040114 UK Optimization under Uncertainty (MA) (2019S)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 11.02.2019 09:00 bis Mi 20.02.2019 12:00
- Anmeldung von Di 26.02.2019 09:00 bis Mi 27.02.2019 12:00
- Abmeldung bis Do 14.03.2019 23:59
Details
max. 50 Teilnehmer*innen
Sprache: Englisch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Montag
04.03.
08:00 - 09:30
Seminarraum 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
Montag
11.03.
08:00 - 09:30
Seminarraum 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
Montag
18.03.
08:00 - 09:30
Seminarraum 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
Montag
25.03.
08:00 - 09:30
Seminarraum 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
Montag
01.04.
08:00 - 09:30
Seminarraum 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
Montag
08.04.
08:00 - 09:30
Seminarraum 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
Montag
29.04.
08:00 - 09:30
Seminarraum 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
Montag
06.05.
08:00 - 09:30
Seminarraum 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
Montag
13.05.
08:00 - 09:30
Seminarraum 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
Montag
20.05.
08:00 - 09:30
Seminarraum 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
Montag
27.05.
08:00 - 09:30
Seminarraum 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
Montag
03.06.
08:00 - 09:30
Seminarraum 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
Montag
17.06.
08:00 - 09:30
Seminarraum 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
Montag
24.06.
08:00 - 09:30
Seminarraum 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Study practically relevant aspects of operations research including in particular the consideration of uncertain input data (stochastic optimization, robust optimization)The main themes are discussed first in form of a lecture. Homeworks then give the opportunity to apply and deepen the teaching material.
Art der Leistungskontrolle und erlaubte Hilfsmittel
written exam, blackboard exercises
Mindestanforderungen und Beurteilungsmaßstab
This course should help graduate students to:
a) develop mathematical models for (real world) optimization problems
b) apply different concepts to treat uncertain input data in optimization and understand the consequences implied by choosing on of these techniquesThe test measures the ability to solve simple examples in the dicussed fields.
a) develop mathematical models for (real world) optimization problems
b) apply different concepts to treat uncertain input data in optimization and understand the consequences implied by choosing on of these techniquesThe test measures the ability to solve simple examples in the dicussed fields.
Prüfungsstoff
1) Single stage stochastic optmiization, in particular mean-variance optimization, expected utility, acceptability measures
2) Decision trees
3) Markov chains
4) Markov decision processes
2) Decision trees
3) Markov chains
4) Markov decision processes
Literatur
Hillier/Lieberman, Introduction to Operations Research, 7th edition, 2017
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Mo 07.09.2020 15:28