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 BFGS-Verfahren<br />
Im weiteren Verlauf wird dieser Abfall stets flacher. Im Vergleich zum KGV arbeitet<br />
das BFGS-Verfahren im Einzugsgebiet schlechter. Nach dem Einzugsgebiet ist das<br />
BFGS-Verfahren effizienter als das KGV, da der Abfall der χ 2 -Funktionswerte steiler<br />
ist. Dies kann wahrscheinlich damit begründet werden, dass das BFGS-Verfahren<br />
Krümmungsinformationen der Zielfunktion verarbeitet und damit in der flachen Region<br />
besser arbeitet. Da jedoch das KGV im Einzugsgebiet deutlich effizienter ist,<br />
schafft es das BFGS-Verfahren auch nicht nach 150 Iterationsschritten das KGV zu<br />
überholen (besser zu minimieren). Beim 150 Iterationsschritt ist jedoch mit beiden<br />
Verfahren ein Level von ca. 0.9 der χ 2 -Funktion erreicht. Das Abbruchkriterium<br />
(4.6) (siehe Abschnitt 4.4.4), mit ɛ1 = 10 −8 , wird mit beiden Verfahren nicht erfüllt.<br />
Weitere Auswertungen haben ergeben, dass das inverse BFGS-Verfahren das KGV<br />
ca. im 180. Iterationsschritt überholt. Im weiteren Verlauf kann jedoch mit dem inversen<br />
BFGS-Verfahren nur noch eine wenig bessere Minimierung der χ 2 -Funktion<br />
errreicht werden. Dies liegt daran, dass sich beide Verfahren bereits in relativ niedrigen<br />
Bereichen befinden, in denen nicht mehr viel minimiert werden kann.<br />
Die Minimierung der χ 2 -Funktion bzgl. der Rechenzeit ist in Abbildung 6.2 zu<br />
sehen. Man sieht, dass das BFGS-Verfahren nicht wesentlich mehr Rechenzeit als<br />
das KGV benötigt, ein Unterschied ist jedoch sichtbar. Dies liegt daran, dass beim<br />
BFGS-Verfahren in jedem Iterationsschritt das Matrixupdate stattfindet. Das KGV<br />
benötigt bis zum Ende ca. 2100s. Das BFGS-Verfahren benötigt zu dem fast gleichen<br />
Endpunkt ca. 3250s. Dies ist ein Faktor von ca. 1.55 mehr Rechenzeit.<br />
Im Gesamturteil ist das KGV besser als das BFGS-Verfahren. Nach 150 Iterationsschritten<br />
ist zwar ein ähnliches Level der χ 2 -Funktion erreicht, das BFGS-<br />
Verfahren benötigt aber mehr Rechenzeit. Ein weiterer Nachteil des BFGS-Verfahrens<br />
gegenüber dem KGV ist, dass in jedem Iterationsschritt die Update-Matrix<br />
gespeichert werden muss. Schon bei dem "kleinen" Patientenplan #135 besitzt die<br />
Update-Matrix ca. 19600 2 Elemente. Werden die Matrixelemente in doppelter Genauigkeit<br />
abgespeichert (also in der Programmiersprache C im "double"-Format mit<br />
8 Byte pro Matrixelement), dann ergibt sich ein Speicheraufwand von ca. 2.9GB für<br />
die Update-Matrix. Z.B. bei einem Optimierungsproblem mit der Dimension von<br />
80000 beträgt der Speicheraufwand für die Update-Matrix ca. 47.7GB bei doppelter<br />
Genauigkeit, was eine hohe Anforderung ist.<br />
Auswertungen haben ergeben, dass die Hesse-Matrizen ∇ 2 χ 2 ( Nk), unabhängig<br />
von k, schwach besetzt sind. Ca. 80-90% der Werte sind 0 oder vernachlässigbar klein.<br />
Die restlichen Werte sind in Clustern durch die gesamte Matrix verteilt [Hor08].<br />
Auch wenn die Hesse-Matrizen ∇ 2 χ 2 ( Nk) schwach besetzt sind, sind die Update-<br />
Matrizen Hk in der Regel voll besetzt [Spe99]. Es ist schwieriger, mit einer vollbesetzten<br />
Matrix Hk die dünnbesetzte Matrix ∇ 2 χ 2 ( Nk) gut zu approximieren, was die<br />
Voraussetzung für ein gutes Konvergenzverhalten eines Quasi-Newton-Verfahrens<br />
ist. Dies könnte ein Grund sein, warum das inverse BFGS-Verfahren bzgl. der Iterationsschritte<br />
nicht effizienter als das KGV arbeitet.<br />
72