预处理器由（24）给出。在[30]中讨论了（24）第三个块中出现分数幂的理由。特别地，注意到在中选择能够导致条件数的一致有界性。后续的稳定性考虑进一步缩小了这个范围，并指出是一个优选且稳健的选择。

现在我们介绍块对角线预处理器和，它们是通过用上一节中构造的相应有理逼近来替换（22）和（24）中的最后（界面）块得到的。这产生了以下形式。首先，（25），其中根据（18）定义。类似地，（26），其中通过其逆在（20）中隐式定义。

在[31]中进行的分析得出结论，相关的预处理迭代方案对于Darcy–Stokes问题和3D–1D耦合问题实现了最优的计算复杂性。我们还注意到，用于推导条件数估计（19）和（21）的假设仅对理论证明是必要的。在实践中，即使对于BURA逼近的低度数，这些方法也表现得非常好。值得注意的是，在Darcy–Stokes问题中对问题参数的鲁棒性并没有在预处理器的构建或分析中明确考虑。在[32]中专门研究了这个问题。在那项工作中，首先对Darcy–Stokes方程进行了适当的无量纲化和缩放。然后引入了一个对角算子预处理器，形式类似于（22）。主要区别在于最后一项，它考虑了界面上的迹。这个贡献表示为两个分数微分算子的加权组合。结果得到的预处理器具有统一有界的条件数。

设表示的有限元逼近。的预处理超出了最佳均匀有理逼近理论的范围。尽管尚未得到理论上的证明，但获得的结果非常令人鼓舞。有理逼近预处理器是使用AAA算法[33]来逼近的。数值实验表明，对于模型系数的强烈变化具有鲁棒性，特别是对于和。

值得注意的是，在Darcy–Stokes问题中对问题参数的鲁棒性在预处理器的构建或分析中并没有明确考虑。在[32]中提出了对这个问题的专门研究。在那项工作中，首先对Darcy–Stokes方程进行了适当的无量纲化和缩放。然后引入了一个对角算子预处理器，形式类似于（22）。主要区别在于最后一项，它考虑了界面上的迹。这个贡献表示为两个分数微分算子的加权组合。结果得到的预处理器具有统一有界的条件数。

设表示的有限元逼近。的预处理超出了最佳均匀有理逼近理论的范围。尽管尚未得到理论上的证明，但获得的结果非常令人鼓舞。有理逼近预处理器是使用AAA算法[33]来逼近的。数值实验表明，对于模型系数的强烈变化具有鲁棒性。

5.3. 非重叠域分解

[34,35]这两项工作都研究了在域分解背景下的大规模椭圆问题的预处理技术，但它们在分析重点、预处理器设计和计算实现方面有显著差异。在[34]中，作者开发了一个专门针对域分解预处理的离散分数Sobolev范数的综合理论。他们的研究为构建和谱分析在非重叠方法中出现的界面算子建立了严谨的分析框架。特别是，这种方法阐明了离散椭圆算子的分数幂的作用，并证明了这些算子如何自然地导出离散设置中的最优预处理器。

受到一般域中实际多维应用的启发，参考文献[35]提出了一种基于BURA的计算导向策略，用于近似Schur补数的分数幂。作者设计了一个可实现的非重叠域分解算法，其中逆分数算子由有理函数近似，从而产生一系列可以使用现有线性求解器高效解决的移位线性系统。该研究结合了谱分析和广泛的数值实验，证明了所提方法在代表性模型问题上的可扩展性和实际效率。设计算域被分解为p个非重叠子域，假设界面与有限元网格对齐，并可以表示为。然后在中的椭圆边界值问题的有限元离散化导致一个自然具有块结构的线性系统（27），其中块与子域的内部网格节点相关的自由度相对应。类似地，和与位于界面上的网格节点相对应。非对角块满足，并通过相应的节点基函数描述了内部和界面自由度之间的耦合。对于非重叠域分解方法来说，矩阵表现出块对角结构，其相互独立的对角块对应于各个子域。

然后，在[35]中引入的基于BURA的域分解预处理器由（28）定义，其中表示在界面上组装的加权离散Laplace–Beltrami算子，对应于所考虑的椭圆问题的系数。参数是适当选择的缩放因子。分析得出了预处理系统的条件数的一致估计，即（29），这里是的正数，用于表征Steklov–Poincaré算子和阶Sobolev范数之间的谱等价性，因此表示相应的等价常数。数值实验与理论估计完全一致。对缩放参数的敏感性分析表明是一个合适且推荐的选择。此外，结果表明，对于，随着系统大小N的增加，迭代次数保持不变。然而，对于较小的N值，似乎完全足够。

