Nonconvex Global Optimization

Worum geht's

Du lernst Methoden der globalen Optimierung nichtkonvexer und ggf. nichtglatter Zielfunktionen kennen und anzuwenden. Beginnend bei (stochastischen) Gradientenverfahren und Simulated Annealing arbeitest du dich zu multi‑partikel‑Verfahren wie Particle Swarm Optimization (PSO) und Consensus‑Based Optimization (CBO) vor und verstehst deren globale Konvergenzeigenschaften.

Was du danach kannst

Verstehen mathematischer Grundlagen globaler Optimierung
Implementieren von SGD, Simulated Annealing, PSO und CBO
Analysieren und Beweisen globaler Konvergenz für geeignete Klassen von Funktionen
Verstehen der Beziehungen zwischen PSO, CBO und Gradientenverfahren

Aus was das Modul besteht

VorlesungVermittlung der theoretischen Ergebnisse zu Methoden und Konvergenz
Übungen im VortragAufgaben werden während der Vorlesung gestellt (keine separaten Übungssitzungen)
Online/Präsenz-MixVorlesungen wechseln zwischen Präsenz und Zoom; alle Sitzungen werden gestreamt und aufgezeichnet

Lehrmethode

TheorievortragPräsentation und Beweisführung der mathematischen Ergebnisse
Aufgaben während der VorlesungVertiefung durch Übungsaufgaben in den Sitzungen
Live-Stream und AufzeichnungenErmöglichen Teilnahme online und spätere Nacharbeit

Solltest du schon können

MA0001 Analysis 1empfohlen
MA0002 Analysis 2empfohlen
MA0004 Linear Algebra 1empfohlen
MA0005 Linear Algebra 2 und Discrete Structuresempfohlen
MA0901 Lineare Algebra für Informatikempfohlen
MA0902 Analysis für Informatikempfohlen
IN0018 Diskrete Wahrscheinlichkeitstheorieempfohlen
MA0009 Introduction to Probability and Statisticsempfohlen
MA2012 Introduction to Optimizationempfohlen
MA4800 Foundations of Data Analysisempfohlen

Prüfung

Klausurschriftlich

Schriftliche Klausur, 90 Minuten. In der Prüfung zeigst du vertieftes Wissen zu Prinzipien der globalen Optimierung, leitest Methoden her, erklärst deren Eigenschaften und wendest sie auf konkrete Beispiele an. (Hilfsmittel wurden nicht angegeben.)

Literatur

arXiv:1310.5715
arXiv:2202.01009
arXiv:2012.05613
arXiv:2201.12460
arXiv:2103.15130
arXiv:2211.12184
arXiv:2001.11994
arXiv:2001.11988
arXiv:2306.09778

Termine

VorlesungNonconvex Global Optimization [CIT4130019]2 Gruppen zur Wahl

ADi.16:00–17:30
00.09.022, Übungsraum (5609.EG.022)
15× · 13.10.–02.02.
- 13.10.
- 20.10.
- 27.10.
- 03.11.
- 10.11.
- 17.11.
- 24.11.
- 01.12.
- 08.12.
- 15.12.
- 22.12.
- 12.01.
- 19.01.
- 26.01.
- 02.02.
BMi.16:00–17:30
03.10.011, Seminarraum (5610.03.011)
15× · 14.10.–03.02.
- 14.10.
- 21.10.
- 28.10.
- 04.11.
- 11.11.
- 18.11.
- 25.11.
- 02.12.
- 09.12.
- 16.12.
- 23.12.
- 13.01.
- 20.01.
- 27.01.
- 03.02.

Aus dem laufenden Semester, unverbindlich. Von mehreren Gruppen besucht man eine; der Stundenplan schlägt automatisch die mit den wenigsten Überschneidungen vor.

Filter