TY  - THES
A1  - Nagel, Christian
T1  - Glättungsverfahren für semidefinite Programme
T1  - Smoothing-type Methods for Semidefinite Programs
N2  - In dieser Arbeit werden Algorithmen zur Lösung von linearen semidefiniten Programmen beschrieben. Unter einer geeigneten Regularitätsvoraussetzung ist ein semidefinites Programm äquivalent zu seinen Optimalitätsbedingungen. Die Optimalitätsbedingungen bzw. die Zentralen-Pfad-Bedingungen überführen wir zunächst durch matrixwertige NCP-Funktionen in ein nichtlineares Gleichungssystem. Dieses nichtlineare und teilweise nicht differenzierbare Gleichungssystem lösen wir dann mit einem Newton-ähnlichen Verfahren. Durch die Umformulierung in ein nichtlineares Gleichungssystem muss während der Iteration nicht mehr explizit die positive (Semi-)Definitheit der beteiligten Matrizen beachtet werden. Weiter wird gezeigt, dass dieser Ansatz im Gegensatz zu Inneren-Punkte-Methoden sofort symmetrische Suchrichtungen erzeugt. Um globale Konvergenz zu erhalten, werden verschiedene Globalisierungsstrategien (Schrittweitenbestimmung, Trust-Region-Ansatz) untersucht. Für das betrachtete Prädiktor-Korrektor-Verfahren und das Trust-Region-Verfahren wird lokal superlineare Konvergenz unter strikter Komplementarität und Nichtdegeneriertheit gezeigt. Die theoretische Untersuchung eines nichtglatten Newton-Verfahrens liefert ein lokal quadratisches Konvergenzverhalten ohne strikte Komplementarität, wenn die Nichtdegeneriertheitsvoraussetzung geeignet modifiziert wird.
N2  - In this thesis we consider algorithms to compute a solution of linear semidefinite programs. Under a suitable regularity condition a semidefinite program is equivalent to its optimality conditions. These optimality conditions, or central-path-conditions, are reformulated as a nonlinear system of equations via matrix-valued NCP-functions. This nonlinear and partly nonsmooth system of equations is solved with a Newton-type method. Because of the reformulation as a nonlinear system of equations, we do not need the iterates to be positive (semi-)definite. Moreover, this reformulation automatically computes symmetric search directions, in contrast to interior point methods. To obtain global convergence, different globalizations (line search, trust-region) are considered. For the predictor-corrector method and the trust-region-method global and local superlinear convergence is shown under strikt complementarity and nondegeneracy. The theoretical investigation of a nonsmooth version of Newton's methods yields locally quadratic convergence without strict complementarity if the nondegeneracy conditon is modified in a suitable way.
KW  - Semidefinite Optimierung
KW  - Semidefinite Programme
KW  - Newton-Verfahren
KW  - Glättungsverfahren
KW  - NCP-Funktionen
KW  - semidefinite programming
KW  - Newton's method
KW  - smoothing-type methods
KW  - NCP-functions
Y1  - 2003
UR  - https://opus.bibliothek.uni-wuerzburg.de/frontdoor/index/index/docId/702
UR  - https://nbn-resolving.org/urn:nbn:de:bvb:20-opus-8099
ER  -