Dieses Buch bietet eine umfassende und aktuelle Darstellung des Themenbereichs "Numerische Lösung unrestringierter Opti- mierungsaufgaben mit differenzierbarer Zielfunktion", die über die bislang existierende Lehrbuchliteratur deutlich hinausgeht. Es wendet sich in erster Linie an Studierende der Mathematik, der Wirtschaftsmathematik und der Technomat- hematik in mittleren und höheren Semestern, sollte aber auch erfahrenen Mathematikern einen Zugang zur aktuellen For- schung und Anwendern einen Überblick über die vorhandenen Verfahren geben. Alle besprochenen Verfahren sind ausführ- lich motiviert und mit einer vollständigen Konvergenzanalyse versehen, und es werden zu allen konkreten Algorithmen Ta- bellen mit numerischen Resultaten angegeben. In Anhängen sind die benötigten Grundlagen aus der mehrdimensionalen Analysis und der linearen Algebra sowie Testbeispiele zusam- mengestellt. Abgerundet wird das Buch durch ca. 150 Aufgaben unterschiedlichen Umfangs und Schwierigkeitsgrades.
Inhaltsverzeichnis
1. Einführung. - 2. Optimalitätskriterien. - Aufgaben. - 3. Konvexe Funktionen. - Aufgaben. - 4. Ein allgemeines Abstiegsverfahren. - Aufgaben. - 5. Schrittweitenstrategien. - 5. 1 Armijo-Regel. - 5. 2 Wolfe-Powell-Schrittweitenstrategie. - 5. 3 Strenge Wolfe-Powell-Schrittweitenstrategie. - Aufgaben. - 6. Schrittweitenalgorithmen. - 6. 1 Armijo-Regel. - 6. 2 Wolfe-Powell-Schrittweitenstrategie. - 6. 3 Strenge Wolfe-Powell-Schrittweitenstrategie. - Aufgaben. - 7. Konvergenzraten und Charakterisierungen. - Aufgaben. - 8. Gradientenverfahren. - 8. 1 Das Gradientenverfahren. - 8. 2 Konvergenz bei quadratischer Zielfunktion. - 8. 3 Gradientenähnliche Verfahren. - Aufgaben. - 9. Newton-Verfahren. - 9. 1 Das lokale Newton-Verfahren. - 9. 2 Ein globalisiertes Newton-Verfahren. - 9. 3 Hinweise zur Implementation. - 9. 4 Numerische Resultate. - Aufgaben. - 10. Inexakte Newton-Verfahren. - 10. 1 Das lokale inexakte Newton-Verfahren. - 10. 2 Ein globalisiertes inexaktes Newton-Verfahren. - 10. 3 Hinweise zur Implementation. - 10. 4 Numerische Resultate. - Aufgaben. - 11. Quasi-Newton-Verfahren. - 11. 1 Herleitung einiger Quasi-Newton-Formeln. - 11. 2 Lokale Konvergenz des PSB-Verfahrens. - 11. 3 Lokale Konvergenz des BFGS-Verfahrens. - 11. 4 Globalisierte Quasi-Newton-Verfahren. - 11. 5 Konvergenz bei gleichmäßig konvexen Funktionen. - 11. 6 Weitere Quasi-Newton-Formeln. - 11. 7 Hinweise zur Implementation. - 11. 8 Numerische Resultate. - Aufgaben. - 12. Limited Memory Quasi-Newton-Verfahren. - 12. 1 Herleitung des Limited Memory BFGS-Verfahrens. - 12. 2 Konvergenz bei gleichmäßig konvexen Funktionen. - 12. 3 Hinweise zur Implementation. - 12. 4 Numerische Resultate. - Aufgaben. - 13. CG-Verfahren. - 13. 1 Das CG-Verfahren für lineare Gleichungssysteme. - 13. 2 Das Fletcher-Reeves-Verfahren. - 13. 3 Das Polak-Ribière-Verfahren. - 13. 4 Ein modifiziertesPolak-Ribière-Verfahren. - 13. 5 Weitere CG-Verfahren. - 13. 6 Numerische Resultate. - Aufgaben. - 14. Trust-Region-Verfahren. - 14. 1 Das Trust-Region-Teilproblem. - 14. 2 Die KKT-Bedingungen. - 14. 3 Eine exakte Penalty-Funktion. - 14. 4 Zur Lösung des Trust-Region-Teilproblems. - 14. 5 Trust-Region-Newton-Verfahren. - 14. 6 Teilraum-Trust-Region-Newton-Verfahren. - 14. 7 Inexakte Trust-Region-Newton-Verfahren. - 14. 8 Trust-Region-Quasi-Newton-Verfahren. - 14. 9 Numerische Resultate. - Aufgaben. - A. Grundlagen aus der mehrdimensionalen Analysis. - B. Grundlagen aus der linearen Algebra. - C. Testbeispiele.