27.06.2015 Aufrufe

4. Übung zu „Nichtlineare Optimierung: Grundlagen“ (WS 2012 ... - M1

4. Übung zu „Nichtlineare Optimierung: Grundlagen“ (WS 2012 ... - M1

4. Übung zu „Nichtlineare Optimierung: Grundlagen“ (WS 2012 ... - M1

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

Technische Universität München<br />

Zentrum Mathematik, <strong>M1</strong><br />

Prof. Dr. Boris Vexler<br />

Dr. Dominik Meidner<br />

<strong>4.</strong> Übung <strong>zu</strong> „Nichtlineare <strong>Optimierung</strong>: Grundlagen“ (<strong>WS</strong> <strong>2012</strong>/13)<br />

Aufgabe <strong>4.</strong>1 (ca. 8 Punkte):<br />

als<br />

Wir betrachten die quadratische Funktion f : R n → R, gegeben<br />

f(x) = 1 2 xT Ax + b T x<br />

mit einer symmetrischen, positiv definiten Matrix A ∈ R n×n und b ∈ R n . Weiter sei s ∈ R n<br />

eine Abstiegsrichtung von f im Punkt x ∈ R n und ¯σ = arg min σ≥0 ϕ(σ) mit ϕ(σ) = f(x + σs)<br />

bezeichne die durch die Minimierungsregel gelieferte Schrittweite.<br />

a) Erläutern Sie, warum ¯σ > 0 gilt.<br />

b) Stellen Sie die Taylor-Entwicklung von ϕ um σ = 0 auf und folgern Sie, dass ¯σ wohldefiniert<br />

und eindeutig bestimmt ist.<br />

c) Zeigen Sie, dass ¯σ für alle γ ∈ (0, 1 2 ] der Armijo-Bedingung f(x + ¯σs) − f(x) ≤ ¯σγ∇f(x)T s<br />

genügt, aber für kein γ > 1 2 .<br />

d) Zeigen Sie, dass ¯σ außerdem für jedes η ≥ 0 die zweite Bedingung der Powell-Wolfe-Schrittweitenregel<br />

∇f(x + ¯σs) T s ≥ η∇f(x) T s erfüllt.<br />

Aufgabe <strong>4.</strong>2 (ca. 2.5 Punkte): Bewertung: -0.5/0/0.5 Punkte für falsche/keine/richtige<br />

Antwort. In der Gesamtwertung dieser Aufgabe können keine negativen Punkte erzielt werden,<br />

d. h. bei einer negativen Gesamtpunktzahl wird diese Aufgabe mit null Punkten bewertet.<br />

In dieser Aufgabe sei f : R n → R stets eine stetig differenzierbare Funktion.<br />

a) Wir wenden das Gradientenverfahren mit Armijo-Regel (Algorithmus 7.1) auf f an. Sei<br />

¯x ein Häufungspunkt von (x k ) und (x k ) K eine Teilfolge mit (x k ) K → ¯x. Dann gilt: Die<br />

Schrittweitenteilfolge (σ k ) K ist <strong>zu</strong>lässig. wahr □ falsch □<br />

b) Die Armijo-Regel kann <strong>zu</strong> Schrittweiten führen, die größer als Eins sind.<br />

wahr □<br />

c) Die Powell-Wolfe-Regel kann <strong>zu</strong> Schrittweiten führen, die größer als Eins sind.<br />

wahr □<br />

falsch □<br />

falsch □<br />

d) Die Powell-Wolfe-Regel garantiert, dass die Richtungsableitung von f in Richtung s k im<br />

Punkt x k kleiner ist als die Richtungsableitung von f in Richtung s k im Punkt x k+1 .<br />

wahr □ falsch □<br />

e) Algorithmus 9.3 kann keine Schrittweiten generieren, die aus R \ Q sind.<br />

wahr □<br />

Hinweis: Diese Aufgabe ist nicht relevant für den Notenbonus!<br />

falsch □<br />

Seite 1 von 2


Aufgabe <strong>4.</strong>3 (ca. 3 Punkte):<br />

f : R 2 → R gegeben durch<br />

Wir betrachten das <strong>Optimierung</strong>sproblem min x∈R 2 f(x) mit<br />

f(x) = 1 8 x4 1 − 3 4 x2 1 + x 1 x 2 + x 2 2 + 2x 2 .<br />

Zur Lösung nutzen wir ein allgemeines Abstiegsverfahren mit Startpunkt x 0 = (0, −1) T und<br />

