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)
Poslední úprava: G_M (07.05.2003)
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.
Poslední úprava: G_M (07.06.2005)
Literatura
Literatura: J. Nocedal, S. Wright: Numerical Optimization. Springer, 1999.
Poslední úprava: G_M (07.05.2003)
Sylabus -
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.
Poslední úprava: G_M (07.05.2003)
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.
