一類(lèi)Caputo-Fabrizio型分?jǐn)?shù)階微分方程的三次B樣條方法

胡行華, 蔡俊迎

(遼寧工程技術(shù)大學(xué) 理學(xué)院,遼寧 阜新 123000)

0 引 言

由于分?jǐn)?shù)階微分方程的非局部性可用來(lái)描述不同物質(zhì)的“記憶性”和“遺傳性”等物理特征,因此,其在眾多科學(xué)和工程領(lǐng)域中具有重要的應(yīng)用價(jià)值．分?jǐn)?shù)階導(dǎo)數(shù)有多種定義,較為常用的是Caputo型定義,作為弱奇異的分?jǐn)?shù)階導(dǎo)數(shù)定義,Caputo型定義比其他經(jīng)典定義更適合于分?jǐn)?shù)階微分方程的描述,在進(jìn)行Laplace變換時(shí),其物理意義更加明確,因此,眾多學(xué)者對(duì)Caputo型分?jǐn)?shù)階微分方程進(jìn)行了廣泛研究[1-2],但缺點(diǎn)是其定義中存在一個(gè)奇異核．2015年,Caputo和Fabrizio[3-4]提出了一個(gè)新的分?jǐn)?shù)階導(dǎo)數(shù)定義,即Caputo-Fabrizio型定義,其為指數(shù)函數(shù)與一階導(dǎo)數(shù)的卷積,不存在奇異項(xiàng),修正后的定義形式[5]如下:

(1)

式中,α∈(0,1),f(t)∈C[0,T]為線性光滑函數(shù),且問(wèn)題(1)存在唯一解u(t)．

然而,對(duì)于一般的右端項(xiàng),通常很難獲得精確解,因此在該定義下,方程數(shù)值方法的研究顯得很有必要．許多學(xué)者對(duì)此展開(kāi)了研究,2017年,Owolabi等[6]提出了線性和非線性具有Caputo-Fabrizio導(dǎo)數(shù)的分?jǐn)?shù)階微分方程的三步Adams-Bashforth格式,該格式具有條件穩(wěn)定性．2020年,Cao等[14]針對(duì)Caputo-Fabrizio型分?jǐn)?shù)階常微分方程,構(gòu)造了一種改進(jìn)block-by-block算法．Guo等[15]基于Lagrange多項(xiàng)式,提出了求解Caputo-Fabrizio型分?jǐn)?shù)階微分方程的有限差分方法．2021年,Al-Smadi等[16]提出了一個(gè)Caputo-Fabrizio型非線性分?jǐn)?shù)階Abel微分方程的再生核方法,該方法具有較好的穩(wěn)定性．Douaifia等[17]基于Newton插值提出了一種適用于Caputo-Fabrizio型分?jǐn)?shù)階微分方程的預(yù)測(cè)-校正數(shù)值格式．何廣婷[18]提出了一種基于L2方案和遞推關(guān)系的快速高階數(shù)值方法,求解Caputo-Fabrizio型的分?jǐn)?shù)階常微分方程,該算法大大降低了存儲(chǔ)容量和總計(jì)算成本．

通過(guò)現(xiàn)有文獻(xiàn)發(fā)現(xiàn),這些數(shù)值方法還存在一些不足之處:求解效率較低,求解精度有待進(jìn)一步提高等．眾所周知,樣條插值函數(shù)非常接近被插值函數(shù)[19],而三次B樣條函數(shù)具有計(jì)算簡(jiǎn)單、穩(wěn)定性、收斂性有保證且易于在計(jì)算機(jī)上實(shí)現(xiàn)等優(yōu)點(diǎn),可以克服現(xiàn)有方法的缺點(diǎn)．本文基于分?jǐn)?shù)階微積分基本定理和三次B樣條函數(shù)構(gòu)造Caputo-Fabrizio型分?jǐn)?shù)階微分方程的數(shù)值格式．并對(duì)所構(gòu)造的三次B樣條方法的誤差進(jìn)行估計(jì),對(duì)收斂性和穩(wěn)定性進(jìn)行理論證明．?dāng)?shù)值實(shí)驗(yàn)表明,三次B樣條方法具有一定的可行性和有效性,在計(jì)算精度和計(jì)算效率上具有明顯優(yōu)勢(shì)．

1 基 礎(chǔ) 知 識(shí)

