TY - THES A1 - Lechner, Theresa T1 - Proximal Methods for Nonconvex Composite Optimization Problems T1 - Proximal-Verfahren für nichtkonvexe zusammengesetzte Optimierungsprobleme N2 - Optimization problems with composite functions deal with the minimization of the sum of a smooth function and a convex nonsmooth function. In this thesis several numerical methods for solving such problems in finite-dimensional spaces are discussed, which are based on proximity operators. After some basic results from convex and nonsmooth analysis are summarized, a first-order method, the proximal gradient method, is presented and its convergence properties are discussed in detail. Known results from the literature are summarized and supplemented by additional ones. Subsequently, the main part of the thesis is the derivation of two methods which, in addition, make use of second-order information and are based on proximal Newton and proximal quasi-Newton methods, respectively. The difference between the two methods is that the first one uses a classical line search, while the second one uses a regularization parameter instead. Both techniques lead to the advantage that, in contrast to many similar methods, in the respective detailed convergence analysis global convergence to stationary points can be proved without any restricting precondition. Furthermore, comprehensive results show the local convergence properties as well as convergence rates of these algorithms, which are based on rather weak assumptions. Also a method for the solution of the arising proximal subproblems is investigated. In addition, the thesis contains an extensive collection of application examples and a detailed discussion of the related numerical results. N2 - In Optimierungsproblemen mit zusammengesetzten Funktionen wird die Summe aus einer glatten und einer konvexen, nicht glatten Funktion minimiert. Die vorliegende Arbeit behan- delt mehrere numerische Verfahren zur Lösung solcher Probleme in endlich-dimensionalen Räumen, welche auf Proximity Operatoren basieren. Nach der Zusammenfassung einiger grundlegender Resultate aus der konvexen und nicht- glatten Analysis wird ein Verfahren erster Ordnung, das Proximal-Gradienten-Verfahren, vorgestellt und dessen Konvergenzeigenschaften ausführlich behandelt. Bekannte Resultate aus der Literatur werden dabei zusammengefasst und durch weitere Ergebnisse ergänzt. Im Anschluss werden im Hauptteil der Arbeit zwei Verfahren hergeleitet, die zusätzlich Informationen zweiter Ordnung nutzen und auf Proximal-Newton- beziehungsweise Proximal-Quasi- Newton-Verfahren beruhen. Der Unterschied zwischen beiden Verfahren liegt darin, dass bei ersterem eine klassische Schrittweitensuche verwendet wird, während das zweite stattdessen einen Regularisierungsparameter nutzt. Beide Techniken führen dazu, dass im Gegensatz zu vielen verwandten Verfahren in der jeweils ausführlichen Konvergenzanalyse die globale Konvergenz zu stationären Punkten ohne weitere einschränkende Voraussetzungen bewiesen werden kann. Ferner zeigen umfassende Resultate die lokalen Konvergenzeigenschaften sowie Konvergenzraten der Algorithmen auf, welche auf lediglich schwachen Annahmen beruhen. Ein Verfahren zur Lösung auftretender Proximal-Teilprobleme ist ebenfalls Bestandteil dieser Arbeit. Die Dissertation beinhaltet zudem eine umfangreiche Sammlung von Anwendungsbeispielen und zugehörigen numerischen Ergebnissen. KW - Optimierung KW - composite optimization KW - proximal gradient method KW - proximal Newton method Y1 - 2022 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-289073 ER - TY - THES A1 - Herrmann, Marc T1 - The Total Variation on Surfaces and of Surfaces T1 - Die totale Variation auf Oberflächen und von Oberflächen N2 - This thesis is concerned with applying the total variation (TV) regularizer to surfaces and different types of shape optimization problems. The resulting problems are challenging since they suffer from the non-differentiability of the TV-seminorm, but unlike most other priors it favors piecewise constant solutions, which results in piecewise flat geometries for shape optimization problems.The first part of this thesis deals with an analogue of the TV image reconstruction approach [Rudin, Osher, Fatemi (Physica D, 1992)] for images on smooth surfaces. A rigorous analytical framework is developed for this model and its Fenchel predual, which is a quadratic optimization problem with pointwise inequality constraints on the surface. A function space interior point method is proposed to solve it. Afterwards, a discrete variant (DTV) based on a nodal quadrature formula is defined for piecewise polynomial, globally discontinuous and continuous finite element functions on triangulated surface meshes. DTV has favorable properties, which include a convenient dual representation. Next, an analogue of the total variation prior for the normal vector field along the boundary of smooth shapes in 3D is introduced. Its analysis is based on a differential geometric setting in which the unit normal vector is viewed as an element of the two-dimensional sphere manifold. Shape calculus is used to characterize the relevant derivatives and an variant of the split Bregman method for manifold valued functions is proposed. This is followed by an extension of the total variation prior for the normal vector field for piecewise flat surfaces and the previous variant of split Bregman method is adapted. Numerical experiments confirm that the new prior favours polyhedral shapes. N2 - Die vorliegende Arbeit beschäftigt sich mit der Anwendung der totalen Variation (TV) als Regularisierung auf Oberflächen und in verschiedenen Problemen der Formoptimierung. Die daraus entstehenden Optimierungsprobleme sind aufgrund der TV-Seminorm nicht differenzierbar und daher eine Herausforderung. Allerdings werden dadurch, im Gegensatz zu anderen Regularisierungen, stückweise konstante Lösungen favorisiert. Dies führt bei Problemen der Formoptimierung zu stückweise flachen Geometrien. Der erste Teil dieser Arbeit widmet sich der Erweiterung des Ansatzes zur mathematischen Bildverarbeitung [Rudin, Osher, Fatemi (Physica D, 1992)] von flachen Bildern auf glatte Oberflächen und deren Texturen. Für das damit verbundene Optimierungsproblem wird das Fenchel präduale Problem hergeleitet. Dies ist ein quadratisches Optimierungsproblem mit Ungleichungsrestriktionen für dessen Lösung ein Innere-Punkte-Verfahren in Funktionenräumen vorgestellt wird. Basierend auf einer Quadraturformel, wird im Anschluss eine diskrete Variante (DTV) der TV-Seminorm für global unstetige und stetige Finite- Elemente-Funktionen auf triangulierten Oberflächen entwickelt. (DTV) besitzt positive Eigenschaften, wie eine praktische duale Darstellung. Im letzten Teil wird zuerst ein TV-Analogon für die Oberflächennormale von glatten Formen in 3D gezeigt und mit Hilfe von Differentialgeometrie analysiert. Danach wird eine mögliche Erweiterungen für stückweise glatte Oberflächen vorgestellt. Zur Lösung von beiden Regularisierungen wird eine Variante des Split-Bregman-Verfahrens für Funktionen mitWerten auf Mannigfaltigkeiten benutzt. KW - Gestaltoptimierung KW - optimization KW - total variation KW - Formoptimierung KW - Shape Optimization KW - Optimierung KW - Totale Variation KW - Finite-Elemente-Methode Y1 - 2021 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-240736 ER - TY - THES A1 - Karl, Veronika T1 - Augmented Lagrangian Methods for State Constrained Optimal Control Problems T1 - Augmentierte Lagrange-Verfahren für zustandsbeschränkte Optimalsteuerungsprobleme N2 - This thesis is concerned with the solution of control and state constrained optimal control problems, which are governed by elliptic partial differential equations. Problems of this type are challenging since they suffer from the low regularity of the multiplier corresponding to the state constraint. Applying an augmented Lagrangian method we overcome these difficulties by working with multiplier approximations in $L^2(\Omega)$. For each problem class, we introduce the solution algorithm, carry out a thoroughly convergence analysis and illustrate our theoretical findings with numerical examples. The thesis is divided into two parts. The first part focuses on classical PDE constrained optimal control problems. We start by studying linear-quadratic objective functionals, which include the standard tracking type term and an additional regularization term as well as the case, where