TY - THES A1 - Sen, Surath T1 - Character Analysis and Numerical Computations of Standard M.I. Probability Distributions T1 - Charakteranalyse und Numerische Berechnungen der Standard M.I. Wahrscheinlichkeitsverteilungen N2 - Development and character analysis of software programs, which compute minimum information probability distributions. N2 - Entwicklung und Charakteranalyse von Softwareprogrammen, welche Minimuminformations Wahrscheinlichkeitsverteilungen berechnen. KW - Newton-Verfahren KW - Charakteranalyse KW - Softwareentwicklung KW - Minimum Information Wahrscheinlichkeitsverteilung KW - Newton-Raphson Verfahren KW - Minimum Information Probability Distribution KW - Newton-Raphson Method Y1 - 2013 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-78623 ER - 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 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-8099 ER - TY - THES A1 - Schröter, Martin T1 - Newton Methods for Image Registration T1 - Newton-Methoden zur Bildregistrierung N2 - Consider the situation where two or more images are taken from the same object. After taking the first image, the object is moved or rotated so that the second recording depicts it in a different manner. Additionally, take heed of the possibility that the imaging techniques may have also been changed. One of the main problems in image processing is to determine the spatial relation between such images. The corresponding process of finding the spatial alignment is called “registration”. In this work, we study the optimization problem which corresponds to the registration task. Especially, we exploit the Lie group structure of the set of transformations to construct efficient, intrinsic algorithms. We also apply the algorithms to medical registration tasks. However, the methods developed are not restricted to the field of medical image processing. We also have a closer look at more general forms of optimization problems and show connections to related tasks. N2 - Wir betrachten Problemstellungen, in denen zwei Bilder von ein und demselben Objekt aufgenommen wurden. Nach der ersten Aufnahme hat sich allerdings das Objekt bewegt oder deformiert, so dass es sich in den nächsten Bildern auf eine andere Weise darstellt. Zudem kann sich die Aufnahmetechnik geändert haben. Eine der Hauptprobleme in der Bildverarbeitung ist es, die räumliche Korrespondenz zwischen solchen Bildern zu bestimmen. Die zugehörige Aufgabe, eine solche räumliche Übereinstimmung zu finden, nennt man "Registrierung". In dieser Arbeit untersuchen wir das mit der Registrierung verbundene Optimierungsproblem. Insbesondere nutzen wir die Lie-Gruppen-Struktur der Menge der zulässigen Transformationen aus, um effiziente, intrinsische Argorithmen zu entwickeln. Wir wenden diese dann auf Probleme der medizinischen Bildregistrierung an, jedoch sind unsere Methoden nicht auf dieses Feld beschränkt. Wir werfen auch einen genaueren Blick auf eine allgemeinere Form von Optimierungsproblemen und zeigen Verknüpfungen zu verwandten Fragestellungen auf. KW - Newton-Verfahren KW - Registrierung KW - Stochastische Optimierung KW - Newton Methods KW - Image Registration KW - Stochastic Algorithms KW - Optimization on Lie Groups Y1 - 2012 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-71490 ER - TY - THES A1 - Baumann, Markus T1 - Newton's Method for Path-Following Problems on Manifolds T1 - Das Newton-Verfahren für Verfolgungsprobleme auf Mannigfaltigkeiten N2 - Many optimization problems for a smooth cost function f on a manifold M can be solved by determining the zeros of a vector field F; such as e.g. the gradient F of the cost function f. If F does not depend on additional parameters, numerous zero-finding techniques are available for this purpose. It is a natural generalization however, to consider time-dependent optimization problems that require the computation of time-varying zeros of time-dependent vector fields F(x,t). Such parametric optimization problems arise in many fields of applied mathematics, in particular path-following problems in robotics, recursive eigenvalue and singular value estimation in signal processing, as well as numerical linear algebra and inverse eigenvalue problems in control theory. In the literature, there are already some tracking algorithms for these tasks, but these do not always adequately respect the