Zusammenfassung
Auf gebräuchlichen PC’s können Datenanpassungs- und nichtlineare Optimierungsprobleme mit 20 Variablen und bis zu 40 Nebenbedingungen über eine komfortable Benutzerschnittstelle eingegeben werden. Die automatische und numerisch stabüe Berechnung von Gradienten und Hessematrizen erlaubt den Einsatz von quadratisch konvergenten Lösungsverfahren mit guten globalen Konvergenzeigenschaften. Ein Abbruch der Algorithmen an nichtoptimalen Sattelpunkten wird durch die Verwendung von Richtungen negativer Krümmung ausgeschlossen.
Summary
A comfortable user interface for the solution of data fitting and nonlinear programming problems with 20 variables and up to 40 constraints on MS-DOS-PC’s is presented. Gradients and Hessians are computed accurately by automatic differentiation. Exact second derivatives enable us to run robust and quadratically convergent algorithms. Directions of negative curvature prevent from stopping at nonoptimal saddle points.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literatur
Bertsekas D.P. (1982): Constrained optimization and Lagrange multiplier methods. Academic Press, New York.
Fischer H. (1989): Automatic differentiation of characterizing sequences. J. Comp, and Appl. Math. 28, 181–185.
Gill P.E., Murray W. and Wright M.H. (1981): Practical optimization. Academic Press, London.
Kredler Ch. (1987): Efficient computation of directions with negative curvature. Report #31. DFG-Schwerpunkt: Anwendungsbezogene Optimierung und Steuerung.
Kredler Ch. (1990): Robust sequential active set programming: Theory and implementation details. Report #227. DFG-Schwerpunkt: Anwendungsbezog. Optimierung und Steuerung.
McCormick G.P. (1983): Nonlinear programming. Wiley, New York.
Ritter K. (1973): A superlinearly convergent method for minimization problems with linear inequality constraints. Math. Programming 4, 44–71.
Robinson S.M. (1972): A quadratically convergent algorithm for general nonlinear programming problems. Math. Programming 3, 145–156.
Schittkowski K. (1981): The nonlinear programming method of Wilson, Han and Powell with an augmented Lagrangian type line search function. Numer. Math. 38, 83–114.
User’s guide for PADMOS (1990). Inst. Angew. Math. u. Statistik, TU München.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1992 Springer-Verlag Berlin · Heidelberg
About this paper
Cite this paper
Kredler, C. (1992). PADMOS, ein MS-DOS-Programm für Nichtlineare Optimierung mit Automatischem Differenzieren. In: Bühler, W., Feichtinger, G., Hartl, R.F., Radermacher, F.J., Stähly, P. (eds) Papers of the 19th Annual Meeting / Vorträge der 19. Jahrestagung. Operations Research Proceedings, vol 1990. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-77254-2_17
Download citation
DOI: https://doi.org/10.1007/978-3-642-77254-2_17
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-55081-5
Online ISBN: 978-3-642-77254-2
eBook Packages: Springer Book Archive