在阅读不连续 Galerkin 方法时，人们会发现这样的论点：这些方法允许更高阶的准确性，同时保持紧凑的模板（一个单元仅与其直接邻居通信），并且这有利于并行计算。
我可以理解为什么更宽的模板不利于域分解的并行化：它需要不止一层的重叠，从而增加了通信成本。但在实践中这个惩罚有多大？
在并行计算中使用宽模板时的通信损失
计算科学
并行计算
离散化
高性能计算
2021-12-06 06:16:10
1个回答
我认为从实践的角度来看，这不是重点。当然，您要发送的数据更少，邻居也更少，但我认为我从未见过有人以任何有意义的方式量化影响。
关于 DG 的论文倾向于一遍又一遍地重复支持 DG 方法的相同论点，而不归属于来源，也没有为其主张提供定量支持。这包括你在这里引用的那个。如果有人将 DG 代码与相应的 Continuous Galerkin 实现进行实际比较，则并非所有这些声明都经得起严格审查。
其它你可能感兴趣的问题