关于基于BURA的非重叠DD方法的结果展示了进一步开发和更广泛推广的巨大潜力。未来研究的有希望且有抱负的方向包括为强异质和各向异性介质设计稳健的预处理器，以及将该方法扩展到非线性问题。从更短期的角度来看，还有几个额外的挑战值得关注。这些包括确保对于增加的子域数量的鲁棒性，处理从图划分策略应用于非结构化网格时产生的复杂界面几何形状，以及在子域系统不完全精确求解时保持稳定性。

6. 最大值原理和单调性保持

最大值原理和比较性质是经典扩散理论的基石，为解决方案的正性、稳定性和定性行为提供了基本的见解。然而，对于涉及分数扩散项的算子，这些性质不再得到保证，因此必须在连续和离散层面上仔细分析。在本节中，我们回顾了关于这些算子的正性和比较原理有效性的最新进展，特别强调识别在这些性质保持完整性的结构条件。一个中心主题是使用有理逼近技术，如最佳均匀有理逼近，来数值实现椭圆算数的分数幂，并确定所得方案何时满足离散最大值原理。这些结果在定性偏微分方程理论和数值分析之间建立了严格的桥梁，确保计算方法保留了诸如非负性和稳定性等关键物理属性。我们的介绍主要基于[9]中报告的最新发展。

6.1. 分数扩散-反应方程的最大值原理

众所周知，扩散-反应算子满足最大值原理，在均匀边界条件下，这等同于非负性和单调性的保持。具体来说，对于，如果，则，如果，则相应的解满足。因此，这些性质是可互换的，它们的离散对应物类似定义。在本节中，我们展示了类似的原理对于分数扩散算子也成立，即在离散设置中。这是[9]中确立的一个关键结果。那里的分析基于椭圆扩展。在分数扩散-反应问题的情况下，这种方法的特性如下。解允许表示为，其中解决了（30）以及条件。假设，并且在中，已经证明在中。也就是说，分数扩散-反应问题满足最大值原理。

为了完整性，我们简要概述了[9]中论证的主要步骤。证明基于在截断圆柱体中提出的（30）的类似物，其解为。首先显示保持单调性。探索作为的指数衰减，然后证明在收敛到w，即其中对于，表示到的零扩展。如果，Sobolev嵌入意味着以速率一致收敛。因此，完成了证明。

离散最大值原理直接来自以下事实：如果是一个Stieltjes矩阵，那么也继承了这个性质。相比之下，这个论证并不直接扩展到有限元设置。一般来说，矩阵或其分数幂都不是Stieltjes矩阵。根据之前引入的符号，和表示一致的质量和刚度矩阵，而表示质量集中对应的物。即使在缺乏Stieltjes性质的情况下，仍然可以建立离散最大值原理。

更准确地说，设为一个有界域，具有多边形（或在三维中的多面体）边界，并且设为由非钝角三角形（在二维中）或四面体（在三维中）组成的符合的网格。进一步假设有限元离散化使用了集中质量矩阵。在这些条件下，离散分数扩散-反应问题满足最大值原理。

在[35]中引入的基于BURA的域分解预处理器由（28）定义，其中表示在界面上组装的加权离散Laplace–Beltrami算子，对应于所考虑的椭圆问题的系数。参数是适当选择的缩放因子。分析得出了预处理系统条件数的一致估计，即（29），这里是的正数，用于表征Steklov–Poincaré算子和阶Sobolev范数之间的谱等价性，因此表示相应的等价常数。数值实验与理论估计完全一致。对缩放参数的敏感性分析表明是一个合适且推荐的选择。此外，结果表明，对于，随着系统大小N的增加，迭代次数保持不变。然而，对于较小的N值，似乎就完全足够了。

关于基于BURA的非重叠DD方法的结果展示了进一步发展和广泛推广的巨大潜力。未来研究的有希望和雄心勃勃的方向包括为强异质和各向异性介质设计稳健的预处理器，以及将该方法扩展到非线性问题。从更短期的角度来看，还有几个额外的挑战值得关注。这些包括确保对于增加的子域数量的鲁棒性，处理从图划分策略应用于非结构化网格时产生的复杂界面几何形状，以及在子域系统不完全精确求解时保持稳定性。

