13392 - Differenzierbare Optimierung Modulübersicht

Modulnummer: 13392
Modultitel:Differenzierbare Optimierung
  Differentiable Optimization
Einrichtung: Fakultät 1 - MINT - Mathematik, Informatik, Physik, Elektro- und Informationstechnik
Verantwortlich:
  • Prof. Dr. rer. nat. habil. Wachsmuth, Gerd
Lehr- und Prüfungssprache:Deutsch
Dauer:1 Semester
Angebotsturnus: sporadisch nach Ankündigung
Leistungspunkte: 8
Lernziele:Nach erfolgreichem Abschluss des Moduls besitzen die Studierenden einen Überblick über die Theorie, Numerik und Praxis der restringierten und unrestringierten differenzierbaren Optimierung.

Die Studenten kennen die Problemtypen der differenzierbaren Optimierung sowie die Theorie und Verfahren der differenzierbaren Optimierung. Sie können unterschiedliche Formulierungen eines Problems erstellen und bewerten, sowie geeignete Verfahren auswählen und beurteilen.
Durch die Ausarbeitung eines Projektes haben sie Erfahrungen im selbstständigen wissenschaftlichen Arbeiten gewonnen und die Präsentation der Ergebnisse vor der Gruppe haben sie die Darstellung und Vermittlung mathematischer Ergebnisse erlernt.
Inhalte:Unrestringierte Optimierung
Optimalitätskriterien, Sensitivität, Liniensuchverfahren (z.B. Gradientenverfahren, CG-Verfahren, Newtonverfahren, Quasinewtonverfahren) und Trust-Region-Verfahren, sowie deren Globalisierungen

Restringierte Optimierung
Karush-Kuhn-Tucker-Theorie (Bedingungen erster und zweiter Ordnung, Regularität), Sensitivität, Penalty- und Barrieremethoden, Augmentierte-Lagrange-Verfahren, Lagrange-Newton-Verfahren, SQP-Verfahren, nichtlineare Innere-Punkte-Verfahren
  • Ausarbeitung eines Projektes (selbstständige wissenschaftliche Arbeit)
  • Präsentation der Ergebnisse vor der Gruppe (Darstellung und Vermittlung mathematischer Ergebnisse)
Empfohlene Voraussetzungen:Kenntnisse des Stoffes der Module 
  • 11103: Analysis I
  • 11104: Analysis II
  • 11101: Lineare Algebra und analytische Geometrie I
  • 11102: Lineare Algebra und analytische Geometrie II
  • 11312: Optimierung I
Zwingende Voraussetzungen:keine
Lehrformen und Arbeitsumfang:
  • Vorlesung / 4 SWS
  • Übung / 2 SWS
  • Selbststudium / 150 Stunden
Unterrichtsmaterialien und Literaturhinweise:
  • W. Alt: Nichtlineare Optimierung. Vieweg, 2002.
  • C. Geiger, Ch. Kanzow: Numerische Verfahren zur Lösung unrestringierter Optimierungsaufgaben. Springer, 1999.
  • F. Jarre, J. Stoer: Optimierung. Springer, 2004.
  • J. Nocedal, S. Wright: Numerical Optimization. Springer, 1999.
  • M. Ulbrich, S. Ulbrich: Nichtlineare Optimierung. Springer, 2012
Modulprüfung:Voraussetzung + Modulabschlussprüfung (MAP)
Prüfungsleistung/en für Modulprüfung:Voraussetzung für die Modulabschlussprüfung:
  • erfolgreiche Bearbeitung von Hausaufgaben
Modulabschlussprüfung:
  • mündliche Prüfung, 30 min.
Bewertung der Modulprüfung:Prüfungsleistung - benotet
Teilnehmerbeschränkung:keine
Zuordnung zu Studiengängen:
  • Master (universitär) / Artificial Intelligence / PO 2022
  • Bachelor (universitär) / Informatik / PO 2008
  • Master (universitär) / Informatik / PO 2008
  • Bachelor (universitär) / Künstliche Intelligenz / PO 2022
  • Bachelor (universitär) / Mathematik / PO 2019
  • Bachelor (universitär) / Mathematik / PO 2023
  • Bachelor (universitär) - Duales Studium, praxisintegrierend / Mathematik - dual / PO 2023
  • Bachelor (universitär) / Physik / PO 2021
  • Bachelor (universitär) / Wirtschaftsmathematik / PO 2023
  • Bachelor (universitär) - Duales Studium, praxisintegrierend / Wirtschaftsmathematik - dual / PO 2023
Bemerkungen:
  • Studiengang Mathematik B.Sc.: Wahlpflichtmodul im Komplex „Vertiefung“
  • Studiengang Wirtschaftsmathematik B.Sc.: Wahlpflichtmodul im Komplex „Vertiefung“
  • Studiengang Physik B.Sc.: Wahlpflichtmodul im Grundstudium
  • Studiengang Informatik B.Sc.: Wahlpflichtmodul im Anwendungsfach „Mathematik“
  • Studiengang Informatik M. Sc.: Wahlpflichtmodul in „Mathematik“ oder im Anwendungsfach „Mathematik“
  • Studiengang Künstliche Intelligenz B.Sc.: Wahlpflichtmodul in Komplex „Mathematik“
  • Studiengang Artificial Intelligence M.Sc.: Wahlpflichtmodul im Komplex „Learning and Reasoning"
Veranstaltungen zum Modul:
  • Vorlesung: Differenzierbare Optimierung
  • Übung zur Vorlesung
  • Zugehörige Prüfung
Veranstaltungen im aktuellen Semester:
  • keine Zuordnung vorhanden
Auslaufmodul: Nachfolgemodul seit: 10.11.2022