- Struktur freier und restringierter Optimierungsaufgaben verstehen;
- Aussagen zur Existenz und Eindeutigkeit einer Lösung kennen und anwenden;
- mit dem Newtonverfahren und wichtigen Varianten vertraut sein;
- das Verfahren der konjugierten Gradienten kennen;
- den Tangentialkegels einer Menge kennen;
- die theoretischen Grundlagen der linearen Optimierung verstehen;
- die grundlegenden Algorithmen der linearen und quadratischen Optimierung kennen;
|
Notwendige und hinreichenden Optimalitätsbedingungen erster und zweiter Ordnung; Liniensuchalgorithmen;
Newtonverfahren; Quasi-Newtonverfahren; Konvergenzaussagen für Optimierungsalgorithmen;
Analytische Aussagen zur rstringierten Optimierung; Sequential Quadratic Programming-Methoden.
|
