Bletzinger, Kai-Uwe (Prof. Dr.); Rank, Ernst (Prof. Dr.); Stingl, Michael (Prof. Dr.)
Language:
en
Subject group:
BAU Bauingenieurwesen, Vermessungswesen
TUM classification:
BAU 150
Abstract:
In this work, we present a gradient descent akin method for inequality constrained optimization. At each iteration, we compute a search direction using a linear combination of the negative and normalized objective and constraint gradient. The design of the method is inspired by the singular value decomposition. Using a dynamical systems approach, we show asymptotic global and local convergence of the method. We demonstrate the method using both common test cases and applications to large-scale shape optimizations.
«
In this work, we present a gradient descent akin method for inequality constrained optimization. At each iteration, we compute a search direction using a linear combination of the negative and normalized objective and constraint gradient. The design of the method is inspired by the singular value decomposition. Using a dynamical systems approach, we show asymptotic global and local convergence of the method. We demonstrate the method using both common test cases and applications to large-scale s...
»
Translated abstract:
In dieser Arbeit wird ein Verfahren ähnlich dem Gradientenabstieg für ungleichheitsbedingte Optimierung vorgestellt. In jeder Iteration wird eine Suchrichtung anhand einer linearen Kombination der negativen und normalisierten Ziel- und Nebenbedingungsgradienten berechnet. Der Entwurf der Methode ist von der Singulärwertzerlegung inspiriert. Unter Verwendung einer dynamischen Systemansperspektive wird die asymptotische globale und lokale Konvergenz der Methode untersucht. Wir demonstrieren die Methode sowohl anhand allgemeiner Testbeispiele als auch an Anwendungen großer Formoptimierungen.
«
In dieser Arbeit wird ein Verfahren ähnlich dem Gradientenabstieg für ungleichheitsbedingte Optimierung vorgestellt. In jeder Iteration wird eine Suchrichtung anhand einer linearen Kombination der negativen und normalisierten Ziel- und Nebenbedingungsgradienten berechnet. Der Entwurf der Methode ist von der Singulärwertzerlegung inspiriert. Unter Verwendung einer dynamischen Systemansperspektive wird die asymptotische globale und lokale Konvergenz der Methode untersucht. Wir demonstrieren die Me...
»
Series:
Schriftenreihe des Lehrstuhls für Statik TU München