自适应步长与嵌入式 Runge–Kutta

形式陈述 ​

嵌入式Runge–Kutta公理库Runge–Kutta 方法Runge-Kutta method · RK method · Butcher tableau用一步内多个相互依赖的 stage 统一显式与隐式 Runge–Kutta 方法，并以 Butcher tableau、阶条件和稳定函数刻画结构。对在同一步内共享 stages

$$k_i=f(t_n+c_i{h}_n,y_n+h_n\sum _{j=1}^s{a}_{ij}{k}_j),i=1,\dots ,s,$$

再用两组权重形成不同阶的候选值：

$$y_{n+1}^{[p]}=y_n+h_n\sum _{i=1}^s{b}_i{k}_i,y_{n+1}^{[q]}=y_n+h_n\sum _{i=1}^s{\hat{b}}_i{k}_i.$$

以下约定 $p>q$，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

$$e_{n+1}=y_{n+1}^{[p]}-y_{n+1}^{[q]}=h_n\sum _{i=1}^s(b_i-{\hat{b}}_i)k_i$$

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公理库ODE 的局部误差与全局误差Local and global error for ODE · ODE truncation error区分从精确状态迈出一步的局部缺陷与累计数值轨道的全局误差，并用离散 Grönwall 估计误差传播。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。

不同分量可能有不同单位和量级。对第 $i$ 个状态分量，先定义混合尺度

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

再计算例如加权均方范数

$$E_{n+1}={\left[\frac{1}{d}\sum _{i=1}^d{\left(\frac{e_{n+1,i}}{{\mathrm{sc}}_i}\right)}^2\right]}^{1/2}.$$

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 $E_{n+1}\le 1$，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。

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

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

其中 $0<\theta <1$ 是安全因子，$f_{min}$ 与 $f_{max}$ 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。

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。

例子与边界 ​

令

$$y^{\prime }(t)=\frac{\epsilon }{{\epsilon }^2+(t-\frac{1}{2}{)}^2},y(0)=\arctan (-\frac{1}{2\epsilon }).$$

精确解为

$$y(t)=\arctan \left(\frac{t-\frac{1}{2}}{\epsilon }\right).$$

远离 $t=\frac{1}{2}$ 时，导数只有 $O(\epsilon )$；在宽度约为 $O(\epsilon )$ 的过渡区内，斜率峰值达到 $1/\epsilon$。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。

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 $E_{n+1}\le 1$ 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。对刚性问题公理库刚性常微分方程Stiff ordinary differential equation · Stiff ODE · Stiffness刻画快速衰减模态迫使显式方法使用远小于精度需求的步长这一方法相关现象，并说明隐式路线的能力与代价。，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公理库残差、误差估计与停止准则Residual and error estimation · Stopping criterion区分可计算残差与未知真误差，并说明把缺陷转成误差界和停止证书所需的条件。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.