Aufgabe 1 (12 Punkte)

Ähnliche Dokumente
Aufgabe 1 (7 Punkte) Prüfung Optimierung dynamischer Systeme ( 6) = lim p. Techn. Mechanik & Fahrzeugdynamik

Aufgabe 1 (11 Punkte)

Aufgabe 1 (3 Punkte) m m 2. Prüfungsklausur Technische Mechanik I. Techn. Mechanik & Fahrzeugdynamik

Aufgabe 1 (6 Punkte) Prüfungsklausur Technische Mechanik I. Techn. Mechanik & Fahrzeugdynamik

Aufgabe 1 (12 Punkte) Fall i Fall ii Fall iii. Prüfungsklausur Technische Mechanik I. Begründung: Techn. Mechanik & Fahrzeugdynamik

Aufgabe 1 (19 Punkte)

Aufgabe 1 (14 Punkte)

Aufgabe 1 (9 Punkte) Prüfungsklausur Technische Mechanik I. Techn. Mechanik & Fahrzeugdynamik

TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Grundlagen der Nichtlinearen Optimierung. Klausur zur Vorlesung WS 2008/09

Optimierung. Optimierung. Vorlesung 5 Optimierung mit Nebenbedingungen Thomas Brox, Fabian Kuhn

= = > > Aufgabe 1 (6 Punkte) Institut für Technische und Num. Mechanik Technische Mechanik IV Profs. P. Eberhard / M. Hanss WS 2014/15 K 2

FK WMS: Wirtschaftsmathematik 2, Einheit 7/8

Aufgabe 1 (7 Punkte) y x y x. Prüfungsklausur Technische Mechanik III. Techn. Mechanik & Fahrzeugdynamik

Mathematische Werkzeuge R. Neubecker, WS 2016 / 2017

Kuhn-Tucker Bedingung

Optimieren unter Nebenbedingungen

Probeklausur Optimierung

Institut für Technische und Num. Mechanik Technische Mechanik III Prof. Dr.-Ing. Prof. E. h. P. Eberhard WS 08/09 K 2. Aufgabe 1 (5 Punkte)

Mathematische Werkzeuge R. Neubecker, WS 2018 / 2019 Optimierung Lagrange-Funktionen, Karush-Kuhn-Tucker-Bedingungen

() = Aufgabe 1 ( Punkte) Institut für Technische und Num. Mechanik Technische Mechanik II/III Profs. Eberhard / Seifried SS 2012 P 2

Aufgabe 1 (7 Punkte) Prüfungsklausur Technische Mechanik II

Name Vorname Fachrichtg. Matrikelnr. Punkte Klausur Aufgabe max. Punkte Punkte. Bitte beachten!

Mathematische Grundlagen II (CES) WS 2015/2016 Klausur am Informationen zur Klausur

Klausur zum Fach Mathematik 1 Teil 1

KLAUSUR zu Einführung in die Optimierung. Studiengang: Bachelor Master Diplom (bitte ankreuzen)

Inhaltsverzeichnis. Innere-Punkte-Verfahren 3. Inhaltsverzeichnis 1

Kapitel 12. Lagrange-Funktion. Josef Leydold Mathematik für VW WS 2017/18 12 Lagrange-Funktion 1 / 28. f (x, y) g(x, y) = c. f (x, y) = x y 2

Öffnen Sie den Klausurbogen erst nach Aufforderung! Mathematische Grundlagen II (CES) SS 2016 Klausur

KLAUSUR. Analysis (E-Technik/Mechatronik/W-Ing) Prof. Dr. Werner Seiler Dr. Matthias Fetzer, Dominik Wulf

TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Semestrale (Wiederholung) HÖHERE MATHEMATIK 3 für Chemieingenieurwesen

Mathematische Behandlung der Natur- und Wirtschaftswissenschaften I. f(x) := e x + x.

