A class of trust-region multilevel methods for the
solution of high-dimensional nonlinear optimization problems with convex constraints is investigated. Global convergence of the algorithms that use a hierarchy of functions as models for the optimization is shown. It is discussed under which conditions numerically cheap smoothing steps produce suitable and
level-independent descent. Numerical results confirm the excellent properties of the algorithm.
Übersetzte Kurzfassung:
Die Arbeit befasst sich mit einer Klasse von Trust-Region Multilevel-Verfahren zum Lösen hochdimensionaler nichtlinearer Optimierungsprobleme mit konvexen Nebenbedingungen. Hierbei wird eine Hierarchie von Funktionen für die Schrittberechnung verwendet. Es wird globale Konvergenz gezeigt und diskutiert,
in welchen Fällen leicht berechenbare Glättungsschritte einen von der Gitterfeinheit unabhängigen Abstieg garantieren.
Numerische Tests bestätigen die guten Eigenschaften des Verfahrens.