Titel Englisch: Stochastic programming

Bereich: Ma Erweiterungsbereich

Wahlpflichtmodul

Schwerpunkt: Optimierung

DUISBURG

Studierbar ab Fachsemester: M1

ECTS-Punkte: 9,

Prüfungsform: Die ECTS-Punkte werden auf Grund einer mündlichen Prüfung innerhalb von drei der Veranstaltung folgenden Monaten vergeben. Innerhalb von sechs Monaten nach der Prüfung besteht Möglichkeit zur Nachprüfung. Die Prüfungsleistung wird benotet. Die Lehrenden werden die Modalitäten der Prüfung zu Beginn der Veranstaltungen festlegen.

Sprache: In der Regel Englisch.

Verantwortlich:
Prof. Dr. Rüdiger Schultz.

Angebotsturnus:
WS, nicht jährlich

Stochastische Optimierung

Vorlesung/4 SWS und Übung/2 SWS

Inhalt

  • Lineare stochastische Optimierungsprobleme,
  • Lineare gemischt-ganzzahlige stochastische Optimierungsprobleme,
  • Lösungsverfahren: Regularisierte Dekomposition, Szenario-Dekomposition,
  • Branch-and-Fix Koordination,
  • Struktur und Algorithmik für Aufgaben mit Risikoaversion

Lernziele

Das Modul vermittelt spezielle Kenntnisse zur Theorie und Algorithmik der Optimierung unter Ungewissheit. Die Teilnehmer erlernen Modellierungstechniken und Ansätze zur softwaretechnischen Realisierung. Die Teilnehmer erwerben so vertiefende Kenntnisse in einem Teilgebiet der Optimierung an der Schnittstelle mit Stochastik und Maßtheorie. Die Fragestellungen dieses Gebietes sind in den meisten praktischen Problemstellungen relevant, prominente Beispiele sind die unsicheren Prognosen des Bedarfs, die Berücksichtigung von Ausfallwahrscheinlichkeiten in Fragestellungen der Produktionsoptimierung oder Kursentwicklungen in Portfolio-Optimierungen.

Literatur

  • Birge, Louveaux: Introduction to Stochastic Programming. Springer 1997
  • Kall, Wallace: Stochastic Programming. Wiley 1994
  • Prekopa: Stochastic Programming. Kluwer 1995
  • Ruszczynski, Shapiro: Stochastic Programming. Elsevier 2003
  • Shapiro, Dentcheva, Ruszczynski: Lectures on Stochastic Programming, MPS-SIAM 2009

Weitere Literatur wird in den Veranstaltungen bekanntgegeben.

Arbeitsaufwand

270 Stunden (davon 90 Stunden Präsenz)

Voraussetzungen (empfohlen)


Optimierung I
Stochastik