- Sprache
- Englisch
- Lehrende
- Dr. rer. nat. Tatiana Tatarenko
Lehrinhalte
Diese stellt die grundlegende Theory der Konvexen Optimierung vor und erläutert anhand von zahlreichen Beispielen ihre Anwendung in der digitalen Signalverareitung und in mobile Kommunikationssystemen. Übersicht: Einführung, konvexe Mengen und Funktionen, konvexe Optimierungsprobleme und Klassen wichtiger konvexer Probleme (LP, QP, SOCP, SDP, GP), Lagrange Dualität and KKT Bedingungen, Grundlagen der Numerischen Optimierung und der Innere-Punkt-Verfahren, Optimierungstools, innere und äußere Approximationsverfahren für nichtkonvexe Probleme, Sparse Optimization, verteilte Optimierung, gemischt ganzzahlige lineare und nichtlineare Optimierung, disktrete Optimierung, gemischt ganz-zahlige Optimierung, Branch-and-Bound Verfahren, Branch-and-Cut Verfahren, Problem angepasste iterative Optimierungsansätze, Newton-Verfahren, Gradient Projection Verfahren, Conjugate Gradient Verfahren, Block-Coordinate Descent Verfahren, Successive Convex Approximation Verfahren, BSUM, Majorization-Maximization, Expectation Maximation Algorithm, Difference-of-Convex Procedure, Alternating Direction of Multiplier Method (ADMM), Schrittweitenregelung, Anwendungen