Kapitel 9 Quadratische Optimierung
Kapitel 9 Quadratische Optimierung
Kapitel 9 Quadratische Optimierung
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
10.1.2 Gleichungs– und Ungleichungsrestriktionen<br />
Die Verallgemeinerung der Überlegungen des vorangehenden Abschnitts ist naheliegend:<br />
Seien x k , λ k Näherungen für ¯x, ¯λ. Wir bestimmen eine Lösung s k des Problems<br />
(P1 k ) min<br />
1<br />
2 sT W k s + g kT s<br />
a k i<br />
T<br />
s + c<br />
k<br />
i = 0, i ∈ I 1<br />
a k i<br />
T<br />
s + c<br />
k<br />
i ≤ 0, i ∈ I 2<br />
und erhalten neue Näherungen x k+1 = x k + s k , λ k+1 als Lagrangemultiplikator zu s k . Dies<br />
ist das sogenannte Wilson-Verfahren (1963)<br />
Satz 10.1 Sei f, c ∈ C 3 und ¯x ein lokales Minimum für (P1), in dem die Gradienten der<br />
aktiven Restriktionen linear unabhängig und die hinreichenden Kuhn-Tucker-Bedingungen<br />
2.Ordnung erfüllt sind, ¯λ sei der zu ¯x gehörende eindeutige Lagrangemultiplikator. Dann<br />
gibt es eine Umgebung U ⊂ R n × R I 1∪I 2<br />
von (¯x, ¯λ), eine Umgebung S ⊂ R n von 0 und eine<br />
Zahl β > 0, sodass für alle (x k , λ k ) ∈ U gilt:<br />
1. Das Problem (P1 k ) besitzt mindestens ein lokales Minimum s k ∈ S.<br />
2. Für jeden stationären Punkt s k ∈ S für (P1 k ) mit zugehörigem Lagrangemultiplikator<br />
λ k+1 gilt (x k+1 , λ k+1 ) ∈ U (x k+1 := x k + s k ) und<br />
max{‖x k+1 − ¯x‖, ‖λ k+1 − ¯λ‖} ≤ β‖x k − ¯x‖ max{‖x k − ¯x‖, ‖λ k − ¯λ‖}<br />
≤ β max{‖x k − ¯x‖, ‖λ k − ¯λ‖} 2<br />
Satz 10.1 ergibt die lokale quadratische Konvergenz des Wilsonverfahrens, vorausgesetzt<br />
wir kennen einen Startpunkt (x 0 , λ 0 ) hinreichend nahe bei (¯x, ¯λ) und wir finden die ”richtigen”<br />
Lösungen (in S) für Problem (P1 k ). Problem (P1 k ) ist normalerweise ein indefinites<br />
quadratisches Problem und muss keine eindeutige Lösung besitzen, weiters können auch<br />
Lösungen existieren, die nicht in S liegen. Eine weitere Einschränkung ist, dass nicht nur<br />
ein Startpunkt x 0 hinreichend nahe bei ¯x bekannt sein muss, sondern auch Lagrangemultiplikatoren<br />
λ 0 hinreichend nahe bei ¯λ. Diese beiden Schwierigkeiten können allerdings<br />
zumindest theoretisch relativ leicht umgangen werden.<br />
Entscheidende Nachteile des Wilsonverfahrens liegen jedoch im<br />
1. Fehlen von globalen Konvergenzeigenschaften<br />
2. hohen numerischen Aufwand bei der Bestimmung der Hessematrix der Lagrangefunktion<br />
In der Praxis wird das Wilson–Verfahren nur mehr für sehr spezielle Probleme verwendet.<br />
Für allgemeine Probleme ist ein Quasi–Newtonverfahren vorzuziehen, das beide Nachteile<br />
vermeiden. Bevor wir jedoch zu den Quasi–Newtonverfahren kommen, benötigen wir noch<br />
andere Methoden.<br />
92