No label defined (Q3130263)

In dieser Arbeit werden zu Beginn die mit Zwei-Ebenen-Optimierungsaufgaben verbundenen Probleme, z.B. die Nichtdifferenzierbarkeit und Nichtkonvexität der Gesamtaufgabe selbst bei ausschließlich linearen Funktionen dargestellt. Danach wird ein Prototyp des später detailliert aufgezeigten Lösungsalgorithmus für den Fall einer stetig differenzierbaren Lösungsfunktion des inneren Problems beschrieben. Die wesentliche Vereinfachung resultiert aus der Existenz der Ableitungen der von der Lösungsfunktion der inneren Optimierungsaufgabe abhängigen Ziel- und Restriktionsfunktionen in der äußeren Minimierung. In der herkömmlichen Optimierung wird stets das Minimum einer Funktion gesucht. Die Lösungsmenge der unteren Ebene ist aber möglicherweise mehrelementig, so daß die Zielfunktion der Gesamtaufgabe dann eine Punkt-Menge-Abbildung ist. Damit ist unklar, was hier als Optimum aufgefaßt werden soll. Aus diesem Grunde wird eine zusätzliche mittlere Ebene eingeführt. Die Zielfunktion der dort enthaltenen Aufgabe gleicht der der oberen Ebene, aber es wird bezüglich der Variablen der unteren Ebene minimiert. Die Nebenbedingungen der oberen Ebene als Ganzes müssen entweder zu dieser neuen Aufgabe oder zum ursprünglichen äußeren Problem zugeordnet werden. Deshalb wird zwischen der Optimalität 1. Art und 2. Art unterschieden. Große Schwierigheiten erwachsen aus der möglichen Unstetigkeit der Lösung der unteren Ebene, die die Formulierung des Begriffes der schwachen Optimalität nach sich zieht. Für diese neu eingeführten Optimalitätsbegriffe wird die Existenz von optimalen Lösungen bewiesen. Den Kernpunkt dieser Arbeit stellt ein Algorithmus zur Bestimmung stationärer Punkte der Gesamtaufgabe dar. Die Grundidee besteht in der Regularisierung des Problems der unteren Ebene, so daß eine eindeutige optimale Lösung vorliegt. Diese wird in einem Verfahren der zulässigen Richtungen, das das Kuhn-Tucker-System der unteren Ebene enthält, verwendet. Die Konvergenz dieses Algorithmus für eine bestimmte Klasse von Zwei-Ebenen-Optimierungsaufgaben wird bewiesen. Am Ende der Arbeit finden sich Aussagen und Beispiele zur numerischen Realisierung des vorgestellten Algorithmus.