Stochastische Optimierung

Worum geht's

Du lernst Grundlagen und Methoden der stochastischen Optimierung kennen und übst, wie man reale Entscheidungsprobleme unter Unsicherheit als stochastische Optimierungsprobleme formuliert und numerisch löst. Am Ende kannst du zwei‑ und mehrstufige Modelle verstehen, Risikomaße einbeziehen und Lösungsansätze mit Software (MATLAB + numerische Solver) anwenden.

Was du danach kannst

• Grundlegende Theorie der stochastischen Optimierung verstehen
• Grenzen und Annahmen der Theorie kritisch reflektieren
• Lösungsansätze in MATLAB mit numerischen Solvern implementieren
• Reale Probleme unter Unsicherheit als stochastische Optimierungsmodelle formulieren
• Ergebnisse wissenschaftlich kommunizieren

Aus was das Modul besteht

• VorlesungVermittlung der theoretischen Grundlagen der stochastischen Optimierung
• Lab/ÜbungAnwendung der Theorie in Übungsaufgaben und MATLAB‑Implementierungen; Präsentation der Lösungen
• HausaufgabenPraktische Bearbeitung von Fallbeispielen zur Vertiefung und Bewertung

Lehrmethode

• VorlesungErklärt die Theorie, auf der die praktischen Aufgaben aufbauen
• Übung/LabErmöglicht praktische Anwendung, Programmierung und Präsentation der Ergebnisse
• SelbststudiumErgänzt Vorlesungsinhalte und dient der Vorbereitung und Bearbeitung der Aufgaben
• Diskussionen/PräsentationenFördern kritische Reflexion der Theorie und die wissenschaftliche Kommunikation