A 2. c 11. Aufgabe 1 (12 Punkte) Institut für Technische und Num. Mechanik Technische Mechanik IV Prof. Dr.-Ing. Prof. E.h. P. Eberhard SS 2010 P 1

Aufgabe 1 (7 Punkte) Prüfungsklausur Technische Mechanik II. v A im Punkt A die Geschwindigkei-

Klausur. Wir wünschen Ihnen viel Erfolg! Klausur Mathematik für Informatiker und Softwaretechniker

Optimal-trennende Hyperebenen und die Support Vector Machine. Volker Tresp

Übungen zur Ingenieur-Mathematik III WS 2011/12 Blatt Aufgabe 25: Berechnen Sie den kritischen Punkt der Funktion

Öffnen Sie den Klausurbogen erst nach Aufforderung! Mathematische Grundlagen II (CES) SS 2017 Klausur

Lehrstuhl II für Mathematik. Bachelor-Prüfung/Diplom-Vorprüfung/Zwischenprüfung. Höhere Mathematik I. Matrikelnummer:

Konvexe Optimierungsprobleme

Klausur. Wir wünschen Ihnen viel Erfolg! Klausur Höhere Mathematik Teil

Topologie und Differentialrechnung mehrerer Veränderlicher, SS 2009 Modulprüfung/Abschlussklausur. Aufgabe Punkte

Studientag zur Algorithmischen Mathematik

Das Trust-Region-Verfahren

Öffnen Sie den Klausurbogen erst nach Aufforderung! Mathematische Grundlagen II (CES) WS 2016/17 Klausur

Kuhn-Tucker-Bedingung

Kuhn-Tucker-Bedingung

Mustererkennung. Support Vector Machines. R. Neubecker, WS 2018 / Support Vector Machines

Mathematische Grundlagen für Wirtschaftswissenschaftler Leseprobe - Abschnitt 6.5 (das agraökonomische Schaf )

Aufgabensammlung zum UK Mathematische Optimierung

Lehrstuhl II für Mathematik. Bachelor-Prüfung/Diplom-Vorprüfung/Zwischenprüfung. Höhere Mathematik I

Lösungsskizzen zu den Klausuraufgaben zum Kurs 1142 Algorithmische Mathematik. a 0 = 0 =

3 Optimierung mehrdimensionaler Funktionen f : R n R

UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009

Übung 5, Analytische Optimierung

Modulklausur Konstruktion und Analyse ökonomischer Modelle

9 Optimierung mehrdimensionaler reeller Funktionen f : R n R

MAV-NUM Applied Numerics Frühlingssemester Serie 14. a) (1 Punkt) Berechnen Sie die LR-Zerlegung der Matrix und geben Sie L, R und P an.

2 Extrema unter Nebenbedingungen

Propädeutik Klausur in Analysis für Wirtschaftswissenschaftler

Klausur zum Fach Mathematik 1 Teil 1

Modulprüfung BA 04 Mathematik: Grundlagen der Mathematik C: Geometrie, Algebra und Zahlentheorie

Lehrstuhl II für Mathematik. Bachelor-Prüfung/Diplom-Vorprüfung/Zwischenprüfung. Höhere Mathematik I

Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II. x 2

Klausur zur Vorlesung Ausgewählte Kapitel der Ingenieurmathematik

Musterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Klausur Mathematik für Physiker 3 (Analysis 2) I... II...

Newton- und und Quasi-Newton-Methoden in der Optimierung. János Mayer

Aufgabenkomplex 5: Hauptachsentransformation, Lineare Optimierung, Differentialrechnung in mehreren Veränderlichen

Prüfungsklausur Digitale Signalverarbeitung Ergebnis der Klausur

Klausur VWL III (Methoden der Volkswirtschaftslehre) Sommersemester August 2006 Professor Dr. Ekkehart Schlicht. Neue Prüfungsordnung

Lagrange-Multiplikatoren

Klausur Wirtschafts- und Finanzmathematik

MATHEMATIK I für Bauingenieure und Berufspädagogen

KAPITEL 3. Konvexe Funktionen

f = f = f = Institut für Technische und Num. Mechanik Prof. P. Eberhard / Dr.-Ing. F. Fleißner WS 2017/18 P März 2018

Nachklausur zur Analysis 2, SoSe 2017

Matrikel-Nr.: Nachholklausur Wirtschafts- und Finanzmathematik

Matr.-Nummer Fachrichtung

Fachhochschule Bochum Fachhochschule Münster Fachhochschule Südwestfalen

Prüfung zur Vorlesung Mathematik I/II

Mathematik 2 für Wirtschaftsinformatik

Wirtschaftsmathematik/Statistik SS 2009

Optimale Steuerung 1

Klausur Numerisches Rechnen ( ) (Musterlösung)

Variante A. Hinweise

TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Semestrale Lineare Algebra 1 Prof. Dr. F. Roesler

Nachholklausur zur Vorlesung Schätzen und Testen I. 04. April Bitte ausfüllen und unterschreiben!!!