1.1 Caputo-Fabrizio分?jǐn)?shù)階導(dǎo)數(shù)的基本定義

下面,給出Caputo分?jǐn)?shù)階導(dǎo)數(shù)具體的定義形式．

定義1[20]函數(shù)u(t)的α階Caputo分?jǐn)?shù)階導(dǎo)數(shù)定義為

(2)

其中,u(t)∈H1(0,b),b>0,α∈(0,1),Γ(·)為Gamma函數(shù)．

2015年,Caputo和Fabrizio[3]提出了一個(gè)具有光滑核的分?jǐn)?shù)階導(dǎo)數(shù)新定義,其定義如下．

定義2[3]令u(t)∈H1(0,b),b>0,并且α∈(0,1),通過(guò)用函數(shù)exp(-α(t-τ)/(1-α))替換核(t-τ)-α,用M(α)/(1-α)替換1/Γ(1-α),函數(shù)u(t)的α階Caputo-Fabrizio分?jǐn)?shù)階導(dǎo)數(shù)定義為

(3)

其中,M(α)是一個(gè)標(biāo)準(zhǔn)化函數(shù)．與式(2)相比,新定義在t=τ時(shí)無(wú)奇異核．

Losada和Nieto[5]對(duì)Caputo-Fabrizio分?jǐn)?shù)階導(dǎo)數(shù)進(jìn)行了修正,首先有以下定義．

定義3[5]假設(shè)u(t)∈H1(0,b),α∈(0,1),將Caputo-Fabrizio分?jǐn)?shù)階導(dǎo)數(shù)定義為

(4)

Losada和Nieto[5]提供了M(α)的一個(gè)顯式公式:M(α)=2/(2-α)．將M(α)的顯式公式代入式(4),即得式(3)修正后的公式[5]:

(5)

接下來(lái),對(duì)于一個(gè)一般的α,α∈(0,1)階Caputo-Fabrizio型分?jǐn)?shù)階微分方程(1),利用分?jǐn)?shù)階微積分基本定理[5]可將其轉(zhuǎn)換為

(6)

由上式易得,當(dāng)且僅當(dāng)f(0)=0時(shí),式(1)中的u(t)滿(mǎn)足初始條件u(0)=u0．鑒于此,求解式(1)的數(shù)值解即轉(zhuǎn)化為逼近式(6)右端項(xiàng)中積分的問(wèn)題．

1.2 m次B樣條插值函數(shù)

將區(qū)間[0,T]剖分成等距的N個(gè)小區(qū)間,對(duì)于給定的任一整數(shù)N>0,其小區(qū)間的步長(zhǎng)為h=T/N．對(duì)于j=0,1,…,N,tj=jh,并且0=t0

(7)

(8)

(9)

在m次B樣條插值函數(shù)中,相比于低次和高次的B樣條函數(shù),三次B樣條函數(shù)具有需要較少的信息、精度高、計(jì)算簡(jiǎn)單和易于實(shí)現(xiàn)編程的優(yōu)勢(shì)[23]．因此,本文使用三次B樣條函數(shù)求解一類(lèi)Caputo-Fabrizio型分?jǐn)?shù)階微分方程．

2 三次B樣條方法數(shù)值格式的構(gòu)造

首先,考慮右端項(xiàng)與u(t)無(wú)關(guān)的線性初值問(wèn)題(1),即

(10)

使用三次B樣條插值函數(shù)S3(τ)來(lái)近似代替式(6)中積分里的函數(shù)f(τ),可得

[βj+1(h3+3h2(τ-tj-1)+3h(τ-tj-1)2-3(τ-tj-1)3)+βj+2(τ-tj-1)3]dτ+

(1-α)f(tk)=

其中,1≤k≤N．由此得出S3公式,并使用符號(hào)uS3(tk)表示,即

(11)

其中,β0,β1,…,βN+2為常系數(shù),求出β的N+3個(gè)系數(shù)則得到uS3(tk)．

根據(jù)三次B樣條插值函數(shù)理論,uS3(tk)滿(mǎn)足N+1個(gè)插值條件:在節(jié)點(diǎn)tj上的函數(shù)值yj=f(tj)(j=0,1,…,N),且S3(tj)=yj(j=0,1,…,N)成立．此外,還需要2個(gè)邊界條件才能求出β的N+3個(gè)系數(shù),邊界條件有多種類(lèi)型[22]．為便于求解,本文選擇普適性較強(qiáng)的固定邊界條件S′3(t0)=f′(t0),S′3(tN)=f′(tN)．由插值條件和邊界條件可得系數(shù)β滿(mǎn)足線性方程組Mβ=f,其中f=[f′(t0),f(t0),f(t1),…,f(tN),f′(tN)]T,β=[β0,β1,…,βN+2]T,且矩陣M為

