Alle Materialien, wie Vorlesungsfolien, Übungsblätter und Musterlösungen stehen in Moodle zum Herunterladen bereit. Die Vorlesung und die Übung finden jede Woche statt und dauern jeweils zwei Vorlesungs- bzw. Übungseinheiten.

Es handelt sich um eine '2+1+1'-Veranstaltung, die aus Vorlesungsteil, Übungsteil und Praktikumsteil besteht. Gehalten wird die Vorlesung von Dr.rer.nat. Tatiana Tatarenko jeweils im Sommersemester.

Die Sprache der Vorlesung ist Englisch:

Im Rahmen der Vorlesung werden zentrale Konzepte und Methoden der konvexen Optimierung vorgestellt. Die behandelten Themen orientieren sich sowohl an theoretischen Grundlagen als auch an praxisnahen Anwendungen in ingenieurwissenschaftlichen Kontexten.

Geplante Themen:

• Grundlagen konvexer Mengen und Funktionen
• Dualitätstheorie und Lagrange-Dualität
• Formulierung und Analyse konvexer Optimierungsprobleme
• Support Vector Machines (SVM)
• Konische Optimierung, insbesondere Semidefinite Programmierung (SDP)
• Anwendungen wie Beamforming und robuste Optimierung
• Iterative Verfahren erster Ordnung
  • Gradientenverfahren
  • Projektionsmethoden
• Verfahren zweiter Ordnung: Newton-Verfahren
• Interior-Point-Methoden und Strafterm-Verfahren
• Verteilte Optimierung und Konsensus in Multiagentensystemen
• Ausblick: Nicht-konvexe Optimierungsprobleme

Vertiefenden Literatur:

• S. Boyd and L. Vandenberghe, Convex Optimization, Cambridge University Press, 2004. (online Verfügbar: http://www.stanford.edu/~boyd/cvxbook/)
• D. P. Bertsekas, Nonlinear Programming, Athena Scientific, Belmont, Massachusetts, 2nd Ed., 1999.
• Daniel P. Palomar and Yonina C. Eldar, Convex Optimization in Signal Processing and Communications, Cambridge University Press, 2009.