the regularization term is replaced by an $L^1(\Omega)$-norm term, which makes the problem ill-posed. We deepen our study of the augmented Lagrangian algorithm by examining the more complicated class of optimal control problems that are governed by a semilinear partial differential equation. The second part investigates the broader class of multi-player control problems. While the examination of jointly convex generalized Nash equilibrium problems (GNEP) is a simple extension of the linear elliptic optimal control case, the complexity is increased significantly for pure GNEPs. The existence of solutions of jointly convex GNEPs is well-studied. However, solution algorithms may suffer from non-uniqueness of solutions. Therefore, the last part of this thesis is devoted to the analysis of the uniqueness of normalized equilibria. N2 - Die vorliegende Arbeit beschäftigt sich mit der Lösung von kontroll- und zustandsbeschränkten Optimalsteuerungsproblemen mit elliptischen partiellen Differentialgleichungen als Nebenbedingungen. Da die zur Zustandsbeschränkung zugehörigen Multiplikatoren nur eine niedrige Regularität aufweisen, sind Probleme dieses Typs besonders anspruchsvoll. Zur Lösung dieser Problemklasse wird ein augmentiertes Lagrange-Verfahren angewandt, das Annäherungen der Multiplikatoren in $L^2(\Omega)$ verwendet. Für jede Problemklasse erfolgt eine Präsentation des Lösungsalgorithmus, eine sorgfältige Konvergenzanalysis sowie eine Veranschaulichung der theoretischen Ergebnisse durch numerische Beispiele. Die Arbeit ist in zwei verschiedene Themenbereiche gegliedert. Der erste Teil widmet sich klassischen Optimalsteuerungsproblemen. Dabei wird zuerst der linear-quadratische und somit konvexe Fall untersucht. Hier setzt sich das Kostenfunktional aus einem Tracking-Type Term sowie einem $L^2(\Omega)$-Regularisierungsterm oder einem $L^1(\Omega)$-Term zusammen. Wir erweitern unsere Analysis auf nichtkonvexe Probleme. In diesem Fall erschwert die Nichtlinearität der zugrundeliegenden partiellen Differentialgleichung die Konvergenzanalysis des zugehörigen Optimalsteuerungsproblems maßgeblich. Der zweite Teil der Arbeit nutzt die Grundlagen, die im ersten Teil erarbeitet wurden und untersucht die allgemeiner gehaltene Problemklasse der Nash-Mehrspielerprobleme. Während die Untersuchung von konvexen verallgemeinerten Nash-Gleichsgewichtsproblemen (engl.: Generalized Nash Equilibrium Problem, kurz: GNEP) mit einer für alle Spieler identischen Restriktion eine einfache Erweiterung von linear elliptischen Optimalsteuerungsproblemen darstellt, erhöht sich der Schwierigkeitsgrad für Mehrspielerprobleme ohne gemeinsame Restriktion drastisch. Die Eindeutigkeit von normalisierten Nash-Gleichgewichten ist, im Gegensatz zu deren Existenz, nicht ausreichend erforscht, was insbesondere eine Schwierigkeit für Lösungsalgorithmen darstellt. Aus diesem Grund wird im letzten Teil dieser Arbeit die Eindeutigkeit von Lösungen gesondert betrachtet. KW - Optimale Kontrolle KW - Optimierung KW - Nash-Gleichgewicht KW - optimal control KW - state constraints KW - augmented Lagrangian method KW - Elliptische Differentialgleichung KW - Optimale Steuerung Y1 - 2020 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-213846 ER - TY - THES A1 - Börgens, Eike Alexander Lars Guido T1 - ADMM-Type Methods for Optimization and Generalized Nash Equilibrium Problems in Hilbert Spaces T1 - ADMM-Methoden für Optimierungs- und Verallgemeinerte Nash-Gleichgewichtsprobleme in Hilberträumen N2 - This thesis is concerned with a certain class of algorithms for the solution of constrained optimization problems and generalized Nash equilibrium problems in Hilbert spaces. This class of algorithms is inspired by the alternating direction method of multipliers (ADMM) and eliminates the constraints using an augmented Lagrangian approach. The alternating direction method consists of splitting the augmented Lagrangian subproblem into smaller and more easily manageable parts. Before the algorithms are discussed, a substantial amount of background material, including the theory of Banach and Hilbert spaces, fixed-point iterations as well as convex and monotone set-valued analysis, is presented. Thereafter, certain optimization