Abstract
In this paper we consider nonlinear optimization problems of a separable form with nonconvex objective and convex constraints. A convexification procedure preserving separability is given in order that primal-dual methods are applicable. A globally convergent algorithm observing computational aspects is given. This algorithm was applied to a real world problem with 1007 variables and 4030 constraints for controlling the heads of a hydroenergy power station.
Zusammenfassung
In dieser Arbeit behandeln wir nichtlineare Optimierungsprobleme mit konvexen Restriktionen und nichtkonvexer Zielfunktion, die eine separierbare Struktur aufweisen. Um einen Primal-Dual-Algorithmus effizient anwenden zu können, wird das Ausgangsproblem konvexifiziert, ohne die separable Struktur zu zerstören. Für den entwickelten Algorithmus werden globale Konvergenzeigenschaften nachgewiesen. Mit diesem Verfahren wurde die optimale Höhensteuerung eines Speicherkraftwerks berechnet, wobei das dabei auftretende Optimierungsproblem 1007 Variable und 4030 Nebenbedingungen umfaßte.
This is a preview of subscription content, log in via an institution to check access.
Similar content being viewed by others
References
Bank, B., Guddat, J., Klatte, D., Kummer, B., Tammer, K.: Non-linear parametric optimization. Berlin: Akademie-Verlag 1982.
Bauer, W., Buchinger, S., Wacker, Hj.: Einsatz mathematischer Methoden bei der Hydroenergie-optimierung. ZAMM1983.
Bauer, W., Gfrerer, H., Wacker, Hj.: Optimization strategies of hydro energy storage plants. Inst. Ber. Nr. 228, Universität Linz, Mathem. Inst. (in preparation).
Bauer, W., Reisinger, H., Wacker, Hj.: Höhensteuerung eines Tagesspeicherkraftwerkes. ZOR26, 145–167 (1982).
Bazaraa, M. S., Shetty, C. M.: Foundations of optimization. (Lecture Notes in Economics and Mathematical Systems, Vol. 122.) Berlin-Heidelberg-New York: Springer 1976.
Bertsekas, D. P.: Convexification procedures and decomposition methods for nonconvex optimization problems. JOTA29, 169–197 (1979).
Everett, H.: Generalized Lagrange multiplier method for solving problems of optimum allocation of resources. Operations Research11, 399–417 (1963).
Fletcher, R.: Practical methods of optimizations, Vol. 2. New York: J. Wiley 1981.
Hestenes, M. R.: Multiplier and Gradient Methods. JOTA4, 303–320 (1969).
Hestenes, M. R.: Optimization theory: The finite dimensional case. New York: J. Wiley 1975.
Kato, T.: Perturbation theory for linear operators. Berlin-Heidelberg-New York: Springer 1976.
Lasdon, L. S.: Optimization theory for large systems. New York: Macmillan 1970.
Luenberger, D. G.: Introduction to linear and nonlinear programming. Reading, Mass.: Addison-Wesley 1973.
Schwetlick, H.: Numerische Lösung nichtlinearer Gleichungen. Berlin: VEB Deutscher Verlag der Wissenschaften 1979.
Stephanopoulos, G., Westerberg, A. W.: The use of Hestenes' method of multipliers to resolve dual gaps in engineering system optimization. JOTA15, 285–309 (1975).
Author information
Authors and Affiliations
Additional information
Parts of the work were supported by the Fonds zur Förderung der österr. Forschung.
Rights and permissions
About this article
Cite this article
Gfrerer, H. Globally convergent decomposition methods for nonconvex optimization problems. Computing 32, 199–227 (1984). https://doi.org/10.1007/BF02243573
Received:
Issue Date:
DOI: https://doi.org/10.1007/BF02243573