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.
6.5 Konvergenzergebnisse und Diskussion<br />
schlechte Approximation mit dem Winkeltest abgesichert werden. Anstelle eines<br />
Schrittes, in dem die schlecht approximierte Matrix verwertet wird, kann der Schritt<br />
mit dem robusten Gradientenverfahren ersetzt werden. Dies trägt zur allgemeinen<br />
Robustheit des Verfahrens bei und verbessert in der Regel auch die Konvergenzgeschwindigkeit.<br />
Neben dem hier beschriebenen Winkeltest gibt es noch den "allgemeinen<br />
Winkeltest", der in [Ulb07] beschrieben ist.<br />
Weitere Bemerkungen zum BFGS-Algorithmus:<br />
• Die Konstanten δ und γ werden für das Armijo-Verfahren verwendet.<br />
• Bei dem obigen BFGS-Verfahren wird als Startmatrix die Einheitsmatrix I<br />
verwendet. Daher ist der erste Schritt des Verfahrens ein Schritt des GRVs.<br />
• Die Wahl der Startschrittweite für das Armijo-Verfahren hängt von der letztendlich<br />
verwendeten Suchrichtung dk ab. Wird die BFGS-Suchrichtung verwendet,<br />
dann wird die Startschrittweite über das Minimum der quadratischen<br />
Interpolation (4.12) berechnet (Schritt 7 im BFGS-Algorithmus). Wird als<br />
Suchrichtung der negative Gradient verwendet, dann wird als Startschrittweite<br />
µBio aus (4.10) verwendet (Schritt 8 im BFGS-Algorithmus), da sich diese<br />
bereits bei dem GRV und KGV bewährt hat. Dies wird nochmals in Abschnitt<br />
6.6 aufgegriffen und näher erklärt.<br />
• Für allgemeine nichtlineare Zielfunktionen ist der Beweis der globalen Konvergenz<br />
des inversen BFGS-Verfahrens mit Armijo-Schrittweite ein offenes Problem<br />
5 . Ist die Zielfunktion auf einer Niveau-Menge gleichmäßig konvex, dann<br />
kann die globale Konvergenz gezeigt werden [Ulb07]. Ist die Hesse-Matrix der<br />
Zielfunktion in einer lokalen Umgebung eines Minimums Lipschitz-Stetig, dann<br />
konvergiert das Verfahren in dieser Umgebung superlinear.<br />
6.5 Konvergenzergebnisse und Diskussion<br />
Abbildung 6.1 zeigt die Minimierung der χ 2 -Funktion mit dem inversen BFGS-<br />
Verfahren, welches im vorherigen Abschnitt detailliert beschrieben wurde, als Funktion<br />
der Iterationsschritte. Diesmal wurden 150 Iterationsschritte zugelassen. Abbildung<br />
6.2 zeigt das entsprechende Ergebnis der Minimierung bzgl. der Rechenzeit.<br />
Für einen Vergleich werden die Ergebnisse mit denen des KGVs, da sich dieses gegenüber<br />
dem GRV sowohl in den Iterationsschritten als auch in der Rechenzeit als<br />
das bessere Verfahren gezeigt hatte, gegenübergestellt.<br />
Bei der Minimierung bzgl. der Iterationsschritte ist beim BFGS-Verfahren am<br />
Anfang ein relativ steiler Abfall der Funktionswerte der χ 2 -Funktion zu erkennen.<br />
5 Konvergenzuntersuchungen zu Quasi-Newton-Verfahren gestalten sich generell als sehr schwierig,<br />
da neben Approximationseigenschaften der Update-Matrizen Hk für die Aufdatierungen<br />
Störungsaussagen aus der linearen Algebra einbezogen werden müssen.<br />
71