1. Hausaufgabenblatt (16.04./ )

Technische Universität Clausthal

Prüfung zur Vorlesung Mathematik I/II

f(x) f(x 0 ) lokales Maximum x U : gilt, so heißt x 0 isoliertes lokales Minimum lokales Minimum Ferner nennen wir x 0 Extremum.

Klausur zur Vorlesung Einführung in das Operations Research im Wintersemester 2005/2006

Multivariate Analysis

Klausur zum Fach Höhere Mathematik 2 für Elektrotechnik Teil 2

Höhere Mathematik III. Variante A

Wirtschaftsmathematik 00054: Mathematik für Wirtschaftswissenschaftler II Kurseinheit 2: Lineare Algebra II

TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Wiederholungsklausur Mathematik für Physiker 3 (Analysis 2) I... II...

Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 2016

TECHNISCHE MECHANIK A (STATIK)

Klausur zur Höheren Mathematik 1/2

Transkript:

Techn. Mechanik & Fahrzeugdynamik Optimierung Prof. Dr.-Ing. habil. D. Bestle 7. September 8 Familienname, Vorname Matrikel-Nummer Prüfung Optimierung dynamischer Systeme Fachrichtung. Die Prüfung umfasst 6 Aufgaben auf 6 Blättern.. Nur vorgelegte Fragen beantworten, keine Zwischenrechnungen eintragen. 3. Alle Ergebnisse sind grundsätzlich in den gegebenen Größen auszudrücken. 4. Die Blätter der Prüfung dürfen nicht getrennt werden.. Zugelassene Hilfsmittel: Fachliteratur, eigene Aufzeichnungen, Taschenrechner; keine Mobiltelefone! 6. Bearbeitungszeit: 9 min 7. Unterschreiben Sie die Prüfung bitte erst beim Eintragen Ihres Namens in die Sitzliste. Aufgabe ( Punkte) Eine Familie sucht für den Sommerurlaub eine Ferienwohnung mit mindestens zwei Schlafzimmern. Eine Recherche für den gewünschten Badeort ergibt nebenstehende Angebote i mit Preisangabe P i, Entfernung E i zum Strand und Schlafzimmeranzahl S i. Die Familie hat höchstens 3. zur Verfügung. a) Formulieren Sie ein sinnvolles Optimierungsproblem für die Familie: Entwurfsvariable: Entwurfsziele: Nebenbedingungen: b) Tragen Sie alle zulässigen Angebote in den Kriterienraum ein und bezeichnen Sie die Punkte jeweils durch den Index i der entsprechenden Ferienwohnung. E i /[m]. i P i in [ ] E i in [m] S i..4.8 3.4.4 3 4. 4 3. 6 3.9 3 7.8.6 3 8.8 6 9.6.4... (Unterschrift). Punkte Note Gesamtpunktzahl: 74 zum Bestehen erforderlich: 37.. 3. 4. /[ ] P i

c) Welche Ferienwohnungen bilden für die Familie optimale Kompromisse? i { } d) Für eine Entscheidungsfindung wendet die Familie das Prinzip der Kniesuche an. Welche Ferienwohnung ist demnach auszuwählen? Machen Sie das Vorgehen im Kriterienraum sichtbar. = i Aufgabe (3 Punkte) Die die zu minimierende Gütefunktion eines unrestringierten Optimierungsproblems lautet f ( ) = p cos p + p ( ) ( ) p. ( p + ) a) Bestimmen Sie den Gradienten und die Hessematrix. f =, = f. b) Welcher Gradient und welche Hesse-Matrix ergeben sich am Entwurfspunkt p = [ ] T? f, = 3 f, = f = f = 3, f = f =, f = f = c) Welche Suchrichtung in p würde das Newton-Verfahren für den nächsten Iterationsschritt vorschlagen? s = = ( Formel ) d) Bestimmen Sie die Funktion der Liniensuche an der Stelle p in Richtung von s. p ( ) α = ( ) α f =

