Professur Algorithmische und Diskrete Mathematik
Algorithmische und Diskrete Mathematik
Professur Algorithmische und Diskrete Mathematik 

Algorithms for Convex Optimization
(B02; FM1, FD1-3, FO1-3)

Sommersemester 2023

now a reading course, please contact Christoph Helmberg by email if you are still interested in joining

LOGO

Kurzbeschreibung

Inhalt:

Basic methods in convex optimization (gradient-, subgradient-, cutting plane-, bundle-methods, semidefinite optimization), their computational complexity, applications.

Grundlegende Verfahren der konvexen Optimierung (Gradienten-, Subgradienten-, Schnittebenen-, Bündel-Verfahren, Semidefinite Optimierung), deren rechnerische Komplexität, Anwendungen.

Vorwissen:

Grundlagen der Optimierung

Prüfung:

mündliche Prüfung

Literatur

Wichtige/gute Quellen zur Vorlesung sind:
  • Y. Nesterov.
    Introductory Lectures on Convex Optimization,
    Kluwer Academic Publishers, Dordrecht, 2004.
    ISBN 1-2020-7553-7
  • J.F. Bonnans, J. Gilbert, C. Lemarechal, C.A. Sagastizabal.
    Numerical Optimization,
    Springer, Berlin Heidelberg 2006.
    ISBN 3-540-35445-X
  • A. Ben-Tal, A. Nemirovski.
    Lectures on Modern Convex Optimization,
    MPS-SIAM Series on Optimization, SIAM, Philadelphia, 2001.
    ISBN 0-89871-491-5
  • S. Boyd, L. Vandenberghe.
    Convex Optimization,
    Cambridge University Press, Cambridge, 2004, reprinted 2007 (with corrections).
    ISBN 0 521 83378 7
  • C. Helmberg.
    "Semidefinite Programming for Combinatorial Optimization",
    Habilitationsschrift, TU Berlin, January 2000.
    ZIB-Report ZR-00-34, Konrad-Zuse-Zentrum Berlin, October 2000.
    pdf-file, abstract

Zusatzmaterial

TUCaktuell