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.
4 Nichtlineare Optimierung<br />
In diesem Kapitel wird das Wichtigste zur numerischen Lösung des Optimierungsproblems<br />
(2.8)-(2.9) zusammengefasst. Der erste Abschnitt gibt eine Einführung in<br />
die sogenannten Linesearch-Verfahren. Im darauffolgenden Abschnitt werden zwei<br />
Schrittweitenstrategien vorgestellt. In Abschnitt 4.3 wird die Voroptimierung erklärt.<br />
Diese ist wichtig, den das Ergebnis der Voroptimierung wird als Startpunkt<br />
für die Linesearch-Verfahren verwendet. Der letzte Abschnitt behandelt noch einige<br />
Details zur numerischen Optimierung, wie z.B. die verwendete Rechnerarchitektur<br />
und der verwendete Bestrahlungsplan, über die Bewertung der Verfahren und abschließend<br />
zwei Bemerkungen zur Implementierung der Verfahren.<br />
Bemerkung: Die Kapitel 4, 5 und 6 beschäftigen sich mit der numerischen Lösung des<br />
Optimierungsproblemes (2.8)-(2.9). Dabei wird ausschließlich die RBW-gewichtete<br />
Dosis optimiert. Die RBW-Werte werden in dieser Arbeit mit der ersten Version<br />
des LEMs, das LEM I, berechnet. Aus Platzgründen wird die Zielfunktion in den<br />
Kapiteln 4, 5 und 6 nicht mehr mit χ2 Bio(ana) oder χ2Bio bezeichnet, sondern nur noch<br />
mit χ2 .<br />
4.1 Numerische Minimierung mit<br />
Linesearch-Verfahren<br />
Die Nichtlinearität des Optimierungsproblemes (2.8)-(2.9) lässt keine analytische<br />
Lösung zu. Die einzige Möglichkeit, einen Lösungsvektor NOpt zu erhalten, ist eine<br />
Lösung mit numerischen Methoden. Da die Zielfunktion minimiert werden soll, ist<br />
es naheligend, mit einem Iterationsverfahren ein Abstiegsverfahren zu erzeugen. Bei<br />
einem Abstiegsverfahren erüllt eine Folge Nk, ausgehend von einem Startpunkt N0,<br />
die folgende Bedingung:<br />
χ 2 ( Nk+1) < χ 2 ( Nk) , k = 0, 1, 2, 3, . . . . (4.1)<br />
k ist der Iterationsindex des Verfahrens. Ziel ist es, dass die Folge Nk gegen ein<br />
NOpt konvergiert. Es gibt zwei Klassen von Abstiegsverfahren, die sogenannten<br />
Linesearch-Verfahren und die Trust-Region-Verfahren [Ulb07]. In dieser Arbeit werden<br />
nur Linesearch-Verfahren verwendet. Linesearch-Verfahren sind die klassischen<br />
Verfahren zur Lösung nichtlinearer Optimierungsaufgaben und sind bis jetzt besser<br />
untersucht. Trust-Region-Verfahren spielen eher bei neueren Verfahrenskonzepten<br />
eine Rolle [Alt02].<br />
49