Fachbereich Mathematik - GSI
Fachbereich Mathematik - GSI
Fachbereich Mathematik - GSI
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
3.3 Glättung der Zielfunktion<br />
gezeigt werden muss3 . Bei hochgradig nichtlinearen Optimierungsproblemen ist dies<br />
oft nicht möglich.<br />
Ist die Zielfunktion nicht konvex, heißt es nicht notwendigerweise, dass mehrere<br />
Minima existieren müssen. Funktionen, die nicht konvex sind, können ein eindeutiges<br />
Minimum haben, der Nachweis davon ist allerdings noch schwieriger als im strikt<br />
konvexen Fall. Dies ist jedoch die Situation bei der χ2 Bio(ana) -Funktion. Im OAR-Term<br />
ist die Heaviside-Funktion enthalten, diese ist nicht konvex und damit ist dann auch<br />
im Optimierungsproblem die Zielfunktion χ 2 Bio(ana)<br />
nicht konvex. Aufgrund dieser<br />
komplexen Situation wird auf den Nachweis der Eindeutigkeit eines Minimums im<br />
weiteren verzichtet.<br />
In [Sch06] konnte gezeigt werden, dass ein iteratives Verfahren bei unterschiedlichen<br />
Sartwerten in das gleiche Minimum läuft. Dies ist zwar kein mathematischer<br />
Nachweis der Eindeutigkiet eines Minimums, lässt dies aber vermuten.<br />
3.3 Glättung der Zielfunktion<br />
Im nächsten Abschnitt soll für das Optimierungsproblem (2.8)-(2.9) die notwendige<br />
Optimalitätsbedingung erster Ordnung hergeleitet werden. Bei einem restringierten<br />
Optimierungsproblem sind das die bekannten Karush-Kuhn-Tucker-Bedingungen<br />
(KKT-Bedingungen). Diese besitzen jedoch nur ihre Gültigkeit, wenn die Zielfunktion<br />
stetig differenzierbar4 , also eine C1-Funktion, ist [GK02].<br />
Betrachtung der Stetigkeits- und Differenzierbarkeitseigenschaften der χ2 Bio(ana) -<br />
Funktion fand in Abschnitt 3.1 statt, mit dem Resultat, dass der Target-Term und<br />
der OAR-Term, ohne die Heaviside-Funktion Θ, stetig ist. Bei genauerem hinsehen<br />
erkennt man schnell, dass diese beiden Objekte auch stetig-differenzierbar sind,<br />
da sie sich ausschließlich aus stetig-differenzierbaren Teilen zusammensetzen. Lediglich<br />
die Heaviside-Funktion Θ ist nicht stetig, da diese eine Sprungfunktion ist. In<br />
diesem Abschnitt soll diese adäquat geglättet, also mit einer glatten Funktion approximiert,<br />
werden. Mit einer hinreichend5 guten Glättung der Heaviside-Funktion<br />
Θ kann eine hinreichend gute Approximation der χ2 Bio(ana) -Funktion erreicht werden,<br />
die stetig-differenzierbar ist. Für die geglättete Zielfunktion können dann anschließend<br />
im folgenden Abschnitt die KKT-Bedingungen hergeleitet werden.<br />
Es gibt mehrere Möglichkeiten, die Heaviside-Funktion Θ hinreichend gut zu glätten.<br />
Eine Möglichkeit wäre, sie mit einem Polynom, z.B. einem Polynom dritten Grades,<br />
zu glätten. In dieser Arbeit soll die Heaviside-Funktion Θ mit einer angepassten Tangens<br />
Hyperbolicus-Funktion geglättet werden, da sich diese dafür relativ gut eignet.<br />
Eine Tangens Hyperbolicus-Funktion ist glatt und damit stetig-differenzierbar.<br />
3 Der Nachweis der positiven Definitheit einer Matrix kann oft nur über die Eigenwerte gezeigt<br />
werden. Bei großen Matrizen ist die Eigenwertberechnung extrem aufwendig.<br />
4 Eine stetig differenzierbare Funktion besitzt die Eigenschaft, dass ihre Ableitung mindestens<br />
stetig ist.<br />
5 Mit hinreichend glatt ist gemeint, dass eine Funktion hinreichend oft differenzierbar ist.<br />
43