6. 最大值原理和单调性保持

最大值原理和比较性质是经典扩散理论的基石，为解决方案的正性、稳定性和定性行为提供了基本见解。然而，对于涉及分数扩散项的算子，这些性质不再得到保证，必须在连续和离散层面上仔细分析。在本节中，我们回顾了关于这些算子的正性和比较原理有效性的最新进展，特别强调识别在这些性质保持完整性的结构条件。一个中心主题是使用有理逼近技术，如最佳均匀有理逼近，来数值实现椭圆算数的分数幂，并确定所得方案何时满足离散最大值原理。这些结果在定性PDE理论和数值分析之间建立了严格的桥梁，确保计算方法保留了非负性和稳定性等关键物理属性。我们的介绍主要基于[9]中报告的最新发展。

6.1. 分数扩散-反应方程的最大值原理

众所周知，扩散-反应算子满足最大值原理，在均匀边界条件下，这等同于非负性和单调性的保持。具体来说，对于，如果，则，如果，则相应的解满足。因此，这些性质是可互换的，它们的离散对应物也类似定义。在本节中，我们展示了类似原理对于分数扩散算子也成立，即在离散设置中。这是[9]中确立的一个关键结果。那里的分析基于椭圆扩展。在分数扩散-反应问题的情况下，这种方法的特点如下。解允许表示为，其中解决（30）以及条件。假设，并且在中，已经证明在。也就是说，分数扩散-反应问题满足最大值原理。

为了完整性，我们简要概述了[9]中论证的主要步骤。证明基于在截断圆柱体中提出的（30）的类似物，其解为。首先表明保持单调性。探索作为的指数衰减，然后证明在收敛到w，即对于，其中表示到的零扩展。如果，Sobolev嵌入意味着以速率一致收敛。因此，完成了证明。

有限差分离散化的离散最大值原理直接来自于以下事实：如果是一个Stieltjes矩阵，那么也继承了这个性质。相比之下，这种论证并不直接扩展到有限元设置。一般来说，矩阵或其分数幂都不是Stieltjes矩阵。根据之前引入的符号，和表示一致的质量和刚度矩阵，而表示质量集中的对应物。即使在缺乏Stieltjes性质的情况下，仍然可以建立离散最大值原理。

更准确地说，设为一个具有多边形（或在三维中为多面体）边界的有界域，并且设为由非钝角三角形（在二维中）或四面体（在三维中）组成的符合网格。进一步假设有限元离散化使用了集中质量矩阵。在这些条件下，离散分数扩散-反应问题满足最大值原理。证明基于两个主要组成部分。首先，在离散层面通过用与网格相关的有限元类似物替换底层函数空间来重新制定连续分析中使用的椭圆扩展技术。这产生了与有限元逼近一致的全离散扩展问题的对应物。

其次，通过在矩阵层面进行对角化程序来利用离散问题的张量积结构。这将公式简化为一组解耦的扩散-反应线性系统。随后用集中质量矩阵重新缩放这些系统，可以得到确保非负性保持的公式，从而建立了离散最大值原理。

6.2. 保持单调性的有理数值解

在上面回顾的[9]中的离散最大值原理分析中，分数扩散-反应系统的解表示为，其中表示正定一维问题的特征对。在前三项之后截断级数可以得到一个k次有理近似，这很容易保持单调性。然而，系数和的计算是非平凡的，且得到的近似不一定是最优的。这激发了基于均匀有理逼近的方法的考虑。接下来我们回顾了[6]中讨论的URA和BURA方法。这两种方法都是基于对函数的有理逼近。首先，定义一个符号表示函数的最佳均匀有理逼近。其次，设另一个符号表示函数的最佳均匀有理逼近。这些构造产生了两个函数的逼近值，从而得到了以下数值方案：总之，对于一个固定的参数，这两种方法都能在迭代次数k上实现指数级收敛。误差界限和数值结果证明了BURA方法的更高精度。从理论角度来看，URA方法的优势在于其根和极点满足交错不等式，保证了相关分数扩散-反应线性系统的单调性保持。虽然数值上观察到了BURA方法的类似交错模式，但其正式证明尚未完成。

7. 提高鲁棒性和计算效率
有理逼近的程度，或者等价地说，需要求解的辅助稀疏SPD系统的数量，被广泛认为是数值方法在处理谱分数扩散问题时计算复杂度分析的关键指标。在本节中，我们回顾了几项最近的研究成果，这些成果为这一问题提供了更深入的见解，超出了简化模型设置的范围。这些发展包括降维基技术以及鲁棒的多层和专门的多网格方法，所有这些方法都为提高效率和可扩展性提供了有吸引力的视角。

