Modul 39-Inf-AOpt Applied Optimisation

Die Studierenden erlernen in den Vorlesungen und Übungen ein bestimmtes Problem als Optimierungsproblem zu formulieren und dessen Eigenschaften zu identifizieren. Abhängig von den Eigenschaften eines Problems können die Studierenden einen geeigneten Problemlöser auswählen und kennen die Eigenschaften gefundener Lösungen. Studierende können beliebte Toolboxen verwenden. Das Modul beinhaltet eine Klausur zu Semesterende.

Students learn in the lectures and the exercise courses to be able to phrase a given problem as optimization problem and to identify its properties. Depending on the latter, students are able to select a suitable problem solver and they know the properties of found solutions. Students are able to use popular toolboxes. The module includes an exam at the end of the term.

Das Ziel ist es, wichtige Modelle zur Formulierung von Optimierungsproblemen und wichtige algorithmische Ansätze zur Lösung dieser Probleme abzudecken. Dazu gehören Optimierung unter Berücksichtigung von Bedingungen (contraint optimization) sowie ohne Bedingungen (unconstraint optimization), lineare und konvexe Optimierung, Dualität, nichtlineare Optimierung, diskrete Optimierung und Relaxation. Einige wichtige Methoden werden behandelt, darunter konjugierte Gradienten, Quasi-Newton-Methoden wie LBFGS, innere Punktmethoden, Lagrange-Multiplikatoren und Barrierefunktionen sowie beispielhafte globale Methoden wie CMA-ES.

The goal is to cover important models to phrase optimization problems and important algorithmic approaches to solve those, including constraint versus unconstraint optimization, linear and convex optimization, duality, nonlinear optimization, discrete optimization and relaxation. A few important methods are covered including conjugate gradient, quasi Newton methods such as LBFGS, interior point methods, Lagrange multipliers and barrier functions and exemplary global methods such CMA-ES.

—

—