Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Optimization AlgorithmsModulbeschreibung #41016 / Version 1

← Zur Modulseite English version
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27). Zur aktuellen Version (v2)
Modul / Version#41016 / #1
GültigkeitWiSe 2020/21 – SoSe 2023
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte6
Modulverantwortliche*rToussaint, Marc
BenotungBenotet
PrüfungsformSchriftliche Prüfung
Lehrsprache(n)Englisch

Zugehörigkeit

FakultätFakultät IV
InstitutInstitut für Technische Informatik und Mikroelektronik
Fachgebiet34342100 FG Lernende intelligente Systeme

Kontakt

SekretariatMAR 4-4
Ansprechpartner*inToussaint, Marc
E-Mail-Adresseoffice@lis.tu-berlin.de
Webseitehttps://www.user.tu-berlin.de/mtoussai/teaching/index.html

Lernergebnisse

Die Studenten können Optimierungsalgorithmen entwickeln und anwenden.
Sie können Probleme adäquat als Mathematische Programme formalisieren.
Sie haben ein detailliertes Verständnis der verschiedenen Kategorien von Optimierungsproblems und -methoden.
Sie haben ein grundlegendes Verständnis der Theorie und Eigenschaften von Optimierungsalgorithmen.
Sie haben einen Überblick über und erste Erfahrung mit existierender Optimierungssoftware und können diese anwenden, um Optimierungsprobleme zu lösen.

Lehrinhalte

Der Kurs behandelt die kontinuierliche Optimierung. Der Fokus liegt auf nicht-linearen mathematischen Programmen (Optimierung unter Randbedingungen).

Teil 1 führt in effiziente 'downhill'-Methoden ohne Randbedingungen ein:
* Gradientenabstieg, Backtracking, Wolfe-Bedingungen, Konvergenzeigenschaften
* Covariante Gradienten, Newton-Verfahren, Quasi-Newtonverfahren, BFGS

Teil 2 führt in effiziente Optimierungsalgorithmen unter Randbedingungen ein:
* Grundlagen zu KKT Bedingungen
* Log-Barrier-Methode, Augmented Lagrangian, primal-dual Newton
* Phase I-Optimierung

Teil 3 diskutiert große, sparse, und strukturierte Probleme und Löser, Nicht-Konvexität und Anwendungen
* Existierende Software, CERES, strukturierte NLPs, constraint graphs
* Optimierung und Sampling um Nichtkonvexität zu behandeln
* Branch-and-bound-Methoden
* Applications in AI, Robotics, & ML

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Optimization AlgorithmsIntegrierte Veranstaltung Wintersemester[en]4 ISIS

Veranstaltungen im Vorlesungsverzeichnis

Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.

WiSe 2026/27 (2)

Optimization Algorithms (Integrierte Veranstaltung) 2

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Arbeitsaufwand und Leistungspunkte

Optimization Algorithms (Integrierte Veranstaltung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit154 h60 h
Vor-/Nachbereitung158 h120 h
180 h

Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Wöchentliche Vorlesungen, Übungen, und Hausaufgaben

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Gute Vorkenntnisse in linearer Algebra und Analysis
Grundlegende Programmierungskenntnisse, in C++ oder Python

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Die Prüfungsvoraussetzungen konnten nicht abgerufen werden.

Abschluss des Moduls

BenotungBenotet
PrüfungsformSchriftliche Prüfung
SpracheEnglisch
Dauer/Umfang120 min

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden: Wintersemester.

Maximale teilnehmende Personen

Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.

Anmeldeformalitäten

Siehe die Kursseite

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

nicht verfügbar

Empfohlene Literatur

Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge

Dieses Modul findet in keinem Studiengang Verwendung.

Sonstiges

Keine Angabe