自适应步长与嵌入式 Runge–Kutta

形式陈述

嵌入对与局部误差估计

嵌入式Runge–Kutta对在同一步内共享 stages

k_i=f\!\left( t_n+c_i h_n,\, y_n+h_n\sum_{j=1}^s a_{ij}k_j \right), \qquad i=1,\ldots,s,

再用两组权重形成不同阶的候选值：

y_{n+1}^{[p]} =y_n+h_n\sum_{i=1}^s b_i k_i, \qquad y_{n+1}^{[q]} =y_n+h_n\sum_{i=1}^s \widehat b_i k_i.

以下约定整数 $p>q\ge1$ ，通常 $q=p-1$ ；若文献按“低阶/高阶”写成 $p/(p+1)$ ，只需交换阶数标签，控制器仍应使用估计量真正的局部幂次。两式之差

e_{n+1} =y_{n+1}^{[p]}-y_{n+1}^{[q]} =h_n\sum_{i=1}^s(b_i-\widehat b_i)k_i

不是真解误差本身，而是在光滑性和嵌入对设计成立时对本步局部误差尺度的廉价估计。共享 stages 使估计器只增加少量向量组合，而不是把整步再算一次。

尺度化验收

取状态维数 $d\ge1$ 。不同分量可能有不同单位和量级；要求 $\mathrm{atol}_i>0$ 、 $\mathrm{rtol}_i\ge0$ ，以保证下面各尺度为正。对第 $i$ 个状态分量，先定义混合尺度

\mathrm{sc}_i =\mathrm{atol}_i +\mathrm{rtol}_i \max\!\left( |y_{n,i}|, |y_{n+1,i}^{[p]}| \right),

再计算例如加权均方范数

E_{n+1} =\left[ \frac1d\sum_{i=1}^d \left|\frac{e_{n+1,i}}{\mathrm{sc}_i}\right|^2 \right]^{1/2}.

也可以约定加权最大范数，但接口必须说明选择。 $\mathrm{rtol}_i$ 控制大幅值分量的相对尺度， $\mathrm{atol}_i$ 在分量接近或穿过零时提供非零基准；只给单一绝对容差会过度约束大分量，只给相对容差则可能在零附近要求无法实现的精度。

若 $E_{n+1}\le1$ ，本步通过当前的局部接受规则，求解器推进到 $t_{n+1}=t_n+h_n$ 并保存约定的高阶候选值。若 $E_{n+1}>1$ ，时间和状态仍保持在 $t_n,y_n$ ，缩短步长后重试。拒绝步不是轨道的一部分，但其函数求值和失败原因必须计入成本。

步长控制器

设嵌入差的主导尺度为 $E\approx C h^r$ 。比例控制器据此提出

h_{\mathrm{new}} =h_n\, \operatorname{clip}\!\left( f_{\min}, \theta E^{-1/r}, f_{\max} \right),

其中 $0<\theta<1$ 是安全因子， $0<f_{\min}<1<f_{\max}<\infty$ 限制一次缩放幅度。若一对方法的阶为 $p$ 与 $p-1$ ，差值通常具有 $r=p$ 的局部幂次；其他嵌入设计应使用自身估计器的幂次，不能只看到“高阶为 $p$ ”就机械套指数。

当 $E$ 极小或舍入成零时，应使用 $E_{\mathrm{safe}}=\max(E,E_{\mathrm{floor}})$ 或直接采用受限的最大增长因子，避免除零和一步暴涨。最终到达终点时还要把候选步长截到剩余区间，并检查浮点加法是否真的满足 $t_n+h_n>t_n$ 。

纯比例控制会对相邻误差的噪声作出剧烈反应。PI 控制器把当前与上一接受步的估计结合，例如按

\frac{h_{\mathrm{new}}}{h_n} =\theta E_{n+1}^{-\alpha/r} E_n^{\beta/r}

再施加上下界，其中 $\alpha,\beta$ 由所用方法和控制器调校。它的作用是平滑步长序列，不是把局部估计升级为全局误差证明。拒绝后的控制通常应更保守，也不能使用尚未接受的状态更新历史。

拒步、缓存与退出

重试时，所有依赖新步长或新 stage 状态的 $k_i$ 都必须重算。具有 first-same-as-last 性质的嵌入对，在一步成功接受且端点条件匹配时可以把末 stage 导数复用为下一步首 stage；这是一项有前提的缓存优化，不改变接受准则，也不能让旧步长下的中间 stages 在拒绝后继续生效。