problems and generalized Nash equilibrium problems are reformulated and analyzed using variational inequalities and set-valued mappings. The analysis of the algorithms developed in the course of this thesis is rooted in these reformulations as variational inequalities and set-valued mappings. The first algorithms discussed and analyzed are one weakly and one strongly convergent ADMM-type algorithm for convex, linearly constrained optimization. By equipping the associated Hilbert space with the correct weighted scalar product, the analysis of these two methods is accomplished using the proximal point method and the Halpern method. The rest of the thesis is concerned with the development and analysis of ADMM-type algorithms for generalized Nash equilibrium problems that jointly share a linear equality constraint. The first class of these algorithms is completely parallelizable and uses a forward-backward idea for the analysis, whereas the second class of algorithms can be interpreted as a direct extension of the classical ADMM-method to generalized Nash equilibrium problems. At the end of this thesis, the numerical behavior of the discussed algorithms is demonstrated on a collection of examples. N2 - Die vorliegende Arbeit behandelt eine Klasse von Algorithmen zur Lösung restringierter Optimierungsprobleme und verallgemeinerter Nash-Gleichgewichtsprobleme in Hilberträumen. Diese Klasse von Algorithmen ist angelehnt an die Alternating Direction Method of Multipliers (ADMM) und eliminiert die Nebenbedingungen durch einen Augmented-Lagrangian-Ansatz. Im Rahmen dessen wird in der Alternating Direction Method of Multipliers das jeweilige Augmented-Lagrangian-Teilproblem in kleinere Teilprobleme aufgespaltet. Zur Vorbereitung wird eine Vielzahl grundlegender Resultate präsentiert. Dies beinhaltet entsprechende Ergebnisse aus der Literatur zu der Theorie von Banach- und Hilberträumen, Fixpunktmethoden sowie konvexer und monotoner mengenwertiger Analysis. Im Anschluss werden gewisse Optimierungsprobleme sowie verallgemeinerte Nash-Gleichgewichtsprobleme als Variationsungleichungen und Inklusionen mit mengenwertigen Operatoren formuliert und analysiert. Die Analysis der im Rahmen dieser Arbeit entwickelten Algorithmen bezieht sich auf diese Reformulierungen als Variationsungleichungen und Inklusionsprobleme. Zuerst werden ein schwach und ein stark konvergenter paralleler ADMM-Algorithmus zur Lösung von separablen Optimierungsaufgaben mit linearen Gleichheitsnebenbedingungen präsentiert und analysiert. Durch die Ausstattung des zugehörigen Hilbertraums mit dem richtigen gewichteten Skalarprodukt gelingt die Analyse dieser beiden Methoden mit Hilfe der Proximalpunktmethode und der Halpern-Methode. Der Rest der Arbeit beschäftigt sich mit Algorithmen für verallgemeinerte Nash-Gleichgewichtsprobleme, die gemeinsame lineare Gleichheitsnebenbedingungen besitzen. Die erste Klasse von Algorithmen ist vollständig parallelisierbar und es wird ein Forward-Backward-Ansatz für die Analyse genutzt. Die zweite Klasse von Algorithmen kann hingegen als direkte Erweiterung des klassischen ADMM-Verfahrens auf verallgemeinerte Nash-Gleichgewichtsprobleme aufgefasst werden. Abschließend wird das Konvergenzverhalten der entwickelten Algorithmen an einer Sammlung von Beispielen demonstriert. KW - Constrained optimization KW - Nash-Gleichgewicht KW - ADMM KW - Generalized Nash Equilibrium Problem KW - Verallgemeinertes Nash-Gleichgewichtsproblem KW - Hilbert-Raum KW - Optimierung Y1 - 2020 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-218777 ER - TY - THES A1 - Steck, Daniel T1 - Lagrange Multiplier Methods for Constrained Optimization and Variational Problems in Banach Spaces T1 - Lagrange-Multiplier-Verfahren für Restringierte Optimierung und Variationsprobleme in Banach-Räumen N2 - This thesis is concerned with a class of general-purpose algorithms for constrained minimization problems, variational inequalities, and quasi-variational inequalities in Banach spaces. A substantial amount of background material from Banach space theory, convex analysis, variational analysis, and optimization theory is presented, including some results which are refinements of those existing in the literature. This basis is