Modern Algorithms in Numerical Optimisation - NMOD038

• Title: Moderní algoritmy numerické optimalizace
• Guaranteed by: Ústav teorie informace a automatizace AV ČR, v.v.i. (32-UTIAAV)
• Faculty: Faculty of Mathematics and Physics
• Actual: from 2022
• Semester: winter
• E-Credits: 3
• Hours per week, examination: winter s.:2/0, Ex [HT]
• Capacity: unlimited
• Min. number of students: unlimited
• 4EU+: no
• Virtual mobility / capacity: no
• State of the course: cancelled
• Language: Czech
• Teaching methods: full-time
• Teaching methods: full-time
• Guarantor: prof. Michal Kočvara, DrSc.
• Classification: Mathematics > Optimization
• Interchangeability : NMNV627
• Is incompatible with: NMNV627
• Is interchangeable with: NMNV627

Annotation

English

Last update: G_M (07.06.2005)

Convex sets, convex functions. Elements of non-conditioned optimization. one-dimensional problems (line-search), methods of the type trust-region. Practical Newton's methods. Elements of conditioned optimization, optimality conditions. Quadratic programming, sequential quadratic programming. Methods of penalization and methods of an internal point for convex and non-convex conditioned optimization. Semidefinite programming.

Czech

Last update: G_M (07.05.2003)

Přednáška je určena pro: 4. a 5.ročník a PGDS Anotace: Cílem přednášky je seznámit studenty s moderními algoritmy nelineární optimalizace. Přednáška bude zaměřena na efektivní řešení rozsáhlých problémů a bude ilustrována úlohami z praxe. Předpokládané znalosti: základní kurs analýzy (směrové derivace, tot. diferenciál, věty o střední hodnotě a implicitní funkci) a lineární algebry (norma matice, vlastní čísla)

Literature

Last update: G_M (07.05.2003)

Literatura: J. Nocedal, S. Wright: Numerical Optimization. Springer, 1999.

Syllabus

English

Last update: G_M (07.06.2005)

Convex sets, convex functions. Elements of non-conditioned optimization. one-dimensional problems (line-search), methods of the type trust-region. Practical Newton's methods. Elements of conditioned optimization, optimality conditions. Quadratic programming, sequential quadratic programming. Methods of penalization and methods of an internal point for convex and non-convex conditioned optimization. Semidefinite programming.

Czech

Last update: G_M (07.05.2003)

Konvexní množiny, konvexní funkce. Základy nepodmíněné optimalizace, jednorozměrné úlohy (line-search), metody typu trust-region. Praktické Newtonovy metody. Základy podmíněné optimalizace, podmínky optimality. Kvadratické programování, sekvenční kvadratické programování. Metody penalizační a metody vnitřního bodu pro konvexní a nekonvexní podmíněnou optimalizaci. Semidefinitní programováni.