Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Optimization under uncertainty and the multilevel Monte Carlo method
Übersetzter Titel:
Optimierung unter Unsicherheit und die multilevel Monte-Carlo-Methode
Autor:
Menhorn, Friedrich M.
Jahr:
2024
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Institution:
Informatik 5 - Lehrstuhl für Scientific Computing (Prof. Bungartz)
Betreuer:
Bungartz, Hans-Joachim (Prof. Dr. habil.)
Gutachter:
Bungartz, Hans-Joachim (Prof. Dr. habil.); Marzouk, Youssef M. (Prof., Ph.D.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
MAT 650; DAT 780
Kurzfassung:
This work combines optimization under uncertainty (OUU) with the multilevel Monte Carlo (MLMC) method. For MLMC, we present new estimators for variance, standard deviation, and the linear combination of expected value and standard deviation—statistics frequently used in OUU. For OUU, we develop the derivative-free optimization method SNOWPAC. The contributions are coupled in the software toolkit Dakota to optimize complex black-box problems and verified using various benchmarks.
Übersetzte Kurzfassung:
In dieser Arbeit kombinieren wir Optimierung unter Unsicherheit (OUU) mit der multilevel Monte-Carlo-Methode (MLMC). Für MLMC präsentieren wir neue Schätzer für Varianz, Standardabweichung und die lineare Kombination aus Erwartungswert und Standardabweichung—häufig verwendete Statistiken in OUU. Für OUU entwickeln wir die ableitungsfreie Optimierungsmethode SNOWPAC. Die Beiträge sind in der Software Dakota zur Optimierung komplexer Black-Box-Probleme gekoppelt und mittels Benchmarks verifiziert.
WWW:
https://mediatum.ub.tum.de/?id=1717693
Eingereicht am:
23.08.2023
Mündliche Prüfung:
26.03.2024
Dateigröße:
20772126 bytes
Seiten:
285
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240326-1717693-1-3
Letzte Änderung:
17.05.2024
 BibTeX