Veranstaltung

O. Stein, Grundzüge der Nichtlinearen Optimierung, 2. Aufl., SpringerSpektrum, 2021

Weiterführende Literatur:

• W. Alt, Nichtlineare Optimierung, Vieweg, 2002
• M.S. Bazaraa, H.D. Sherali, C.M. Shetty, Nonlinear Programming, Wiley, 1993
• O. Güler, Foundations of Optimization, Springer, 2010
• H.Th. Jongen, K. Meer, E. Triesch, Optimization Theory, Kluwer, 2004
• J. Nocedal, S. Wright, Numerical Optimization, Springer, 2000

Die Vorlesung behandelt die Minimierung glatter nichtlinearer Funktionen ohne Nebenbedingungen. Für solche Probleme, die in Wirtschafts-, Ingenieur- und Naturwissenschaften sehr häufig auftreten, werden Optimalitätsbedingungen hergeleitet und darauf basierende Lösungsalgorithmen entwickelt. Die Vorlesung ist wie folgt aufgebaut:

• Einführende Beispiele und Terminologie
• Lösbarkeit
• Optimalitätsbedingungen erster und zweiter Ordnung
• Algorithmen (Schrittweitensteuerung, Gradientenverfahren, Variable-Metrik-Verfahren, Newton-Verfahren, Quasi-Newton-Verfahren, CG-Verfahren, Trust-Region-Verfahren)

Die zur Vorlesung angebotene Übung bietet unter anderem Gelegenheit, einige Verfahren zu implementieren und an praxisnahen Beispielen zu testen.

Anmerkung:

Die Behandlung von Optimierungsproblemen mit Nebenbedingungen bildet den Inhalt der Vorlesung "Nichtlineare Optimierung II". Die Vorlesungen "Nichtlineare Optimierung I" und "Nichtlineare Optimierung II" werden nacheinander im selben Semester gelesen.

Lernziele:

Der/die Studierende

• kennt und versteht die Grundlagen der unrestringierten nichtlinearen Optimierung,
• ist in der Lage, moderne Techniken der unrestringierten nichtlinearen Optimierung in der Praxis auszuwählen, zu gestalten und einzusetzen.