used to formulate an augmented Lagrangian algorithm with multiplier safeguarding for the solution of constrained optimization problems in Banach spaces. The method is analyzed in terms of local and global convergence, and many popular problem classes such as nonlinear programming, semidefinite programming, and function space optimization are shown to be included as special cases of the general setting. The algorithmic framework is then extended to variational and quasi-variational inequalities, which include, by extension, Nash and generalized Nash equilibrium problems. For these problem classes, the convergence is analyzed in detail. The thesis then presents a rich collection of application examples for all problem classes, including implementation details and numerical results. N2 - Die vorliegende Arbeit handelt von einer Klasse allgemein anwendbarer Verfahren zur Lösung restringierter Optimierungsprobleme, Variations- und Quasi-Variationsungleichungen in Banach-Räumen. Zur Vorbereitung wird eine erhebliche Menge an Grundmaterial präsentiert. Dies beinhaltet die Theorie von Banach-Räumen, konvexe und variationelle Analysis sowie Optimierungstheorie. Manche der angegebenen Resultate sind hierbei Verfeinerungen der entsprechenden Ergebnisse aus der Literatur. Im Anschluss wird ein Augmented-Lagrange-Verfahren für restingierte Optimierungsprobleme in Banach-Räumen präsentiert. Der Algorithmus wird hinsichtlich lokaler und globaler Konvergenz untersucht, und viele typische Problemklassen wie nichtlineare Programme, semidefinite Programme oder Optimierungsprobleme in Funktionenräumen werden als Spezialfälle aufgezeigt. Der Algorithmus wird dann auf Variations- und Quasi-Variationsungleichungen verallgemeinert, wodurch implizit auch (verallgemeinerte) Nash-Gleichgewichtsprobleme abgehandelt werden. Für diese Problemklassen werden eigene Konvergenzanalysen betrieben. Die Dissertation beinhaltet zudem eine umfangreiche Sammlung von Anwendungsbeispielen und zugehörigen numerischen Ergebnissen. KW - Optimierung KW - Nash-Gleichgewicht KW - Variationsungleichung KW - Banach-Raum KW - Quasi-Variational Inequality KW - Generalized Nash Equilibrium Problem KW - Quasi-Variationsungleichung KW - Verallgemeinertes Nash-Gleichgewichtsproblem Y1 - 2018 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-174444 ER - TY - THES A1 - Sprengel, Martin T1 - A Theoretical and Numerical Analysis of a Kohn-Sham Equation and Related Control Problems T1 - Eine theoretische und numerische Untersuchung einer Kohn-Sham-Gleichung und verwandter Steuerungsprobleme N2 - In this work, multi-particle quantum optimal control problems are studied in the framework of time-dependent density functional theory (TDDFT). Quantum control problems are of great importance in both fundamental research and application of atomic and molecular systems. Typical applications are laser induced chemical reactions, nuclear magnetic resonance experiments, and quantum computing. Theoretically, the problem of how to describe a non-relativistic system of multiple particles is solved by the Schrödinger equation (SE). However, due to the exponential increase in numerical complexity with the number of particles, it is impossible to directly solve the Schrödinger equation for large systems of interest. An efficient and successful approach to overcome this difficulty is the framework of TDDFT and the use of the time-dependent Kohn-Sham (TDKS) equations therein. This is done by replacing the multi-particle SE with a set of nonlinear single-particle Schrödinger equations that are coupled through an additional potential. Despite the fact that TDDFT is widely used for physical and quantum chemical calculation and software packages for its use are readily available, its mathematical foundation is still under active development and even fundamental issues remain unproven today. The main purpose of this thesis is to provide a consistent and rigorous setting for the TDKS equations and of the related optimal control problems. In the first part of the thesis, the framework of density functional theory (DFT) and TDDFT are introduced. This includes a detailed presentation of the different functional sets forming DFT. Furthermore, the known equivalence