manifold structure. Hence, available tracking results can often be improved by implementing methods working directly on the manifold. Thus, intrinsic methods are of interests that evolve during the entire computation on the manifold. It is the task of this thesis, to develop such intrinsic zero finding methods. The main results of this thesis are as follows: - A new class of continuous and discrete tracking algorithms is proposed for computing zeros of time-varying vector fields on Riemannian manifolds. This was achieved by studying the newly introduced time-varying Newton Flow and the time-varying Newton Algorithm on Riemannian manifolds. - Convergence analysis is performed on arbitrary Riemannian manifolds. - Concretization of these results on submanifolds, including for a new class of algorithms via local parameterizations. - More specific results in Euclidean space are obtained by considering inexact and underdetermined time-varying Newton Flows. - Illustration of these newly introduced algorithms by examining time-varying tracking tasks in three application areas: Subspace analysis, matrix decompositions (in particular EVD and SVD) and computer vision. N2 - Das Optimieren einer glatten Kostenfunktion f auf einer Mannigfaltigkeit M kann oft dadurch erreicht werden, dass man die Nullstellen eines Vektorfeldes F bestimmt; z.B. dann, wenn F der Gradient von f ist. Für solche Problemstellungen gibt es zahlreiche Nullstellensuchmethoden, sofern F nicht von zusätzlichen Parametern abhängt. Es ist jedoch eine nahe liegende Erweiterung, zeitvariante Optimierungsaufgaben zu betrachten, für die dann Verfahren zur Berechnung der zeitvarianten Nullstelle von Vektorfeldern F(x,t) benötigt werden. Solche parametrisierte Optimierungsprobleme tauchen in vielen Teilgebieten der angewandten Mathematik auf, insbesondere Verfolgungsprobleme in der Robotik, rekursive Eigenwert- und Singulärwertbestimmung in der Signalverarbeitung sowie in der numerischen linearen Algebra und inverse Eigenwertprobleme in der Kontrolltheorie. In der Literatur gibt es bereits einige Nullstellen-Verfolgungsmethoden für solche Aufgaben. Jedoch wird dabei meistens nicht die Struktur der Mannigfaltigkeit hinreichend berücksichtigt, was aber wünschenswert wäre. Methoden, die direkt auf M arbeiten liefern nämlich andere und ggf. bessere Ergebnisse. Dies begründet unser Interesse an intrinsische Methoden, und es ist die zentrale Aufgabe dieser Arbeit, solche Methoden herzuleiten. Die Hauptergebnisse sind wie folgt: - Neue Klassen von diskreten und kontinuierlichen Methoden zur Verfolgung von Nullstellen von zeitvarianten Vektorfeldern auf Riemannschen Mannigfaltigkeiten werden etabliert. Dazu wurden der zeitvariante Newton Fluss und der zeitvariante Newton Algorithmus auf Riemannschen Mannigfaltigkeiten neu eingeführt und studiert. - Die Konvergenzanalyse wird auf beliebigen Riemannschen Mannigfaltigkeiten durchgeführt. - Die Ergebnisse werden durch Betrachtung von Untermannigfaltigkeiten konkretisiert. Dabei wird eine neue Klasse von Algorithmen hergeleitet, die lokalen Parametrisierungen der Mannigfaltigkeit nutzt. - Durch Betrachtung der Ergebnisse im euklidischen Raum werden diese zunächst weiter vereinfacht und dann um inexakte und unterbestimmte zeitvariante Verfahren erweitert. - Die neu eingeführten Algorithmen werden durch das ausführliche Studium von zeitvarianten Verfolgungsproblemen in drei Anwendungsgebieten veranschaulicht: Unterraumberechnung, Matrizenzerlegungen (insbesondere Diagonalisierung von Matrizen und Singulärwertzerlegung) und Bewegungsrekonstruktion aus Kamerabildern. KW - Dynamische Optimierung KW - Newton-Verfahren KW - Globale Analysis KW - Differentialgeometrie KW - Nullstelle KW - Unterraumsuche KW - Matrizenzerlegung KW - Riemannsche Mannigfaltigkeiten KW - Riemannian manifolds KW - time-varying KW - Newton's method KW - zero-finding KW - matrix decomposition Y1 - 2008 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-28099 ER - TY - THES A1 - von Heusinger, Anna T1 - Numerical Methods for the Solution of the Generalized Nash Equilibrium Problem T1 - Numerische Verfahren zur Lösung des verallgemeinerten Nash-Gleichgewichtsproblem N2 - In the generalized Nash equilibrium problem not only the cost function of a player depends on the rival players' decisions, but also his constraints. This thesis presents different