Konvexe Optimierung in Signalverarbeitung und Kommunikation
Vorlesung V1
Termin dienstags, ab 22. April 2025, 13:30 – 15:10 Uhr
Ort S101|A02
Dozent Dr. rer. nat. Tatiana Tatarenko
Sprache englisch
Übung Ü1
Termin donnerstags, ab 24. April 2025, 11:40 – 13:20 Uhr
Ort S306|053
Ansprechpartner Daniela Aguirre Salazar M.Sc.
ECTS (Vorlesung + Übung + Praktikum) 6 CPs
Prüfung
Termin siehe TUCaN
Ort siehe TUCaN
Ansprechpartner Dr. rer. nat. Tatiana Tatarenko
Erlaubte Hilfsmittel keine
Prüfungsrelevante Inhalte alle Vorlesungen und Übungen

Information zur Vorlesung und zur Übung

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.

Aufbau

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.

Inhalt

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

Unterlagen und allgemeine Literaturhinweise

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.