of the TDKS system to the original SE problem is further discussed. To implement the TDDFT framework for multi-particle computations, the TDKS equations provide one of the most successful approaches nowadays. However, only few mathematical results concerning these equations are available and these results do not cover all issues that arise in the formulation of optimal control problems governed by the TDKS model. It is the purpose of the second part of this thesis to address these issues such as higher regularity of TDKS solutions and the case of weaker requirements on external (control) potentials that are instrumental for the formulation of well-posed TDKS control problems. For this purpose, in this work, existence and uniqueness of TDKS solutions are investigated in the Galerkin framework and using energy estimates for the nonlinear TDKS equations. In the third part of this thesis, optimal control problems governed by the TDKS model are formulated and investigated. For this purpose, relevant cost functionals that model the purpose of the control are discussed. Henceforth, TDKS control problems result from the requirement of optimising the given cost functionals subject to the differential constraint given by the TDKS equations. The analysis of these problems is novel and represents one of the main contributions of the present thesis. In particular, existence of minimizers is proved and their characterization by TDKS optimality systems is discussed in detail. To this end, Fréchet differentiability of the TDKS model and of the cost functionals is addressed considering \(H^1\) cost of the control. This part is concluded by deriving the reduced gradient in the \(L^2\) and \(H^1\) inner product. While the \(L^2\) optimization is widespread in the literature, the choice of the \(H^1\) gradient is motivated in this work by theoretical consideration and by resulting numerical advantages. The last part of the thesis is devoted to the numerical approximation of the TDKS optimality systems and to their solution by gradient-based optimization techniques. For the former purpose, Strang time-splitting pseudo-spectral schemes are discussed including a review of some recent theoretical estimates for these schemes and a numerical validation of these estimates. For the latter purpose, nonlinear (projected) conjugate gradient methods are implemented and are used to validate the theoretical analysis of this thesis with results of numerical experiments with different cost functional settings. N2 - In dieser Arbeit werden quantenmechanische Vielteilchen-Optimalsteuerungsprobleme im Rahmen der zeitabhängigen Dichtefunktionaltheorie (TDDFT) untersucht. Quantenmechanische Optimalsteuerungsprobleme sind sowohl in der Grundlagenforschung atomarer und molekularer Systeme als auch in entsprechenden Anwendungen von großer Bedeutung. Typische Anwendungen sind laserinduzierte chemische Reaktionen, Kernspinresonanzexperimente und Quantencomputer. Theoretisch ist das Problem einer nicht-relativistischen Beschreibung von Vielteilchensystemen mit der Schrödingergleichung (SG) gelöst. Tatsächlich ist es aber wegen des exponentiellen Anstiegs der numerischen Komplexität mit der Teilchenzahl unmöglich, die Schrödingergleichung für große Systeme von Interesse direkt zu lösen. Ein effizienter und erfolgreicher Ansatz diese Schwierigkeit zu überwinden ist die TDDFT und die Verwendung der zeitabhängigen Kohn-Sham-Gleichungen (TDKS) im Rahmen der TDDFT. Diese ersetzen die Vielteichlchen-SG durch ein System nichtlinearer Einteilchen-SGn, die mittels eines zusätzlichen Potentials gekoppelt sind. Obwohl die TDDFT für physikalische und quantenchemische Rechungen weit verbreitet ist und Softwarepakete zur direkten Verwendung zur Verfügung stehen, sind die mathematischen Grundlagen der TDDFT noch in der Entwicklung und grundlegende Vermutungen sind noch immer unbewiesen. Das Hauptanliegen der vorliegenden Arbeit ist es, einen konsistenten und mathematisch präzisen Rahmen für die TDKS-Gleichungen und verwandte Optimalsteuerungsprobleme zu liefern. Im ersten Teil der Arbeit wird die Dichtefunktionaltheorie (DFT) und die TDDFT eingeführt. Diese Einführung enthält eine detaillierte Darstellung der für die DFT relevanten