矩陣M是對(duì)角占優(yōu)矩陣,因此系數(shù)β是唯一確定的,使用追趕法[22]即可獲得．其他邊界類(lèi)型的三次B樣條函數(shù)也可以類(lèi)似應(yīng)用,且β同樣易獲得．

接下來(lái),考慮右端項(xiàng)與u(t)有關(guān)的線性初值問(wèn)題[6]:

(12)

其中,g(t)是一個(gè)已知函數(shù)．根據(jù)式(12),有

(1-α)[u(tk)+g(tk)]=

(13)

(14)

根據(jù)上式,需要u′(0)和u′(tN)的值,它們分別由以下四階正向差分公式和四階反向差分公式[24]來(lái)近似,即

(15)

由式(13)—(15)即可求得u(tk)的近似數(shù)值uk．

3 三次B樣條方法的誤差估計(jì)、收斂性和穩(wěn)定性分析

3.1 三次B樣條方法的誤差估計(jì)

首先,在對(duì)三次B樣條方法進(jìn)行誤差估計(jì)之前,給出以下定理．

定理1[25]設(shè)函數(shù)f∈C4[0,T],則函數(shù)f與三次樣條插值函數(shù)S3之間的距離為

定理2 若f∈C4[0,tk],且R(tk)=u(tk)-uS3(tk),則有

(16)

證明對(duì)于任意的1≤k≤N,根據(jù)定理1可得

|R(tk)|=|u(tk)-uS3(tk)|=

定理2證畢．

3.2 三次B樣條方法的收斂性分析

下面給出三次B樣條方法的收斂性分析．

定理3 三次B樣條方法在區(qū)間[0,T]上是一致收斂的,即當(dāng)h→0時(shí),‖R3(tk)‖∞→0．

證明根據(jù)定理2中三次B樣條方法的誤差估計(jì),可得

其中,f∈C4[0,T],當(dāng)h→0時(shí),有

因此,此數(shù)值格式在區(qū)間[0,T]上是一致收斂的．定理3證畢．

3.3 三次B樣條方法的穩(wěn)定性分析

接下來(lái)對(duì)三次B樣條方法進(jìn)行穩(wěn)定性分析．

定理4 三次B樣條方法在區(qū)間[0,T]上是無(wú)條件穩(wěn)定的．

因此,三次B樣條方法是無(wú)條件穩(wěn)定的．定理4證畢．

4 數(shù) 值 算 例

其中,N為各數(shù)值方法在[0,1]區(qū)間分割的份數(shù),也為待求未知量的個(gè)數(shù),代表以上各數(shù)值方法在數(shù)值求解的計(jì)算量大小,且3種數(shù)值方法的帶狀矩陣皆采用Gauss消元法來(lái)計(jì)算．所有程序均在CPU為Inter Core i5 Processor 2.30 GHz、內(nèi)存為8 GB的筆記本電腦環(huán)境下運(yùn)行,利用MATLAB 2018a平臺(tái)實(shí)現(xiàn)．

例1 本文考慮具有兩個(gè)不同右端項(xiàng)的初值問(wèn)題[14,18]:

情況1

(17)

情況2

(18)

兩種情況的初值均為u0=0,精確解均為u(t)=t3,并且右端項(xiàng)中G1(t)和G2(t)分別為

G2(t)=G1(t)-t3．

可見(jiàn),情況1與情況2均屬于線性初值問(wèn)題,情況2的右端項(xiàng)與u(t)有關(guān),且G1(0)=0,G2(0)+u(0)=0．