7.1. 降维共轭梯度基方法
在[36]中，提出了一种降维共轭梯度基构建框架，用于高效求解离散化的分数扩散问题。采用了一种正交贪婪算法（OGA）来生成函数的有理逼近。在这个假设下，通常需要求解20-30个稀疏SPD线性系统才能达到预定的精度。相反，所提出的方法从单个系统（形式为（31）的预处理共轭梯度方向中构建一个逼近空间。研究表明，大约5-10个这样的方向就足以准确逼近分数问题的解。因此，这种方法大大节省了计算资源。在三维域、曲面和具有随机赋权图拉普拉斯算子上的数值实验证实了该方法的有效性。本研究的基本思想和几个重要结果简要概述如下。k度的OGA有理逼近可以表示为，其中是（负）极点，是相应的残差。假设线性系统（31）通过预处理共轭梯度（PCG）方法求解。在数值实验中，预处理器是由嵌套网格层次上构建的V循环多网格给出的。由于求解这些系统代表了主要的计算成本，这一阶段可以被视为离线阶段。在提出的降维方法中，求解（31）过程中生成的m个共轭梯度搜索方向被收集起来，形成一个较小的子空间，然后计算降维基共轭梯度逼近。将需要求解的稀疏SPD系统的数量从k减少到m的额外计算成本几乎可以忽略不计。理论分析表明，降维基共轭梯度方法的误差随m呈指数级衰减。这种行为可以通过以下简化估计来说明：这里，表示Poincaré常数，表示椭圆稳定性常数。此外，和分别表示与节点值向量相关的有限元逼近。

7.2. 降维最佳均匀有理逼近方法
在[37]中，提出了一种减少分数扩散问题有理逼近过程中产生的稀疏SPD辅助系统求解数量的替代策略。这项工作遵循了BURA方法的精神。提出的加性BURA-AR和乘性BURA-MR方法的动机在于观察到，对应于辅助系统子集的矩阵表现出明显不同的性质。通过利用这种结构差异，可以构建出计算复杂度大幅改进的求解策略。此外，还建立了BURA参数的新理论表征，为所提出的方法提供了理论依据。在这里，我们考虑了BURA逼近的加性和乘性表示形式。分析的一个关键结果是对一组极点大小的估计，这些极点的大小极大。基于这一观察，提出了降维加性和乘性BURA逼近，分别称为和。使用BURA-AR和BURA-MR可以将需要求解的线性系统数量从k减少到，从而降低了方法的总体计算复杂度。分析包括误差估计，其中是一个仅依赖于k的常数。这些界限为选择一个能够在保持预定精度水平的同时减少系统数量?提供了实际标准。例如，在某些情况下，已经证明BURA-AR方法允许减少超过三分之一的线性系统，而不影响BURA逼近的总体阶数。同样值得注意的是，随着的增加，BURA-AR对计算效率的影响逐渐减小。最后，我们强调尽管加性和乘性公式在数学上是等价的，但降维和积形式的BURA-AR和BURA-MR方法的理论误差估计以及相应的数值结果可能会有显著差异。

7.3. 分数扩散问题中的多层预处理
虽然本节讨论的结果适用于更一般的情况，但为了具体起见，我们在使用BURA方法解决分数扩散问题的背景下解释它们。假设算子通过有限元方法（FEM）离散化，在一致质量情况下产生，在使用质量矩阵聚合的情况下产生。在复杂性分析中，我们假设存在一个针对BURA过程中产生的k个辅助线性系统的最优迭代求解器。预处理扩散-反应系统通常与纯扩散矩阵一样具有挑战性。由于多层和多级预处理器对于大规模系统具有高效性和接近最优的复杂性，因此被广泛使用。虽然反应系数的较大变化通常不是关键问题，但各向异性或高度异质的扩散可能会显著影响鲁棒性。强系数对比或各向异性效应会降低标准多网格预处理器的性能。在这里，我们回顾了[38,39]中报告的结果，其中开发了代数多层迭代（AMLI）方法，这是由于需要在分数扩散问题的数值解中为扩散-反应系统寻找鲁棒预处理器。分析重点关注满足最优计算复杂性条件的AMLI方法的存在性。这些条件由稳定多项式的度和层次均匀网格细化参数（称为-re refinement）决定。构建并分析了乘性和加性AMLI预处理器，特别关注确定满足最优条件的最小值。分析依赖于增强型Cauchy–Buniakowski–Schwarz（CBS）不等式中出现的常数的均匀估计。然后，给出了乘性AMLI-M和加性AMLI-A方法的最优条件。对于AMLI预处理器的构建和分析，将扩散-反应系统重写为更方便的形式是方便的。我们还引入了与所考虑矩阵相关的CBS常数的表示法。以下界限对于分析非常重要，它们关于t是均匀的：[38]中的分析依赖于估计，这些估计对于高系数对比以及相对于最粗糙网格的系数和网格各向异性是鲁棒的。[38]的结论是，最小值允许对于乘性AMLI预处理器的最优条件在多项式度为的情况下得到满足，而对于加性AMLI方法，最优条件永远不会得到满足。尽管从渐近角度来看是最优的，但是具有如此大稳定多项式度的多层预处理器在计算上并不是非常有吸引力。

