000259459 001__ 259459
000259459 005__ 20240928175338.0
000259459 0247_ $$aG:(GEPRIS)415818537$$d415818537
000259459 035__ $$aG:(GEPRIS)415818537
000259459 040__ $$aGEPRIS$$chttp://gepris.its.kfa-juelich.de
000259459 150__ $$aLokalisierte Reduzierte-Basis-Methoden für Parameteroptimierung bei partiellen Differentialgleichungen$$y2018 - 2023
000259459 371__ $$aProfessor Dr. Mario Ohlberger
000259459 371__ $$aDr. Felix Schindler
000259459 371__ $$aProfessor Dr. Stefan Volkwein
000259459 450__ $$aDFG project G:(GEPRIS)415818537$$wd$$y2018 - 2023
000259459 5101_ $$0I:(DE-588b)2007744-0$$aDeutsche Forschungsgemeinschaft$$bDFG
000259459 680__ $$aDas Projekt untersucht die Anwendung von Modellreduktion für Parameter-Optimierung bei elliptischen Differentialgleichungen. Das Ziel ist ein neues Paradigma für Optimierungsprobleme bei partiellen Differentialgleichungen basierend auf Online-Enrichment. Die wesentliche Idee ist es, eine lokalisierte Version der Reduzierten-Basis-Methode (RBM) zu entwickeln, die wir lokalisierte Reduzierten-Basis-Methode (LRBM) nennen. Dieses Vorgehen erlaubt es uns, die gewünschte Approximationsqualität der RBM in jeder Iteration des Optimierungsverfahrens während der Online-Phase zu gewährleisten. Eine lokalisierte A-Posteriori-Fehleranalyse sichert ferner die Konvergenz der LRBM-Lösung gegen die des unendlich-dimensionalen Parameter-Optimierungsproblems. Im Falle einer unzureichenden Approximation wird die LRBM nur lokal nachgebessert, was sehr effizient geschehen kann. Die Strategie wird anhand von numerischen Multiskalenproblemen, von auf Trust-Region-Globalisierungen basierenden Optimierungsverfahren und von iterativ regularisierenden Gauß-Newton-Algorithmen.
000259459 909CO $$ooai:juser.fz-juelich.de:926062$$pauthority$$pauthority:GRANT
000259459 909CO $$ooai:juser.fz-juelich.de:926062
000259459 980__ $$aG
000259459 980__ $$aAUTHORITY