下面,使用本文提出的三次B樣條方法分別求解情況1和情況2的初值問(wèn)題．

求解情況1 已知插值條件S3(tj)=G1(tj)(j=0,1,…,N)和固定邊界條件S′3(0)=G′1(0),S′3(1)=

G′1(1)成立,使用三次B樣條方法求解不同的分割數(shù)N(N=4,8,16,32,64,128)與不同α(α=0.3,0.7)階的Caputo-Fabrizio型分?jǐn)?shù)階微分方程數(shù)值解,并與文獻(xiàn)[14]中改進(jìn)的block-by-block算法和文獻(xiàn)[18]中的快速高階數(shù)值方法進(jìn)行對(duì)比．當(dāng)α=0.3時(shí),3種數(shù)值方法的最大誤差和收斂階對(duì)比如表1所示,3種數(shù)值方法的最大誤差比較如圖1所示．當(dāng)α=0.7時(shí),3種數(shù)值方法的最大誤差和收斂階對(duì)比如表2所示,3種數(shù)值方法的最大誤差比較如圖2所示．

表1 當(dāng)α=0.3時(shí),3種數(shù)值方法的最大誤差和收斂階(情況1)Table 1 Maximum errors and convergence orders of 3 numerical methods for α=0.3 (case 1)

表2 當(dāng)α=0.7時(shí),3種數(shù)值方法的最大誤差和收斂階(情況1)Table 2 Maximum errors and convergence orders of 3 numerical methods for α=0.7 (case 1)

圖1 當(dāng)α=0.3時(shí),3種數(shù)值方法的最大誤差(情況1) 圖2 當(dāng)α=0.7時(shí),3種數(shù)值方法的最大誤差(情況1)Fig.1 Maximum errors of the 3 numerical methods for α=0.3 (case 1) Fig.2 Maximum errors of the 3 numerical methods for α=0.7 (case 1)

由表1和表2可知,在不同的分?jǐn)?shù)階次下,與改進(jìn)的block-by-block算法相比,本文方法的誤差明顯更小,數(shù)值逼近效果更佳,且收斂階較高．與快速高階數(shù)值方法相比,本文方法的誤差明顯更小,數(shù)值逼近效果更佳,收斂階相當(dāng)．此外,本文數(shù)值方法的CPU時(shí)間較短,具有可觀的計(jì)算效率．顯然,采用三次B樣條方法求解Caputo-Fabrizio型分?jǐn)?shù)階微分方程比其他兩種方法更加有效．

由圖1和圖2可知,改進(jìn)的block-by-block算法和快速高階數(shù)值方法在各分割數(shù)下的最大誤差相差不多,與以上兩種數(shù)值方法相比,本文方法的最大誤差明顯更小,數(shù)值逼近效果更佳．

下面,固定分割數(shù)N=100,使用三次B樣條方法分別求解情況1中不同階次α(α=0.2,0.4,0.6,0.8) 的初值問(wèn)題,其各節(jié)點(diǎn)處的絕對(duì)誤差結(jié)果如圖3所示．固定分割數(shù)N=10,本文方法在階次α取不同值時(shí)所得各節(jié)點(diǎn)的數(shù)值解如圖4所示．

由圖3可知,不同的階次α導(dǎo)致本文方法的絕對(duì)誤差有所不同,階次α越小,各節(jié)點(diǎn)處的絕對(duì)誤差越小,數(shù)值逼近的效果越佳．由圖4可知,當(dāng)階次α取不同值時(shí),各節(jié)點(diǎn)處的數(shù)值解均保持平穩(wěn)狀態(tài),本文方法在t∈[0,1]時(shí)具有良好的穩(wěn)定性．

表3 當(dāng)α=0.3時(shí),3種數(shù)值方法的最大誤差和收斂階(情況2)Table 3 Maximum errors and convergence orders of 3 numerical methods for α=0.3 (case 2)

表4 當(dāng)α=0.7時(shí),3種數(shù)值方法的最大誤差和收斂階(情況2)Table 4 Maximum errors and convergence orders of 3 numerical methods for α=0.7 (case 2)

圖5 當(dāng)α=0.3時(shí),3種數(shù)值方法的最大誤差(情況2) 圖6 當(dāng)α=0.7時(shí),3種數(shù)值方法的最大誤差(情況2)Fig.5 Maximum errors of the 3 numerical methods for α=0.3 (case 2) Fig.6 Maximum errors of the 3 numerical methods for α=0.7 (case 2)

由表3和表4可知,在不同的分?jǐn)?shù)階次下,與改進(jìn)的block-by-block算法相比,本文方法的誤差明顯更小,數(shù)值逼近效果更佳,且收斂階較高．與快速高階數(shù)值方法相比,本文方法的誤差明顯更小,數(shù)值逼近效果更佳,收斂階相當(dāng)．此外,本文數(shù)值方法的CPU時(shí)間較短,具有可觀的計(jì)算效率．顯然,三次B樣條方法在求解Caputo-Fabrizio型分?jǐn)?shù)階微分方程時(shí)比其他兩種方法更加有效．