[39]中的研究关注的是AMLI方法的计算效率是否可以提高的问题。分析是在由等腰直角三角形组成的初始三角剖分的相对简单情况下进行的。尽管如此，获得的结果仍然具有相当的代表性。首先指出，对于这样的FEM网格和各向同性纯椭圆问题，在构建最优AMLI方法时可以使用二次稳定多项式。正如所展示的，在扩散-反应问题的情况下，如果不进行质量聚合，这样的结果是不可能的。此外，当应用质量聚合时，加性AMLI的最优条件也可以得到满足。在这里，我们通过考虑均匀3-refinement的情况来说明获得的结果。然后，在质量聚合情况下的最优条件表示为。这种分析得出的结论是，在乘性情况下，AMLI最优条件可以在最小的稳定多项式度下得到满足，在加性情况下则不然。本节中呈现的结果突出了对BURA和AMLI方法的新见解，并提出了重要的未解决的问题。特别是，构建在局部网格细化下的扩散-反应系统的最优AMLI预处理器是一个关键挑战，正如第4节中的结果所例证的。

8. 结论
在早期的调查[6]中，首次系统地介绍了在多维域中具有通用几何形状的谱分数扩散问题的数值方法的发展。当时，该领域仍然相对年轻，可用的结果还不到十年。特别强调了BURA方法，因为观察到那里考虑的其他方法也可以在有理逼近的统一框架内解释（或等价地，），限于亚扩散范围。当前的调查提供了在范围和主题广度上大幅扩展和重新定向的视角。虽然这里讨论的许多工作都是在2020年之后出现的，但这篇论文并不简单地延续[6]，仅限于更近期的贡献。相反，它开发了一个更广泛的框架，整合了早期和新的结果，同时扩展了考虑的主题范围。特别是，我们讨论了一般分数幂、多边形域中的自适应方法，以及在预处理耦合问题时使用分数扩散算子的有理逼近，以及与最大原理、离散最大原理和保持单调性方案相关的问题。我们还强调了旨在提高鲁棒性和降低总体计算复杂性的最新进展。同样重要的是基础方法论框架的发展。三种方法（A1–A3）的特定优势和相互补充的能力得到了突出，它们的相互作用被证明是根本重要的，甚至在本次调查中讨论的个别贡献中也得到了证明。如引言中所述，基于对函数的有理逼近的方法将原始的非局部问题（或密集线性系统）转化为一系列具有稀疏线性系统的局部椭圆问题，从而能够结合使用标准的椭圆问题软件和可扩展的线性代数库。这一属性对于本调查考虑的大多数方法都是有效的。同时，一些方法需要更深入的理解和更专业的实现工作。特别是，降维共轭梯度基方法（第7.1节）需要定制实现，据我们所知，目前还没有通用的软件可以用于它。

9. 讨论
本调查采用的系统视角使我们能够识别出几个开放性问题，这些问题为未来的数值分析和大规模科学计算研究指明了重要方向。其中包括为涉及反应项和耦合系统的问题开发更精确的事后误差估计；将有理逼近的极点-零点交错框架扩展到更一般的算子设置；以及为具有非恒定反应系数的分数扩散-反应方程建立严格的分析理论。进一步的开放问题涉及当分数扩散-反应问题的最大原理的有效性。由于分数算子的更强非局部特性和相应解的降低规则性，这个问题尤其微妙。从数值角度来看，在构建能够在局部网格细化下仍然保持有效性的健壮有理逼近技术方面，以及在治疗涉及多个分数阶扩散项的问题时（其中需要同时逼近多个分数幂），仍存在重大挑战。从回顾的研究结果中识别出的一些关键限制及其相关的分析难题在表2中进行了总结。表2列出了这些限制和挑战。总体而言，这些挑战凸显了在分数阶扩散-反应问题的分析和数值处理方面需要进一步研究的必要性。在这些方向上取得进展对于将光谱分数阶扩散模型可靠地应用于涉及异常扩散现象的场景至关重要。