Suchrichtung s k = −∇f(x k ).<br />

a) Zeigen Sie, dass die Armijo-Schrittweitenregel im ersten Schritt für jedes γ ∈ (0, 1) die<br />

Schrittweite σ0<br />

A = 1 generiert.<br />

b) Es sei nun sogar γ ∈ (0, 1 2<br />

) und <strong>zu</strong>dem η ∈ (0, 1) mit γ < η gegeben. Zeigen Sie, dass die<br />

Schrittweite σ0<br />

A = 1 nicht die Powell-Wolfe-Bedingungen erfüllt. Gibt es überhaupt eine<br />

Schrittweite σ0 PW > 0, welche die Powell-Wolfe-Bedingungen erfüllt? Begründen Sie Ihre<br />

Antwort!<br />

Aufgabe <strong>4.</strong>4 (ca. 10 Punkte): Es sei f : R n → R stetig differenzierbar und x 0 ∈ R n so, dass<br />

die Niveaumenge N f (x 0 ) = { x ∈ R n | f(x) ≤ f(x 0 ) } kompakt ist. Weiter sei x ∈ N f (x 0 ) und<br />

s ∈ R n eine Abstiegsrichtung von f in x. Die Curry-Schrittweitenregel berechnet ¯σ > 0 als den<br />

kleinsten positiven stationären Punkt der Funktion ϕ: R → R definiert durch ϕ(σ) = f(x + σs):<br />

¯σ := min { σ > 0 | ϕ ′ (σ) = 0 } .<br />

a) Zeigen Sie die Wohldefiniertheit der Curry-Regel.<br />

Hinweis: Gehen Sie hier<strong>zu</strong> <strong>zu</strong>nächst davon aus, dass kein positiver stationärer Punkt von ϕ<br />

existiert und verwenden Sie den Mittelwertsatz, um einen Widerspruch <strong>zu</strong>r Kompaktheit<br />

der Niveaumenge N f (x 0 ) <strong>zu</strong> erzeugen. Zeigen Sie dann weiter, dass es unter den positiven<br />

stationären Punkten von ϕ tatsächlich einen kleinsten gibt.<br />

b) Zeigen Sie nun mit dem Zwischenwertsatz, dass ein kleinstes 0 < ˆσ < ¯σ existiert mit<br />

∇f(x + ˆσs) T s = 1 2 ∇f(x)T s.<br />

c) Zeigen Sie mit Hilfe von Teil b): f(x) − f(x + ¯σs) ≥ − 1 2 ˆσ∇f(x)T s.<br />

d) Nutzen Sie aus, dass N f (x 0 ) kompakt und ∇f stetig ist, um mit Hilfe von Teil b) <strong>zu</strong> zeigen,<br />

dass für ε > 0 ein von x und s unabhängiges δ(ε) > 0 existiert mit<br />

− 1 ∇f(x) T s<br />

≥ ε =⇒ ‖ˆσs‖ ≥ δ(ε)<br />

2 ‖s‖<br />

e) Verwenden Sie nun die Teile c) und d), um <strong>zu</strong> zeigen, dass jede Schrittweitenteilfolge (σ k ) K ,<br />

die durch Algorithmus 8.1 mit Startpunkt x 0 und der Curry-Schrittweitenregel erzeugt wird,<br />

<strong>zu</strong>lässig ist.<br />

Hinweis: Schauen Sie sich die Beweise der Sätze 9.1 und 9.5 an.<br />

Abgabe:<br />

• Bis Donnerstag, 20.12.<strong>2012</strong>, 16:00 Uhr im Briefkasten.<br />

Seite 2 von 2

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!