Zusammenfassung
Globale Optimierungstechniken, siehe beispielsweise Horst & Pardalos (1995), Floudas (2000), Floudas & Gounaris (2009) oder Misener & Floudas (2012), eignen sich zur Lösung nichtkonvexer NLP- oder MINLP-Probleme; wir meinen hierbei deterministische globale Optimierung, bei der ein global-optimaler Zielfunktionswert bis auf ein vorgegebenes ε > 0 berechnet werden kann. Nähert sich ε der Maschinengenauigkeit, so stellen sich grundsätzliche Fragen, die in der Disziplin Reliable Computing besser aufgehoben sind; wir beschränken uns daher hier auf ε > 10−6, was für die meisten praktischen Probleme auch völlig hinreichend ist. Limitierend wirkt in der Praxis der in der Anzahl der nichtlinear auftretenden Variablen expontiell anwachsende Rechenaufwand. Seit 2002 wurde eine Reihe von kommerziell verfügbaren Solvern, darunter Baron, Lindoglobal und Glomiqo, entwickelt, die systematisch in der Literaturübersicht des Artikels von Misener & Floudas (2012) beschrieben werden.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2013 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Kallrath, J. (2013). Globale Optimierung in der Praxis. In: Gemischt-ganzzahlige Optimierung: Modellierung in der Praxis. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-00690-7_11
Download citation
DOI: https://doi.org/10.1007/978-3-658-00690-7_11
Published:
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-658-00689-1
Online ISBN: 978-3-658-00690-7
eBook Packages: Life Science and Basic Disciplines (German Language)