269011 VO Numerische Methoden III - Optimierung (2022S)

Grundlagen der stetigen Optimierung von Theorie mit einfachen Beweisen bis zu numerischen Methoden, Grundlagen in Analysis und (numerischer) Linearer Algebra sind hilfreich (z.b. Numerical Methods 1&2), aber nicht unbedingt notwendig.

Themen: Liniensuche und Trust Region, Newton und (large-scale) Quasi-Newton, Nichtlineare konjugierte Gradienten Verfahren, Theorie der (nicht-linearen) Optimierung mit Nebenbedingungen, Lineare Programmierung, (sequentielle) quadratische Programmierung, Penalty und augmented Lagrangian Methoden, Innere-Punkt Methoden.
Schwerpunkte werden theoretische wie auch praktische numerische Aspekte (e.g. machine learning, python scikit-learn, (nonlinear) dimensionality reduction, etc) sein.

Der Vorlesung fehlen leider die zugehörigen Übungen. Daher werden Übungsaufgaben zusätzlich zur Verfügung gestellt, welche auf freiwilliger Basis bearbeitet werden können.