The language was changed to English.

Course Type (SWS)
Lecture: 2 │ Exercise: 1 │ Lab: 1 │ Seminar: 0
Exam Number:
Exam Code:
Type of Lecture:

Each part of the course comprises plenary lectures and exercises on the blackboard, as well as computer-lab sessions with Matlab. Most of the software presented in the course is written live during the computer-lab sessions.

Language: English
Cycle: WS
ECTS: 5
Exam Type

The exam is split into two parts: A theoretical part, in which students solve given optimization problems using pen a paper (2/3 of the final mark), and a practical part in which students solve a given optimization problem using Matlab (1/3 of the final mark). To pass the exam, a minimum of 40% of the points corresponding to each part must be attained.

assigned Study Courses
assigned People
assigned Modules
Information
Beschreibung:

Der Inhalt dieser Lehrveranstaltung besteht aus 5 Kapiteln. Jedes Kapitel widmet sich einer Familie von Optimierungsproblemen und bietet einen tiefen Einblick in mindestens ein praxisrelevantes Problem, einschließlich dessen Lösung mit Matlab.

1) Lineare Optimierungsprobleme: Simplex-Verfahren 2) Nichtlineare Optimierungsprobleme: Gradientenverfahren, Newton-Verfahren

3) Nichtlineare Optimierungsprobleme mit Nebenbedingungen: Penalty-Verfahren, Lagrange-Verfahren, SQP-Verfahren

4) Einführung in die Variationsrechnung

5) Einführung in die Optimalsteuerung

 

Lernziele:

Diese Lehrveranstaltung widmet sich den Grundalgorithmen zur Lösung von linearen und nichtlinearen Optimierungsproblemen mit Nebenbedingungen, einschließlich der direkten Diskretisierung von Optimalsteuerungsproblemen. Der Schwerpunkt wird auf den geschulten Einsatz von den modernsten Algorithmen der Optimization-Toolbox von Matlab gelegt.

Die Studierenden werden in die Lage versetzt, praktische Optimierungsprobleme mit Softwarepaketen wie Matlab effizient anzugehen.

Literatur:
Vorleistung:
Infolink:
Bemerkung:
Description:

The course is organized in five parts, each part focusing on the understanding of one family of optimization problems. In each part, at least one practical problem will be discussed in detail and subsequently solved using Matlab.

1) Linear optimization problems: Simplex method 2) Unconstrained nonlinear problem: Basic descent methods, Newton methods

3) Constrained nonlinear problems: Penalty and barrier methods, Lagrange methods, Sequential quadratic programming methods

4) Introduction to calculus of variations

5) Introduction to optimal control

 

Learning Targets:

This course focuses on the basic methods for solving linear and nonlinear constrained optimization problems, including the direct discretization of optimal control problems, making special emphasis in the educated use of the state-of-the-art routines offered by Matlab’s optimization toolbox.

The goal of the course is to train the students on how to solve practical optimization problems efficiently using tools like Matlab.

Literature:
Pre-Qualifications:
Info Link:
Notice: