Angewandte Optimierung in ökonomischen Problemen
Modulbezeichnung in Englisch: Applied optimization for economic problems
Prüfungsnummer: 6849
Semester: ab 1. Semester
Dauer des Moduls: Ein Semester
Art des Moduls (Pflicht, Wahl, etc.): Wahlpflicht
Häufigkeit des Angebots des Moduls: Jedes Sommersemester
Zugangsvoraussetzungen: Keine, grundlegende Programmierkenntnisse und/oder Erfahrung in der Anwendung der Statistiksoftware R sind von Vorteil.
Verwendbarkeit des Moduls für andere Studiengänge:
Pflicht- bzw. Wahlmodul für andere Studiengänge. Das Nähere regeln die Bestimmungen des entsprechenden Studiengangs.
Modulverantwortlicher/Modulverantwortliche: Prof. Dr. Georg Stadtmann
Name der/des Hochschullehrer/s: Prof. Dr. Georg Stadtmann, Dr. Carsten Croonenbroeck
Lehrsprache: Deutsch
Zahl der zugeteilten ECTS-Credits: 6
Gesamtworkload und ihre Zusammensetzung (z.B. Selbststudium + Kontaktzeit):
Kontaktzeit (Vorlesung, Übung, Seminar etc.) 60 Std.; Selbststudium: 120 Std.
Lehrveranstaltungsstunden (LVS): 4
Art der Prüfung/ Voraussetzung für die Vergabe von Leistungspunkten:
Erfolgreiche Teilnahme an der Klausur (120 Min.)
Gewichtung der Note in der Gesamtnote: Regeln die Bestimmungen des entsprechenden Studiengangs
Qualifikationsziele des Moduls:
In dem Modul werden die Grundlagen der fortgeschrittenen mathematischen Optimierungstheorie vermittelt. Zunächst erfolgt eine Wiederholung gradientbasierter Optimierungsansätze für Funktionen einer und mehrerer Veränderlicher. In diesem Zusammenhang werden auch die wesentlichen Grundlagen der linearen Algebra wiederholt. Anschließend erfolgt ein Überblick über lineare Optimierungsansätze, um dann zur Verallgemeinerung in nichtlinearen Problemen zu gelangen. Nach einem Einstieg in Optimierungsprobleme, die Nebenbedingungen unterliegen (constraint optimization) wird ein Schwerpunkt auf gradientfreie Verfahren gelegt. Hier werden verschiedene Ansätze detailliert beleuchtet, zueinander ins Verhältnis gesetzt, implementiert und konkret angewendet.
Inhalte des Moduls:
1. Einführung und lineare Algebra
2. Lineare Optimierung
3. Nichtlineare Optimierung
4. Gradientfreie Verfahren
5. Praktische Beispiele
6. Parallelisierung
Lehr- und Lernmethoden des Moduls:
Vorlesung mit integrierter Übung, Selbststudium.
Literatur (Pflichtlektüre/zusätzlich empfohlene Literatur):
Thomas Weise (2009): Global Optimization Algorithms – Theory and Application, online verfügbar unter https://www.it-weise.de/
Stephen Boyd, Lieven Vandenberghe (2004): Convex Optimization, Cambridge University Press, Cambridge, UK (ISBN: 978-0521833783)
Weitere Informationen:
Registrierung in Moodle Viadrina erforderlich.