Optimization AlgorithmsModulbeschreibung #41016 / Version 1
- 6 LP
- Schriftliche Prüfung
- Benotet
- Wintersemester
- Englisch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
Zur aktuellen Version (v2)
| Modul / Version | #41016 / #1 |
|---|---|
| Gültigkeit | WiSe 2020/21 – SoSe 2023 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Toussaint, Marc |
| Benotung | Benotet |
| Prüfungsform | Schriftliche Prüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Technische Informatik und Mikroelektronik |
| Fachgebiet | 34342100 FG Lernende intelligente Systeme |
Kontakt
| Sekretariat | MAR 4-4 |
|---|---|
| Ansprechpartner*in | Toussaint, Marc |
| E-Mail-Adresse | office@lis.tu-berlin.de |
| Webseite | https://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.
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
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:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Optimization Algorithms | Integrierte Veranstaltung | Wintersemester | [en] | 4 | WiSe 2026/27 (2) ISIS |
Veranstaltungen im Vorlesungsverzeichnis
Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.
WiSe 2026/27 (2)
Optimization Algorithms (Integrierte Veranstaltung) 2
Arbeitsaufwand und Leistungspunkte
Optimization Algorithms (Integrierte Veranstaltung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 4 h | 60 h |
| Vor-/Nachbereitung | 15 | 8 h | 120 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
Grundlegende Programmierungskenntnisse, in C++ oder Python
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Die Prüfungsvoraussetzungen konnten nicht abgerufen werden.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Schriftliche Prüfung |
| Sprache | Englisch |
| Dauer/Umfang | 120 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