完整输入包括 $f,t_0,y_0,T$ 、初始步长、逐分量或可广播的 $\mathrm{atol},\mathrm{rtol}$ 、最大与最小步长以及工作预算。输出至少应给实际网格、接受和拒绝步数、函数求值数、最后的 $E$ 、事件或终点状态与退出原因。若连续拒绝、导数或估计非有限、所需步长低于下限，或 $t_n+h_n=t_n$ ，应明确失败，不能通过强行接受超容差步骤制造“完成”。

直觉

嵌入对像用同一组观测点画两条精细程度略有不同的短轨道。两条轨道靠得近，说明当前局部形状在这个尺度下容易解析；差得远，则提示这一步跨过了过多曲率或快速变化。控制器把这项局部反馈转成下一步的长度，使计算工作随轨道难度分布。

绝对与相对容差共同定义“差多少才重要”。温度与浓度若量纲不同，直接比较原始误差没有意义；逐分量尺度先把误差换成无量纲比例，再由范数汇总。这个尺度是用户对数值状态的精度约定，不是算法从方程中自动推断出的物理重要性。

嵌入式 Runge–Kutta 共享 stages 生成高低阶候选，并按尺度化误差接受或原状态重试 — 嵌入式 RK 的误差控制回路

例子与边界

局部尖峰中的步长分配

取 $0<\varepsilon\ll1$ ，令

y'(t) =\frac{\varepsilon} {\varepsilon^2+(t-\tfrac12)^2}, \qquad y(0)=\arctan\!\left(-\frac{1}{2\varepsilon}\right).

精确解为

y(t)=\arctan\!\left(\frac{t-\tfrac12}{\varepsilon}\right).

远离 $t=\tfrac12$ 时，导数只有 $O(\varepsilon)$ ；在宽度约为 $O(\varepsilon)$ 的过渡区内，斜率峰值达到 $1/\varepsilon$ 。嵌入式控制器会在两端平缓区逐步放大 $h_n$ ，进入过渡区前后因 $E$ 增大而缩步，离开后再恢复较长步。固定使用过渡区所需的最小步长会把大部分函数求值浪费在平缓区。

局部估计器的盲区

这幅图像不表示控制器一定提前“看见”尖锐变化。若一步的所有 stage 都跨过一个非常窄的特征，两套共享-stage 公式可能同时漏掉它，差值也可能偶然相消。最大步长限制、问题特定的采样要求或事件检测仍有价值；误差估计器不是对未采样区间的全知探测器。

局部接受也不保证全局真值。每个 $E_{n+1}\le1$ 只说明嵌入估计在当前尺度下通过，误差随后还会被动力系统传播和累积。长时间振荡的相位、守恒量、混沌轨道以及零点事件的位置，都可能在每步局部估计合格时仍产生明显偏差。容差通常控制工作—精度折中，而不是给终点全局误差提供严格上界。

Dormand–Prince 5(4) 是共享 stages、局部外推和 FSAL 配合的典型显式嵌入对，但它仍受显式稳定域限制。对刚性问题，控制器可能为了稳定性而持续缩步，即使局部平滑度看似允许更大步；这时换用合适的隐式方法比继续压低显式步长更有效。

推论与应用

自适应算法把估计量与真实误差的区别带入时间积分：可计算的嵌入差驱动局部决策，独立参考解、步长加密实验或问题结构才用于验证全局结果。报告容差而不报告实际网格、拒绝次数和函数求值数，无法判断控制器把工作花在了哪里。

事件检测通常在已接受步的连续插值上定位符号变化。减小局部状态误差有助于事件定位，却不自动规定插值阶、漏检多个事件的防护或终止方向。密集输出、事件误差和状态步长控制应共享已算 stages，但保留各自的验收标准。

参考资料

Ernst Hairer, Syvert P. Nørsett, and Gerhard Wanner, Solving Ordinary Differential Equations I: Nonstiff Problems, 2nd rev. ed., Springer, 1993.
J. R. Dormand and P. J. Prince, “A Family of Embedded Runge-Kutta Formulae,” Journal of Computational and Applied Mathematics 6(1), 1980.
SciPy documentation, Integration and ODEs: solve_ivp, accessed 2026.

形式陈述 ​

嵌入对与局部误差估计 ​

尺度化验收 ​

步长控制器 ​

拒步、缓存与退出 ​

局部尖峰中的步长分配 ​

局部估计器的盲区 ​