Funktionenmengen. Außerdem wird die bereits bekannte Äquivalenz zwischen dem ursprünglichen Schrödingerproblem und dem TDKS-System mathematisch weitergehend diskutiert. Der derzeit erfolgreichste Ansatz, Vielteichenrechnungen im Rahmen der TDDFT umzusetzen, sind die TDKS-Gleichungen. Es sind jedoch bisher nur wenige mathematische Resultate über diese Gleichungen verfügbar und diese Ergebnisse behandeln nicht alle Probleme, die bei der Formulierung von Optimalsteuerungsproblemen bei TDKS-Gleichungen auftreten. Es ist das Ziel des zweiten Teils dieser Arbeit, diese für die Wohldefiniertheit der Formulierung der Optimalsteuerungsaufgabe maßgeblichen Probleme, wie die höhere Regularität der Lösungen der TDKS-Gleichungen und schwächere Voraussetzungen an das externe Kontrollpotential, zu behandeln. Dazu wird die Existenz und Eindeutigkeit von Lösungen der nichtlinearen TDKS-Gleichungen mit dem Galerkin-Ansatz und Energieabschätzungen untersucht. Im dritten Teil dieser Arbeit werden Probleme optimaler Steuerung bei TDKS-Gleichungen formuliert und untersucht. Dafür werden relevante Kostenfunktionale, die das Ziel der Steuerung modellieren, diskutiert. Die Optimalsteuerungsprobleme ergeben sich aus der Optimierung dieser Kosten unter der Nebenbedingung der TDKS-Gleichungen. Die Analyse dieser Probleme ist neu und stellt eines der Hauptergebnisse der vorliegenden Arbeit dar. Insbesondere wird die Existenz einer optimalen Steuerung bewiesen und ihre Charakterisierung mittels eines TDKS-Optimalitätssystem im Detail diskutiert. Dazu wird die Fréchet-Differenzierbarkeit des TDKS-Models und des Kostenfunktionals mit \(H^1\)-Steuerungskosten betrachtet. Abschließend wird der reduzierte Gradient im \(L^2\)- und im \(H^1\)-Skalarprodukt hergeleitet. Während die \(L^2\)-Optimierung in der Literatur weit verbreitet ist, wird in dieser Arbeit die Verwendung des \(H^1\)-Gradienten mit theoretischen Argumenten und resultierenden numerischen Vorteilen motiviert. Der letzte Teil dieser Arbeit ist der numerischen Approximation des TDKS-Optimalitätssystems und seiner Lösung mittels gradientenbasierter Optimierungsmethoden gewidmet. Für ersteres wird die Strang Zeitsplitting-Pseudospektralmethode diskutiert, eine Zusammenfassung einiger aktueller theoretischer Abschätzungen für dieses Schema angegeben und diese Abschätzungen numerisch überprüft. Für letzteres wird das (projizierte) nichtlineare Verfahren der konjugierten Gradienten (NCG) implementiert und verwendet um die theoretische Analyse dieser Arbeit mit den Ergebnissen numerischer Rechnungen für verschiedene Kostenfunktionale zu validieren. KW - Optimale Kontrolle KW - Dichtefunktionalformalismus KW - Optimierung KW - TDDFT KW - TD Kohn-Sham equations KW - optimal control Y1 - 2017 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-153545 ER - TY - THES A1 - Curtef, Oana T1 - Rayleigh–quotient optimization on tensor products of Grassmannians T1 - Rayleigh–Quotient Optimierung auf Tensorprodukte von Graßmann-Mannigfaltigkeiten N2 - Applications in various research areas such as signal processing, quantum computing, and computer vision, can be described as constrained optimization tasks on certain subsets of tensor products of vector spaces. In this work, we make use of techniques from Riemannian geometry and analyze optimization tasks on subsets of so-called simple tensors which can be equipped with a differentiable structure. In particular, we introduce a generalized Rayleigh-quotient function on the tensor product of Grassmannians and on the tensor product of Lagrange- Grassmannians. Its optimization enables a unified approach to well-known tasks from different areas of numerical linear algebra, such as: best low-rank approximations of tensors (data compression), computing geometric measures of entanglement (quantum computing) and subspace clustering (image processing). We perform a thorough analysis on the critical points of the generalized Rayleigh-quotient and develop intrinsic numerical methods for its optimization. Explicitly, using the techniques from Riemannian optimization, we present two type of algorithms: a Newton-like and a conjugated gradient algorithm. Their performance is analysed and compared with established methods from the