Nichtlineare Optimierung

Prof. Dr. Kathrin Klamroth

Inhalt

In der Vorlesung werden unrestringierte nichtlineare Optimierungsprobleme und -verfahren behandelt.Problemeinführung, Anwendungen und Motivation

1. Allgemeine Abstiegsverfahren
2. Konvergenz und Konvergenzgeschwindigkeit
3. Gradientenverfahren
4. Newton Verfahren und Quasi-Newton Verfahren

Es werden sowohl theoretische Hintergründe als auch Algorithmen für die praktische Umsetzung vermittelt.
In den Übungen wird auch die Modellierung praktischer Probleme und die Anwendung verschiedener Optimierungsverfahren geübt.

Voraussetzungen

Das Seminar richtet sich an Studierende im Master Mathematik. Grundkenntnisse in Optimierung werden vorausgesetzt. Außerdem sind Programmierkenntnisse (z.B. in Matlab) zur Bearbeitung der Übungsaufgaben hilfreich.

Termine

Die Vorlesung startet in digitaler Form am 20.04.2020. Der Beginn der Übungen wird in der Vorlesung bekanntgegeben.

Achtung: Es werden bereits vor Beginn der Vorlesung Materialien zum Selbststudium im moodle-Kurs hochgeladen.

Präsenztermine (Beginn wird im moodle-Kurs angekündigt):

Vorlesung: Montag 10–12 Uhr c.t. in G 16.09, Dienstag 10–12 Uhr c.t. in HS27
Übung: Dienstag 14-16 Uhr c.t. in D 13.15

Moodle-Kurs:

Bitte schreiben Sie sich möglichst bis zum 06.04.2020 in den moodle-Kurs ein, um aktuelle Meldungen zu bekommen.

https://moodle.uni-wuppertal.de/course/view.php?id=19682

Passwort: armijo

Literatur

• S. Boyd und L. Vandenberghe: Convex Optimization, Cambridge University Press 2009, http://web.stanford.edu/~boyd/cvxbook/
• C. Geiger und C. Kanzow: Numerische Verfahren zur Lösung unrestringierter Optimierungsaufgaben, Springer 1999
• C. Geiger und C. Kanzow: Theorie und Numerik restringierter Optimierungsaufgaben, Springer 2002