Universität Wien FIND

Auf Grund der COVID-19 Pandemie kann es bei Lehrveranstaltungen und Prüfungen auch kurzfristig zu Änderungen kommen. Informieren Sie sich laufend in u:find und checken Sie regelmäßig Ihre E-Mails.

Lesen Sie bitte die Informationen auf https://studieren.univie.ac.at/info.

250063 VO Nonlinear optimization (2021W)

6.00 ECTS (4.00 SWS), SPL 25 - Mathematik
DIGITAL
Di 30.11. 16:30-18:00 Digital

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Dienstag 05.10. 16:30 - 18:00 Digital
Mittwoch 06.10. 13:15 - 14:45 Digital
Seminarraum 11 Oskar-Morgenstern-Platz 1 2.Stock
Dienstag 12.10. 16:30 - 18:00 Digital
Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
Mittwoch 13.10. 13:15 - 14:45 Digital
Seminarraum 11 Oskar-Morgenstern-Platz 1 2.Stock
Dienstag 19.10. 16:30 - 18:00 Digital
Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
Mittwoch 20.10. 13:15 - 14:45 Digital
Seminarraum 11 Oskar-Morgenstern-Platz 1 2.Stock
Mittwoch 27.10. 13:15 - 14:45 Digital
Seminarraum 11 Oskar-Morgenstern-Platz 1 2.Stock
Mittwoch 03.11. 13:15 - 14:45 Digital
Seminarraum 11 Oskar-Morgenstern-Platz 1 2.Stock
Dienstag 09.11. 16:30 - 18:00 Digital
Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
Mittwoch 10.11. 13:15 - 14:45 Digital
Seminarraum 11 Oskar-Morgenstern-Platz 1 2.Stock
Dienstag 16.11. 16:30 - 18:00 Digital
Mittwoch 17.11. 13:15 - 14:45 Digital
Dienstag 23.11. 16:30 - 18:00 Digital
Mittwoch 24.11. 13:15 - 14:45 Digital
Mittwoch 01.12. 13:15 - 14:45 Digital
Dienstag 07.12. 16:30 - 18:00 Digital
Dienstag 14.12. 16:30 - 18:00 Digital
Mittwoch 15.12. 13:15 - 14:45 Digital
Dienstag 11.01. 16:30 - 18:00 Digital
Mittwoch 12.01. 13:15 - 14:45 Digital
Dienstag 18.01. 16:30 - 18:00 Digital
Mittwoch 19.01. 13:15 - 14:45 Digital
Dienstag 25.01. 16:30 - 18:00 Digital
Mittwoch 26.01. 13:15 - 14:45 Digital

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Goal is the thorough understanding of design, properties, and practical behavior of algorithms for the solution of smooth optimization problems with finitely many discrete and continuous variables, with and without constraints. Black box methods using function values only, local gradient-based methods and global (branch and bound) methods will be discussed. The emphasis will be on methods that scale well to high-dimensional problems. Complexity results will be derived where appropriate.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Exams are oral after the end of the semester, approx. 45 minutes, by personal arrangement.

Mindestanforderungen und Beurteilungsmaßstab

To follow the course you need a thorough knowledge of linear algebra, analysis, and numerical analysis.

To pass the exam you need to be able to give a coherent account of the concepts, algorithms and theorems presented, with motivations and outlines of the main arguments. For sehr gut (1) you need to be able to give proof details.

Prüfungsstoff

Relevant for the exam is the material from the lecture notes covered in the course.

Literatur

There will be detailed lecture notes for most of what is covered. Additional relevant literature will be given in the course during the first week.

Zuordnung im Vorlesungsverzeichnis

MAMO

Letzte Änderung: Mo 15.11.2021 13:49