literature. N2 - Viele Fragestellungen aus den unterschiedlichen mathematischen Disziplinen, wie z.B. Signalverarbeitung, Quanten-Computing und Computer-Vision, können als Optimierungsprobleme auf Teilmengen von Tensorprodukten von Vektorräumen beschrieben werden. In dieser Arbeit verwenden wir Techniken aus der Riemannschen Geometrie, um Optimierungsprobleme für Mengen von sogenannten einfachen Tensoren, welche mit einer differenzierbaren Struktur ausgestattet werden können, zu untersuchen. Insbesondere führen wir eine verallgemeinerte Rayleigh-Quotienten-Funktion auf dem Tensorprodukt von Graßmann-Mannigfaltigkeiten bzw. Lagrange-Graßmann-Mannigfaltigkeiten ein. Dies führt zu einem einheitlichen Zugang zu bekannten Problemen aus verschiedenen Bereichen der numerischen linearen Algebra, wie z.B. die Niedrig–Rang–Approximation von Tensoren (Datenkompression), die Beschreibung geometrischer Maße für Quantenverschränkung (Quanten-Computing) und Clustering (Bildverarbeitung). Wir führen eine gründliche Analyse der kritischen Punkte des verallgemeinerten Rayleigh-Quotienten durch und entwickeln intrinsische numerische Methoden für dessen Optimierung. Wir stellen zwei Arten von Algorithmen vor, die wir mit Hilfe von Techniken aus der Riemannsche Optimierung entwickeln: eine mit Gemeinsamkeiten zum Newton-Verfahren und eine zum CG-Verfahren ähnliche. Wir analysieren die Performance der Algorithmen und vergleichen sie mit gängigen Methoden aus der Literatur. KW - Optimierung KW - Riemannsche Optimierung KW - Newtonverfahren KW - Verfahren der konjugierten Gradienten KW - Maße für Quantenverschränkung KW - Riemannian optimization KW - Grassmann Manifold KW - Newton method KW - Conjugate gradient method KW - tensor rank KW - subspace clustering KW - enatnglement measure KW - Riemannsche Geometrie KW - Grassmann-Mannigfaltigkeit KW - Konjugierte-Gradienten-Methode KW - Newton-Verfahren Y1 - 2012 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-83383 ER - TY - THES A1 - Klug, Andreas T1 - Affine-Scaling Methods for Nonlinear Minimization Problems and Nonlinear Systems of Equations with Bound Constraints T1 - Affine Skalierungsverfahren für nichtlineare Optimierungsaufgaben und nichtlineare Gleichungssyteme mit Box-Restriktionen N2 - In this thesis affine-scaling-methods for two different types of mathematical problems are considered. The first type of problems are nonlinear optimization problems subject to bound constraints. A class of new affine-scaling Newton-type methods is introduced. The methods are shown to be locally quadratically convergent without assuming strict complementarity of the solution. The new methods differ from previous ones mainly in the choice of the scaling matrix. The second type of problems are semismooth system of equations with bound constraints. A new affine-scaling trust-region method for these problems is developed. The method is shown to have strong global and local convergence properties under suitable assumptions. Numerical results are presented for a number of problems arising from different areas. N2 - In dieser Arbeit werden affine Skalierungsverfahren fuer zwei verschiedene mathematische Problemstellungen untersucht. Der erste Problemtyp sind nichtlineare Optimierungsaufgaben mit Box-Restriktionen. Hierfuer wird eine neue Klasse von affinen Skalierungsverfahren eingefuehrt. Fuer diese Verfahren kann lokale quadratische Konvergenz ohne eine strikte Komplementaritaetsannahme bewiesen werde. Die neuen Methoden unterscheiden sich von den bisherigen durch die Wahl der Skalierungsmatrix. Probleme vom zweiten Typ sind semismoothe nichtlineare Gleichungssysteme mit Box-Restriktionen. Ein neues affine Skalierungs Trust-Region-Verfahren fuer diese Probleme wird vorgestellt. Das Verfahren besitzt starke globale und lokale Konvergenzeigenschaften unter ueblichen Voraussetzungen. Fuer eine Vielzahl von Problemstellungen werden numerische Ergebnisse beschrieben. KW - Skalierungsfunktion KW - Optimierung KW - Optimierung KW - Gleichungssysteme KW - Box-Restriktionen KW - Affine Skalierungsverfahren KW - optimization KW - nonlinear systems KW - bound constraints KW - affine scaling methods Y1 - 2006 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-18851 ER -