Navigation

Springe zum Hauptinhalt
Professur Numerische Mathematik (Partielle Differentialgleichungen)
Professur Numerische Mathematik (Partielle Differentialgleichungen)

Optimierung für Nichtmathematiker (2V, 2Ü)

Prof. HerzogWS2020/21

Dieser Kurs im OPAL

Die Lehrveranstaltung wird in diesem Semester über das im Bildungsportal Sachsen (OPAL) organisiert. Aufgrund der besonderen Lernsituation wird dort ein Skript zur Vorlesung und anderes Material zur Verfügung gestellt. Dazu finden Konsultationen zur Vorlesung sowie die Übungen per Videokonferenz statt. Die Veranstaltung beginnt in der ersten Vorlesungswoche (ab 12.10.2020). Diese Lehrveranstaltung richtet sich an Studierende aus den ingenieur- und wirtschaftswissenschaftlichen Studiengängen im Masterstudium sowie alle Interessierten.

Inhalt

Die mathematische Optimierung beschäftigt sich mit der Aufgabe, eine Zielfunktion unter Einhaltung von Beschränkungen zu minimieren oder zu maximieren. Anhand von Fallbeispielen aus verschiedenen Disziplinen werden zahlreiche Optimierungsaufgaben mathematisch modelliert und mit Hilfe vorhandener Verfahren aus der Matlab Optimization Toolbox gelöst. Die erhaltenen Lösungen werden anschließend überprüft und bewertet. Auch die Grundlagen der verwendeten Algorithmen werden vorgestellt.

Ziele der Lehrveranstaltung

Ziele der Lehrveranstaltung sind

Was wir von Ihnen erwarten

  • Besuchen Sie jede Woche die Vorlesung und die Übung.
  • Wiederholen Sie vor der Übung den Stoff der Vorlesung der jeweiligen Woche. Nutzen Sie dazu das Skript. Vollziehen Sie auch den in der Vorlesung gezeigten Matlab-Code nach. Planen Sie ungefähr 3 Stunden pro Woche Ihrer Zeit dafür ein.
  • Bereiten Sie sich auf die Übung vor, indem Sie den Übungszettel durcharbeiten und sich zu jeder Aufgabe Gedanken machen, wie Sie vorgehen könnten.
  • Bereiten Sie die Übung nach, indem Sie Ihre Lösung perfektionieren und nicht geschaffte Aufgaben nacharbeiten. Planen Sie dafür ungefähr weitere 3 Stunden pro Woche ein.
  • In der Vorlesung und Übung verwenden wir Matlab, ein weit verbreiteter Standard in Industrie und Wirtschaft. Diese Lehrveranstaltung ist aber kein Matlab-Programmierkurs. Abhängig von Ihren Vorkenntnissen müssen Sie mehr oder weniger Zeit zum Erlernen von Matlab verwenden. Es lohnt sich!
  • Besuchen Sie regelmäßig diese Webseite, um sich über Aktuelles zu informieren.
  • Wenn Sie etwas nicht verstanden haben, fragen Sie direkt in der Vorlesung, fragen Sie Ihren Übungsleiter oder kommen Sie in die Sprechstunde von Prof. Herzog. Warten Sie damit nicht bis zum Ende des Semesters.

Vorkenntnisse

Voraussetzung für die Teilnahme sind Grundkenntnisse in der linearen Algebra (Matrizen, Vektoren) sowie in der Differentialrechnung für Funktionen mehrerer Variabler (partielle Ableitung, Gradient). Bei der Auffrischung können Sie z.B. auf den Anhang vom Skript zur Vorlesung zurückgreifen.

Termine

Nummer Name Zeit Raum Details
220000-744
[Vorlesung] [digital]
Live-Veranstaltung (an Stundenplan gebunden)/ live-course (linked to the timetable)
Montag (Wöchentlich)
09:15-10:45
k.A.
220000-745
Optimierung für Nichtmathematiker / Optimization for Non-Mathematicians
[Übung] [digital]
Live-Veranstaltung (an Stundenplan gebunden)
Dienstag (Wöchentlich)
13:45-15:15
k.A.
220000-746
Optimierung für Nichtmathematiker / Optimization for Non-Mathematicians
[Übung] [digital]
Live-Veranstaltung (an Stundenplan gebunden)
Dienstag (Wöchentlich)
15:30-17:00
k.A.
220000-748
Optimierung für Nichtmathematiker / Optimization for Non-Mathematicians
[Übung] [digital]
Live-Veranstaltung (an Stundenplan gebunden)
Montag (Wöchentlich)
13:45-15:15
k.A.

Material zur Vorlesung

Ergänzende Literatur

Dokumentation der Matlab Optimization Toolbox: Optimierung in den Ingenieurwissenschaften: Optimierung allgemein: Lineare Optimierung: Ganzzahlige Optimierung: Konvexe Analysis und konvexe Optimierung: Nichtlineare Optimierung:

Benutzung von Matlab

Über die Landeslizenz Sachsen können Sie Matlab ohne Kosten auch auf Ihren eigenen Rechnern nutzen. Bitte verwenden Sie bevorzugt Linux.

Matlab-Einführungen

Es wird empfohlen, dass Sie sich durch den Besuch der Übungen und im Selbststudium mit den Grundlagen von Matlab vertraut machen (nicht nur für diese Lehrveranstaltung). Material dazu finden Sie hier.