Optimalisatie/Optimization

Ga naar: navigatie, zoeken

Samenvattingen

Klik hier om de samenvattingen te bekijken

Informatie over het examen

Deze twee vakken delen dezelfde cursus en oefenzittingen. De lessen en het theoriegedeelte van het examen zijn verschillend. Het oefeningengedeelte van het examen is gelijk. Het oefeningenexamen is gebaseerd op de oefenzittingen in Matlab en wordt met behulp van de computer gemaakt, maar enkel geschreven antwoorden worden verbeterd, de computerbestanden worden na het examen gewist.

Examenvragen

2016-2017

Theoriegedeelte 'Optimalisatie' 16/1/2017 voormiddag

Voor het theoriegedeelte was zeker voldoende tijd voorzien.

  1. Beschouw de KKT voorwaarden.
    1. Geef een interpretatie van de Langrange multipliers (duale variabelen) n termen van gevoeligheid (sensitivity) van het probleem.
    2. Leg uit waarom (1.1.) in overeenstemming is met de eigenschap dat multipliers horende bij ongelijkheidsbeperkingen steeds groter dan of gelijk aan nul zijn.
  2. Beschouw het optimalisatieprobleem "min {||F(x)||_2}^2" waarbij F een functie is van R^n naar R^m met m groter dan of gelijk aan n.
    1. Leg uit hoe de Gauss-Newton methode werkt en leid de basisiteratie af.
    2. Bespreek de convergentie van de Gauss-Newton methode.
    3. Stel dat de vergelijkingen F(x) = 0 een (exacte) oplossing hebben. Hoe beïnvloedt dat de convergentiesnelheid. Waarom?
  3. Beschouw de BFGS methode voor het oplossen van optimalisatie problemen zonder beperkingen.
    1. Leg een verband met de secant methode voor het oplossen van niet lineaire vergelijkingen.
    2. Bespreek het (lokale) convergentiegedrag.
    3. Vergelijk de (exacte) methode van Newton met BFGS.
  4. Bespreek optimale controleproblemen.
    1. Hoe wordt zo'n probleem gedefinieerd?
    2. Leg in detail het verschil uit tussen de sequentiële aanpak en de simultane aanpak (sequential vs simultaneous approach).
    3. Leg uit hoe bij de sequentiële aanpak afgeleiden van de kostfunctie gegenereerd kunnen worden, steundende op de principes van algorithmic differentiation (AD). Een bondig antwoord is voldoende.

Theoriegedeelte 'Optimization' 16/1/2017 voormiddag

De overgeschreven vragen waren niet altijd even leesbaar, mijn excuses.

  1. Minimize f(x) s.t. h(x)=0.
    1. KKT-condition -> How are they related to the local minimum?
    2. SOSC -> How are they related to the local minimum?
    3. Derive N-L method for solving this problem. Give an interpretation of the its(??) in terms of a quadratic mode(??).
  2. Minimize x_1 s.t. x_1^2 + x_2^2 < 1.
    1. Dual variable mu -> L(x,mu)
    2. Dual function q. Verify dual problem is maxium (-1)/(4\mu) - mu s.t. mu(??) > 0.
    3. Solve the dual en recover the primal optimal.
    4. Verify that the primal solution is equal to (-1,0). Show that this satisfies FONC.
  3. Minimize 1/2 x^R Q X s.t. x \leq c, where c in R^n, Q in R^{nxn} is symmetric and positive semi-definite. Introduce y = ?? and show that the dual problem is the same as the original.
  4. Uncontrained: minimize f(x), where f is twice continuously differentiable.
    1. Write down the ?? corresponding to Newton's method.
    2. Canghe of varibles x = Ay, where A is square and invertible. Newtons method applied to h(y) = f(Ay) denoting its iterations by y_i. Show that if we start from y_0 such that x_0 = A y_0 that optimal x equals A times optimal y.

Oefeningengedeelte 16/1/2017 voormiddag

Voor de oefeningen was naar mijn aanvoelen te weinig tijd voorzien.

  1. Fitting voor een parabool (oefenzitting 1).
  2. Langrange-Newton (oefenzitting 4).