Springe zum Hauptinhalt
Professur Algorithmische und Diskrete Mathematik
Algorithmische und Diskrete Mathematik
Professur Algorithmische und Diskrete Mathematik 

Logo der Arbeitsgruppe

Optimierung (für Nichtmathematiker)

Wintersemester 09/10

Vorlesung: C. Helmberg,
Übung: A. Lau

Prof. Christoph Helmberg

Vorlesung:

Mo 11:30 - 13:00, Raum 2/N102
Vorlesungsbeginn am 12.10.2009

Übung:

Mo 9:15 - 10:45, Raum 2/39/738
Übungsbeginn am 12.10.2009

Nächste Konsultation:


1.2.2010, 7.30 Uhr, Raum 2/39/733

Wichtig:

Für die Übungen benötigen Sie zusätzlich zum URZ-Login ein MRZ-Login.  Schreiben Sie zum Erhalt eines Logins bitte eine eMail an
mrz@mathematik.tu-chemnitz.de
mit Angabe von Name, Vorname, URZ-Login und Verweis auf diese Veranstaltung.


Kurzbeschreibung

Inhalt:

Einordnung von Optimierungsproblemen;
Optimalitätsbdingungen für freie und restringierte Optimierungsaufgaben;
Newton-, Line-Search-, Trustregion-Verfahren;
Lineare Optimierung: Dualität, Simplex- und Innere-Punkteverfahren;
Ganzzahlige Optimierung und Heuristiken;
Ableitungsfreie Optimierung

Zielgruppe:

Masterstudiengänge der Ingenieur- und Wirtschaftswissenschaften

Vorwissen:

Lineare Algebra, Differentialrechnung im R^n

Prüfung:

mündlich (Modulprüfung oder Schein mit Note)

Literatur

Optimierung allgemein:
Lineare Optimierung:
  • Robert J. Vanderbei; Linear Programming and Extensions, Kluwer Academic Publishers, Boston, 1996. ISBN 0-7923-9804-1.
Ganzzahlige Optimierung:
  • Alexander Schrijver; Theory of Linear and Integer Programming; Wiley 1986. ISBN 0-471-98232-6.
Konvexe Analysis und konvexe Optimierung: Nichtlineare Optimierung: Wiederholung: Zur Auffrischung des Grundlagenwissens ist beispielsweise
  • B. Luderer, U. Würker: Einstieg in die Wirtschaftsmathematik, 2003.
geeignet.

Vorlesungen

Das Gesamtdokument aller Präsentationen mit Seitennummern und Gliederung umfasst über 1000 Seiten und sollte daher nicht ausgedruckt werden.

Übungen

Konsultationen


AMPL und NEOS Server

AMPL ist eine Modellierungssprache für Optimierungsprobleme. Eine Reihe von Lösern für Optimierungsprobleme besitzen Interfaces für in AMPL modellierte Aufgaben. Eine freie Studentenversion von AMPL steht zum kostenlosen Download bereit. Diese ist zum Bearbeiten der Aufgaben nicht notwendig. Der NEOS-Server nimmt Optimierungsprobleme über das Internet (u.a. Web-Interface) entgegen, leitet diese an einen geeigneten Löser weiter und gibt deren Ausgabe zurück. Die Aufgabe muss dazu in einer für den ausgewählten Löser geeigneten Modellierungssprache formuliert sein, z.B. in AMPL.

 

Außerdem findet sich auf den NEOS-Seiten ein Auflistung verschiedenster Optimierungssoftware sowie eine Übersicht über verschiedene Typen von Optimierungsaufgaben.

Matlab