040114 UK Optimization under Uncertainty (MA) (2024S)
Prüfungsimmanente Lehrveranstaltung
Labels
DIGITAL
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 12.02.2024 09:00 bis Mi 21.02.2024 12:00
- Anmeldung von Mo 04.03.2024 16:30 bis Di 12.03.2024 23:59
- Abmeldung bis Do 14.03.2024 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 Digital
- Montag 11.03. 08:00 - 09:30 Digital
- Montag 18.03. 08:00 - 09:30 Digital
- Montag 08.04. 08:00 - 09:30 Digital
- Montag 15.04. 08:00 - 09:30 Digital
- Montag 22.04. 08:00 - 09:30 Digital
- Montag 29.04. 08:00 - 09:30 Digital
- Montag 06.05. 08:00 - 09:30 Digital
- Montag 13.05. 08:00 - 09:30 Digital
- Montag 27.05. 08:00 - 09:30 Digital
- Montag 03.06. 08:00 - 09:30 Digital
- Montag 10.06. 08:00 - 09:30 Digital
- Montag 17.06. 08:00 - 09:30 Digital
- Montag 24.06. 08:00 - 09:30 Digital
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 optimization, in particular mean-variance optimization, expected utility, acceptability measures
2) Mixed Integer Optimization#
3) Recourse problems
4) Markov chains
5) Markov decision processes
2) Mixed Integer Optimization#
3) Recourse problems
4) Markov chains
5) Markov decision processes
Literatur
Cornuejols, Pena, Tütüncü (2018), Optimization Methods in Finance, 2nd edition, CambridgeHillier/Lieberman, Introduction to Operations Research, 7th edition
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Mo 04.03.2024 16:25