由圖5和圖6可知,改進(jìn)的block-by-block算法和快速高階數(shù)值方法在各分割數(shù)下的最大誤差相差不多,與以上兩種數(shù)值方法相比,本文方法的最大誤差明顯更小,數(shù)值逼近效果更佳．

接下來(lái),固定分割數(shù)N=100,使用三次B樣條方法分別求解情況2中不同階次α(α=0.2,0.4,0.6,0.8) 的初值問(wèn)題,其各節(jié)點(diǎn)處的絕對(duì)誤差結(jié)果如圖7所示．固定分割數(shù)N=10,本文方法在階次α取不同值時(shí)所得各節(jié)點(diǎn)的數(shù)值解如圖8所示．

圖7 不同α值時(shí)各節(jié)點(diǎn)的絕對(duì)誤差(情況2) 圖8 不同α值時(shí)各節(jié)點(diǎn)的數(shù)值解(情況2)Fig.7 Absolute errors of each node with different α values (case 2) Fig.8 Numerical solutions of each node with different α values (case 2)

由圖7可知,不同的階次α導(dǎo)致本文方法的絕對(duì)誤差有所不同,階次α越小,各節(jié)點(diǎn)處的絕對(duì)誤差越小,數(shù)值逼近的效果越佳．由圖8可知,當(dāng)階次α取不同值時(shí),各節(jié)點(diǎn)處的數(shù)值解均保持平穩(wěn)狀態(tài),本文方法在t∈[0,1]時(shí)具有良好的穩(wěn)定性．

例2 下面將驗(yàn)證三次B樣條方法的穩(wěn)定性,考慮如下的初值問(wèn)題[14,18]:

(19)

其中,精確解為u(t)=sint,右端項(xiàng)滿(mǎn)足f(0)=0．

已知插值條件S3(tj)=f(tj)(j=0,1,…,N)和固定邊界條件S′3(0)=f′(0),S′3(1)=f′(1)成立,固定分割數(shù)N=10 000,使用3種數(shù)值方法分別求解不同的α(α=0.3,0.5,0.7)階的Caputo-Fabrizio型分?jǐn)?shù)階微分方程數(shù)值解,一直計(jì)算到T=1 000．當(dāng)α=0.3,0.5,0.7時(shí),3種數(shù)值方法在不同節(jié)點(diǎn)處的絕對(duì)誤差(|ε|=|u(tk)-uk|)和相對(duì)誤差(ε′=|ε|/u(tk))結(jié)果分別如表5、表6和表7所示,3種數(shù)值方法的相對(duì)誤差對(duì)比如圖9、圖10和圖11所示．

表5 α=0.3,N=10 000時(shí),3種數(shù)值方法在不同節(jié)點(diǎn)處的絕對(duì)誤差和相對(duì)誤差Table 5 The absolute and relative errors of the 3 numerical methods at different nodes for α=0.3,N=10 000

表6 α=0.5,N=10 000時(shí),3種數(shù)值方法在不同節(jié)點(diǎn)處的絕對(duì)誤差和相對(duì)誤差Table 6 The absolute and relative errors of the 3 numerical methods at different nodes for α=0.5,N=10 000

表7 α=0.7,N=10 000時(shí),3種數(shù)值方法在不同節(jié)點(diǎn)處的絕對(duì)誤差和相對(duì)誤差Table 7 The absolute and relative errors of the 3 numerical methods at different nodes for α=0.7,N=10 000

圖9 當(dāng)α=0.3時(shí),3種數(shù)值方法的相對(duì)誤差 圖10 當(dāng)α=0.5時(shí),3種數(shù)值方法的相對(duì)誤差Fig.9 Relative errors of 3 numerical methods for α=0.3 Fig.10 Relative errors of 3 numerical methods for α=0.5

圖11 當(dāng)α=0.7時(shí),3種數(shù)值方法的相對(duì)誤差Fig.11 Relative errors of 3 numerical methods for α=0.7