p. Zeichnen Sie die Suchrichtung s am Entwurfspunkt p in die Abbildung ein und bestimmen Sie grafisch das Maximum p der Liniensuche. e) Das nachfolgende Bild zeigt die Höhenlinien der Funktion f ( ) Aufgabe 3 (8 Punkte) Für die Liniensuche des Optimierungsproblems aus Aufgabe ergibt sich an T einem anderen Entwurfspunkt p = [. π,.] folgende Funktion f ( α) : f p 4 3 -... 3 3. 4 4. α p - 3 4 p Die Suche nach dem Minimierer α * soll ausgehend von α = mit dem Goldenen Schnitt Algorithmus durchgeführt werden. a) Suchen Sie zunächst ein Einschließungsintervall für den Minimierer α * ausgehend von der Anfangsschrittweite α =. Welches erste sichere Einschließungsintervall erhält man am Ende der Suche? Machen Sie die ausgeführten Iterationsschritte graphisch sichtbar. α i f i [ ] α*, b) Führen Sie ausgehend vom gefundenen Einschließungsintervall zwei Intervallteilungsschritte nach den Goldenen Schnitt Regeln aus und geben Sie das Ergebnisintervall an, in dem der Minimierer α * sicher liegt. Iteration Einschließungsintervall Zwischenpunkte α LINKS α RECHTS α links α rechts [ ] α*,

Aufgabe 4 ( Punkte) Das Optimierungsproblem aus Aufgabe wird um zwei Nebenbedingungen erweitert, d.h. min cos +, 4, 3 ( + ) p p p p p p p ( ) ( ) ( ), und soll mit Hilfe der Karush-Kuhn-Tucker Bedingungen gelöst werden. a) Wie lautet das Problem in Standardform? ( ) ( ) min cos p p + p = mit P p p P ( + ) p b) Wie lautet die Lagrange-Funktion? L = c) Wie lauten die Karush-Kuhn-Tucker Bedingungen für obiges Problem? p p μ μ = = = = =, μ h =, μ =, μh =, μ d) Wie viele Fälle sind zu untersuchen? 4 6 8 6 3 e) Reduzieren Sie die KKT-Bedingungen auf den Fall, dass die Nebenbedingung p 4 aktiv und die andere inaktiv ist. p =, = μ = p f) Welche Lösung ergibt sich daraus? p * =, μ * = g) Welche Aussage kann man über den Punkt p * machen? p * ist Minimierer p * könnte Minimierer sein h) Skizzieren Sie im Entwurfsraum die Nebenbedingungen und bestimmen Sie graphisch den tatsächlichen Minimierer p. p 4 3 global - 3 4 p

Aufgabe (7 Punkte) Das restringierte Optimierungsproblem aus Aufgabe 4 soll nun mittels SUMT- Verfahren gelöst werden. a) Welche Art von Verfahren kann benutzt werden, um das restringierte Optimierungsproblem in ein unrestringiertes zu überführen? Penalty-Verfahren Barriere-Verfahren b) Formulieren Sie die Ersatzgütefunktion des unrestringierten Optimierungsproblems unter Verwendung des Penalty-Verfahrens. p 4 3 Φ = p, const. für Φ p mit p *, p *. c) Die nebenstehende Abbildung zeigt die Höhenlinien Φ ( r) = r =.8. Markieren Sie die lokalen Minimierer von (,.8) d) Welcher der beiden Minimierer ist zulässig im Sinne des Originalproblems in Aufgabe 4? - 3 4 p p * p * beide keiner

Aufgabe 6 (4 Punkte) Für das Mehrkriterienoptimierungsproblem pp ( ) { } mit P= p p i 3 für i =, p min p P f ( p) sind die optimalen Kompromisse zu finden. a) Kennzeichnen Sie die Menge der zulässigen Entwürfe im Entwurfsraum mit P. p d) Zeichnen Sie die Nebenbedingungen Kriterienraum ein. f.. 8 6 4 8 f b) Invertieren Sie die Abbildung f ( p ) des Vektorkriteriums in p( f ). f = pp p = f = ( p ) p = c) Transformieren Sie die Nebenbedingungen in den Kriterienraum. p p 3 p p 3 p. e) Kennzeichnen Sie die Pareto-optimalen Lösungen sowohl im Kriterienraum als auch im Entwurfsraum. f) Beschreiben Sie die Pareto-optimale Front im Kriterienraum mathematisch. P F = f { } E N D E