pdf-file, 2.03 Mbyte - Torsten Schütze
pdf-file, 2.03 Mbyte - Torsten Schütze
pdf-file, 2.03 Mbyte - Torsten Schütze
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
4.5 Numerische Tests 101<br />
1050<br />
1000<br />
950<br />
900<br />
850<br />
800<br />
750<br />
700<br />
650<br />
600<br />
600 650 700 750 800 850 900 950 1000 1050<br />
1050<br />
1000<br />
950<br />
900<br />
850<br />
800<br />
750<br />
700<br />
650<br />
600<br />
600 650 700 750 800 850 900 950 1000 1050<br />
Abbildung 4.4: Bivariate Titanium Heat Data: Contour-Linien und Knoten vor und nach der Optimierung<br />
Startknotenfolge CONSTR NPSOL<br />
F 1.587922 E+01 1.228815 E+00 1.228815 E+00<br />
Schritte 80 52<br />
func. calls 705 573<br />
Zeit [s] 18.82 14.17<br />
Ret. Code max. no. iterations solution found, accuracy problems<br />
Tabelle 4.2: EOS Aluminium Daten: Vergleich von CONSTR und NPSOL<br />
Tendenz bei der Bewertung der beiden Optimierungsverfahren zeichnet sich schon in diesem<br />
Beispiel ab: Die Routine NPSOL ist wesentlich robuster als CONSTR. Wenn beide Routinen<br />
funktionieren, so unterscheiden sich die gefundenen lokalen Minima i. allg. nicht wesentlich.<br />
Der Vorteil der größeren Robustheit von NPSOL liegt in der Ausnutzung der linearen<br />
Nebenbedingungen begründet. Dies wird besonders an dem nächsten Beispiel deutlich.<br />
4.5.2 EOS Aluminium Daten<br />
Jetzt betrachten wir ein Standardbeispiel zur bivariaten restringierten Approximation, siehe<br />
z. B. [CF85]. Die m1 = 10 × m2 = 6 Punkte im Bereich [−0.07, 1.13] × [−2.3, 0] beschreiben<br />
eine Zustandsfläche (equation of state, EOS) von Aluminium. Dargestellt ist die Spannung<br />
als Funktion von Dichte und Temperatur auf einer log-log-Skale. Die Daten sind in monotoner<br />
Lage, vgl. Abbildung 4.5.<br />
Obwohl dieser Datensatz relativ klein ist, erweist er sich als schwierig zu approximieren.<br />
Wir benutzen n1 = 8 quadratische B-Splines in x-Richtung, n2 = 5 quadratische B-Splines<br />
in y-Richtung und die Glättungsfaktoren µ1 = µ2 = 1.0 E-08 sowie r1 = r2 = 2. Wählt<br />
man die l1 = 5, l2 = 2 freien inneren Knoten äquidistant, so erhält man die unbefriedigende<br />
Approximation in Abbildung 4.6. Wir bemerken, daß beide Verfahren im Fall der<br />
Splineapproximation (µ1 = µ2 = 0) abbrechen, da zwischenzeitlich rangdefiziente Beobachtungsmatrizen<br />
– und damit Verlust der Differenzierbarkeit! – auftreten.