由表5所示,與改進(jìn)的block-by-block算法和快速高階數(shù)值方法相比,三次B樣條方法在不同節(jié)點(diǎn)處的絕對(duì)誤差和相對(duì)誤差較小,經(jīng)過(guò)長(zhǎng)時(shí)間的計(jì)算,不同節(jié)點(diǎn)上的數(shù)值解均可以很好地逼近精確解,并且本文方法的CPU時(shí)間較短,計(jì)算效率可觀．由圖9所示,3種數(shù)值方法的相對(duì)誤差在個(gè)別節(jié)點(diǎn)處均有起伏,但與其他兩種方法相比,本文方法的平穩(wěn)狀態(tài)更佳．此外,3種數(shù)值方法相對(duì)誤差的方差分別為1.074 4×10-10,7.603 0×10-12和5.157 2×10-13．顯然,三次B樣條方法在求解Caputo-Fabrizio型分?jǐn)?shù)階微分方程時(shí)比其他兩種方法更加穩(wěn)定．

由表6所示,與改進(jìn)的block-by-block算法和快速高階數(shù)值方法相比,三次B樣條方法在不同節(jié)點(diǎn)處的絕對(duì)誤差和相對(duì)誤差較小,經(jīng)過(guò)長(zhǎng)時(shí)間的計(jì)算,不同節(jié)點(diǎn)上的數(shù)值解均可以很好地逼近精確解,并且本文方法的CPU時(shí)間較短,計(jì)算效率可觀．由圖10所示,3種數(shù)值方法的相對(duì)誤差在個(gè)別節(jié)點(diǎn)處均有起伏,但與其他兩種方法相比,本文方法的平穩(wěn)狀態(tài)更佳．此外,3種數(shù)值方法相對(duì)誤差的方差分別為6.410 8×10-10,3.654 9×10-11和2.853 2×10-13．顯然,三次B樣條方法在求解Caputo-Fabrizio型分?jǐn)?shù)階微分方程時(shí)比其他兩種方法更加穩(wěn)定．

由表7所示,與改進(jìn)的block-by-block算法和快速高階數(shù)值方法相比,三次B樣條方法在不同節(jié)點(diǎn)處的絕對(duì)誤差和相對(duì)誤差較小,經(jīng)過(guò)長(zhǎng)時(shí)間的計(jì)算,不同節(jié)點(diǎn)上的數(shù)值解均可以很好地逼近精確解,并且本文方法的CPU時(shí)間較短,計(jì)算效率可觀．

圖11(a)為當(dāng)α=0.7時(shí)3種數(shù)值方法的相對(duì)誤差對(duì)比,圖11(b)為快速高階數(shù)值方法和三次B樣條方法的相對(duì)誤差對(duì)比．由圖11所示,3種數(shù)值方法在個(gè)別節(jié)點(diǎn)處均有起伏,但與其他兩種方法相比,本文方法的平穩(wěn)狀態(tài)更佳．此外,3種數(shù)值方法相對(duì)誤差的方差分別為4.188 4×10-9,1.514 5×10-10和1.051 7×10-10．因此,三次B樣條方法在求解Caputo-Fabrizio型分?jǐn)?shù)階微分方程時(shí)比其他兩種方法更加穩(wěn)定．

5 結(jié) 論

本文將三次B樣條方法應(yīng)用于Caputo-Fabrizio定義下的分?jǐn)?shù)階微分方程的數(shù)值求解．基于分?jǐn)?shù)階微積分基本定理和三次B樣條函數(shù),構(gòu)造了求解α階線性Caputo-Fabrizio型分?jǐn)?shù)階微分方程數(shù)值解的三次B樣條方法．對(duì)所構(gòu)造的數(shù)值方法進(jìn)行了誤差估計(jì),并對(duì)其收斂性和穩(wěn)定性進(jìn)行了理論證明．實(shí)驗(yàn)結(jié)果表明:三次B樣條方法具有一定的有效性,且具有4階收斂階和良好的穩(wěn)定性;在求解線性初值問(wèn)題時(shí),與改進(jìn)的block-by-block算法和快速高階數(shù)值方法相比,三次B樣條方法明顯具有較高的精度和較快的收斂速度,且計(jì)算復(fù)雜度低,計(jì)算成本?。C上,三次B樣條方法在求解Caputo-Fabrizio型分?jǐn)?shù)階微分方程時(shí)具有明顯優(yōu)勢(shì),為一類(lèi)α階Caputo-Fabrizio型分?jǐn)?shù)階微分方程的數(shù)值求解提供了新的選擇．