Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Optimierungs-AlgorithmenModulbeschreibung #41016 / Version 2

← Zur Modulseite English version
Modul / Version#41016 / #2
GültigkeitSeit WiSe 2023/24
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
* Differenzierbare Optimierung
* Konvexe Programme, bound constraints, Phase I

Teil 3 behandelt weiterführende Themen, die jährlich variieren; bspw.:
* Stochastische Gradienten Methoden zur NN-Optimierung
* No Free Lunch, Bayes'sche Optimierung, globale Optimierung
* Stochastische, black-box, & evolutionäre Algorithmen
* Existierende Software, CERES, strukturierte NLPs, constraint graphs

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, Programmieraufgaben 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 ISIS-Kurseseite

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

nicht verfügbar

Empfohlene Literatur

Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge

Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOSemesterStudiengangsbereich
Computational Engineering Science (Informationstechnik im Maschinenwesen)
StuPO 2018 (17.01.2018)
SoSe 20252. Kernbereich: Simulation und Optimierung
WiSe 2025/261. Kernbereich 1: Informatik und Mathematik
SoSe 20261. Kernbereich 1: Informatik und Mathematik
WiSe 2026/272. Kernbereich: Simulation und Optimierung
Computer Engineering
StuPO 2015
SoSe 2025Wahlpflicht Studiengebiete Fak. IV › Automatisierungstechnik / Automation and Control
WiSe 2025/26Wahlpflicht Studiengebiet B › Kognitive Systeme / Cognitive Systems
SoSe 2026Wahlpflicht Studiengebiet B › Kognitive Systeme / Cognitive Systems
WiSe 2026/27Wahlpflichtbereich › Studiengebiet B › Kognitive Systeme / Cognitive Systems
Computer Science (Informatik)
StuPO 2015
SoSe 2025Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems
WiSe 2025/26Studiengebiete › Kognitive Systeme / Cognitive Systems
SoSe 2026Studiengebiete › Kognitive Systeme / Cognitive Systems
WiSe 2026/27Wahlpflichtbereich › Studiengebiet › Kognitive Systeme / Cognitive Systems
Elektrotechnik
StuPO 2015
SoSe 2025Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems
WiSe 2025/26Wahlpflicht Studiengebiete Fak. IV › Automatisierungstechnik / Automation and Control
SoSe 2026Wahlpflicht Studiengebiet Automatisierungstechnik / Automation and Control › Wahlpflicht Automatisierungstechnik / Automation and Control
WiSe 2026/27Wahlpflichtbereich › Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems
ICT Innovation
StuPO 2020
SoSe 2025Studienrichtungen › Major: Embedded Systems › Exit year: Embedded Systems › Exit year Electives: Embedded Systems
WiSe 2025/26Studienrichtungen › Major: Embedded Systems › Exit year: Embedded Systems › Exit year Electives: Embedded Systems
SoSe 2026Studienrichtungen › Major: Embedded Systems › Exit year: Embedded Systems › Exit year Electives: Embedded Systems
Medieninformatik
StuPO 2017
SoSe 2025Wahlpflichtbereich › Technische Profilbereiche (A) › Profilbereich Mensch-Maschine-Interaktion
WiSe 2025/26Wahlpflichtbereich › Technische Profilbereiche (A) › Profilbereich Mensch-Maschine-Interaktion
SoSe 2026Wahlpflichtbereich › Technische Profilbereiche (A) › Profilbereich Mensch-Maschine-Interaktion
WiSe 2026/27Wahlpflichtbereich › Technische Profilbereiche (A) › Mensch-Maschine-Interaktion
Medientechnik
StuPO 2022
SoSe 2025Wahlpflicht weitere Profibereiche › weiterer Profilbereich Data Science
WiSe 2025/26Wahlpflicht weitere Profibereiche › weiterer Profilbereich Data Science
SoSe 2026Wahlpflichtbereich Profilbereiche › Profilbereich Mensch-Maschine-Interaktion
WiSe 2026/27Wahlpflichtbereich › Profilbereich › Mensch-Maschine-Interaktion
Physikalische Ingenieurwissenschaft
StuPO 2007 (19.12.2007)
SoSe 20252.1 Numerik und Simulation › 2.1b Ergänzungsbereich
WiSe 2025/262.1 Numerik und Simulation › 2.1b Ergänzungsbereich
SoSe 20262.1 Numerik und Simulation › 2.1b Ergänzungsbereich
Physikalische Ingenieurwissenschaft
StuPO 2020
SoSe 20252.1 Numerik und Simulation › 2.1b Ergänzungsbereich
WiSe 2025/262.1 Numerik und Simulation › 2.1b Ergänzungsbereich
SoSe 20262.1 Numerik und Simulation › 2.1b Ergänzungsbereich
WiSe 2026/272.1 Numerik und Simulation › 2.1b Ergänzungsbereich
Wirtschaftsingenieurwesen
StuPO 2026
WiSe 2026/27Ingenieurwissenschaften / Studienrichtungen › AI Engineering › Cognitive Systems

Sonstiges

Keine Angabe