A Penalty Branch-and-Bound Method for Piecewise Convex Objective Functions

  • Die Dissertation beschäftigt sich mit einer neuartigen Art von Branch-and-Bound Algorithmen, deren Unterschied zu klassischen Branch-and-Bound Algorithmen darin besteht, dass das Branching durch die Addition von nicht-negativen Straftermen zur Zielfunktion erfolgt anstatt durch das Hinzufügen weiterer Nebenbedingungen. Die Arbeit zeigt die theoretische Korrektheit des Algorithmusprinzips für verschiedene allgemeine Klassen von Problemen und evaluiert die Methode für verschiedene konkrete Problemklassen. Für diese Problemklassen, genauer Monotone und Nicht-Monotone Gemischtganzzahlige Lineare Komplementaritätsprobleme und Gemischtganzzahlige Lineare Probleme, präsentiert die Arbeit verschiedene problemspezifische Verbesserungsmöglichkeiten und evaluiert diese numerisch. Weiterhin vergleicht die Arbeit die neue Methode mit verschiedenen Benchmark-Methoden mit größtenteils guten Ergebnissen und gibt einen Ausblick auf weitere Anwendungsgebiete und zu beantwortende Forschungsfragen.

Volltext Dateien herunterladen

Metadaten exportieren

Metadaten
Verfasserangaben:Lukas Winkel
URN:urn:nbn:de:hbz:385-1-20214
DOI:https://doi.org/10.25353/ubtr-xxxx-d3ff-b27b
Gutachter:Sven de Vries, Martin Schmidt
Betreuer:Sven de Vries, Martin Schmidt
Dokumentart:Dissertation
Sprache:Englisch
Datum der Fertigstellung:15.05.2023
Veröffentlichende Institution:Universität Trier
Titel verleihende Institution:Universität Trier, Fachbereich 4
Datum der Abschlussprüfung:26.01.0023
Datum der Freischaltung:25.05.2023
Freies Schlagwort / Tag:binary; branch-and-bound; complimentarity; non-convex; penalty
GND-Schlagwort:Branch-and-Bound-Methode; Gemischt-ganzzahlige Optimierung; Optimierung; Penalty-Methode
Seitenzahl:VII, 145 Seiten
Erste Seite:V
Letzte Seite:145
Institute:Fachbereich 4
DDC-Klassifikation:5 Naturwissenschaften und Mathematik / 51 Mathematik / 510 Mathematik
Lizenz (Deutsch):License LogoCC BY-NC: Creative-Commons-Lizenz 4.0 International

$Rev: 13581 $