基于通量重构高阶算法的无矩阵预处理求解

基于通量重构形式的高阶算法,在保持间断Galerkin算法局部重构特性和非结构网格中任意高阶精度优点的同时,其计算量大大减小,且具有形式简单、灵活性高等特点。使用显式Runge-Kutta法,隐式非线性LU-SGS法,以及使用无矩阵预处理的广义极小残值法(generalizedminimalresidual,GMRES)进行求解,并使用p型多重网格在低阶次上光顺低频误差以加快求解。一至四阶精度结果显示使用p型多重网格对显式Runge-Kutta求解以及LU-SGS均具有明显的加速效果,而基于无矩阵预处理的GMRES解法具有更好的稳定性和更快的求解速度。本文提出的基于Gauss-Seidel迭代的无矩阵预处理方法,具有高效和稳定的特征,存储量大大小于ILU预处理。