Loading
     

Modulbeschreibung - Detailansicht

Wichtigste Meldungen anzeigenMeldungsfenster schließen
Moduldetails
Grundlagen der Konvexen Optimierung
Fakultät für Mathematik
TUMAFMA
9
1
1
MA2504
v1
2011S
2018S
Zuordnungen zu SPO-Versionen
Lehrveranstaltungen und Prüfungsveranstaltungen
Beschreibungen
Export
Allgemeine Daten (Modulhandbuch)
Master
Einsemestrig
Sommersemester
Englisch
Arbeitsaufwand (Work Load)
270
90
180
Studien- und Prüfungsleistungen
Die Prüfungsleistung wird in Form einer Klausur (90 Minuten) erbracht. In dieser wird überprüft, inwieweit die Studierenden die grundlegenden Konzepte und Methoden der konvexen Analysis und linearen Optimierung kennen und mit der zugrundeliegenden Geometrie vertraut sind sowie in der Praxis auftretende Probleme angemessen modellieren können.
N
J
Beschreibung
MA1001 Analysis 1, MA1002 Analysis 2, MA1101 Linear Algebra und Diskrete Strukturen 1, MA1102 Linear Algebra und Diskrete Strukturen 2,
Vorteilhaft: MA2501 Algorithmic Discrete Mathematics, MA2503 Introduction to Nonlinear Optimization
Nach der erfolgreichen Teilnahme am Modul kennen die Studierenden grundlegende Konzepte und Methoden der konvexen Optimierung und Linearen Algebra und können diese anwenden. Sie sind mit der zugrundeliegenden Geometrie vertraut und können in der Praxis auftretende Probleme modellieren.
convex sets, convex functions, projection, separation, subdifferential, optimality conditions, polyhedra, linear optimization problems, duality, (dual) simplex algorithm, Karush-Kuhn-Tucker conditions, selected applications and further topics of convex analysis and linear optimization
Das Modul wird als Vorlesung mit begleitender Übungsveranstaltung angeboten.
In der Vorlesung werden die Inhalte im Vortrag durch anschauliche Beispiele motiviert sowie durch Diskussion mit den Studierenden vermittelt. Die Vorlesung soll den Studierenden dabei auch als Motivation zur eigenständigen inhaltlichen Auseinandersetzung mit den Themen sowie zum Studium der Literatur dienen.
Jeweils passend zu den Vorlesungsinhalten werden in den Übungsveranstaltungen Aufgabenblätter und deren Lösungen angeboten, die die Studierenden zur selbstständigen Kontrolle sowie zur Vertiefung der gelernten Methoden und Konzepte nutzen. Nachdem dies anfangs durch Anleitung erfolgt, wird dies im Laufe des Semesters immer mehr selbstständig einzeln beziehungsweise gegebenenfalls auch in Kleingruppen vertieft.
Tafelarbeit, Übungsblätter
P. Gritzmann. Grundlagen der mathematischen Optimierung, Springer, 2013.
D. P. Bertsekas, A. Nedic, A. E. Ozdaglar. Convex Analysis and Optimization, Athena Scientific, 2003.
D. Bertsimas, J. N. Tsitsiklis. Introduction to Linear Optimization, Athena Scientific, 1997.
G. B. Dantzig, M. N. Thapa. Linear Programming 1: Introduction. Springer, 1997.
J.-B. Hiriart-Urruty, C. Lemarechal. Fundamentals of Convex Analysis, Springer, 2001.
C. H. Papadimitriou, K. Steiglitz. Combinatorial Optimization: Algorithms and Complexity. Dover, 1998.
R. T. Rockafellar. Convex Analysis, Princeton University Press, 1970.
A. Schrijver. Theory of Linear and Integer Programming. Wiley, 1986.
R. J. Vanderbei. Linear Programming, Foundations and Extensions, Springer, 2008.
Modulverantwortliche*r
Michael Ulbrich (mulbrich@ma.tum.de)