iterative methods for the numerical computation of a generalized Nash equilibrium, some of them globally, others locally superlinearly convergent. These methods are based on either reformulations of the generalized Nash equilibrium problem as an optimization problem, or on a fixed point formulation. The key tool for these reformulations is the Nikaido-Isoda function. Numerical results for various problem from the literature are given. N2 - Das verallgemeinerte Nash-Gleichgewichtsproblem ist ein Lösungskonzept für Spiele, in denen neben der Kostenfunktion eines Spielers auch dessen Strategiemenge von den Entscheidungen der anderen Spieler abhängt. In dieser Arbeit werden global konvergente und lokal superlinear konvergente Verfahren zur numerischen Berechnung eines verallgemeinerten Nash-Gleichgewichts vorgestellt. Die Verfahren basieren entweder auf einer Umformulierung des verallgemeinerten Nash-Gleichgewichtsproblems als Optimierungsproblem oder als Fixpunktproblem. Für diese Umformulierungen wird die Nikaido-Isoda Funktion verwendet. Es werden numerische Ergebenisse für einige Probleme aus der Literatur widergegeben. KW - Spieltheorie KW - Nash-Gleichgewicht KW - Nichtlineare Optimierung KW - Newton-Verfahren KW - Abstiegsverfahren KW - Nikaido-Isoda Funktion KW - Nash Equilibrium Problem KW - Newton Methods KW - Nikaido-Isoda function Y1 - 2009 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-47662 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 - Buchholzer, Hannes T1 - The Semismooth Newton Method for the Solution of Reactive Transport Problems Including Mineral Precipitation-Dissolution Reactions T1 - Das Semismooth-Newtonverfahren für die Lösung von reaktiven Transportproblemen einschließlich Auflösungs-Fällungs-Reaktionen mit Mineralien N2 - In dieser Arbeit befassen wir uns mit einem reaktiven Transportmodell mit Niederschlags-Auflösung Reaktionen das aus den Geowissenschaften stammt. Es besteht aus PDGs, gewöhnlichen Differentialgleichungen, algebraischen Gleichungen und Komplementaritätsbedingungen. Nach Diskretisation dieses Modells erhalten wir eine großes nichtlineares und nichtglattes Gleichungssystem. Wir lösen dieses System mit der semismoothen Newtonverfahren, das von Qi und Sun eingeführt wurde. Der Fokus dieser Arbeit ist in der Anwendung und Konvergenz dieses Algorithmus. Wir zeigen, dass dieser Algorithmus für dieses Problem wohldefiniert ist und sogar lokal quadratisch konvergiert gegen eine BD-reguläre Lösung. Wir befassen uns auch mit den dabei entstehenden linearen Gleichungssystemen, die sehr groß und dünn besetzt sind, und wie sie effizient gelöst werden können. Ein wichtiger Bestandteil dieser Untersuchung ist die Beschränktheit einer gewissen matrixwertigen Funktion, die in einem eigenen Kapitel gezeigt wird. Als Seitenbetrachtung untersuchen wir wie die extremalen Eigenwerte (und Singulärwerte) von gewissen PDE-Operatoren, welche in unserem diskretisierten Modell vorkommen, genau abgeschätzt werden können. N2 - In this thesis we consider a reactive transport model with precipitation dissolution reactions from the geosciences. It consists of PDEs, ODEs, algebraic equations (AEs) and complementary conditions (CCs). After discretization of this model we get a huge nonlinear and nonsmooth equation system. We tackle this system with the semismooth Newton method introduced by Qi and Sun. The focus of this thesis is on the application and convergence of this algorithm. We proof that this algorithm is well defined for this problem and local even quadratic convergent for a BD-regular solution. We also deal with the arising linear equation systems, which are large and sparse, and how they can be solved efficiently. An integral part of this investigation is the boundedness of a certain matrix-valued function, which is shown in a separate chapter. As a side quest we study how extremal eigenvalues (and singular values) of certain PDE-operators, which are involved in our discretized model, can be estimated accurately. KW - Komplementaritätsproblem KW - Newton-Verfahren KW - System von partiellen Differentialgleichungen KW - Angewandte Geowissenschaften KW - semismooth KW - nichtglatt KW - semismooth Newton method KW - complementary problems KW - PDE KW - large-scale KW - Carbon dioxide capture Y1 - 2011 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-65342 ER -