Lehrinhalte
Diese stellt die grundlegende Theory der Konvexen Optimierung vor und erläutert anhand von zahlreichen Beispielen ihre Anwendung in der digitalen Signalverareitung und in mobile Kommunikationssystemen.
Übersicht: Einführung, konvexe Mengen und Funktionen, konvexe Optimierungsprobleme und Klassen wichtiger konvexer Probleme (LP, QP, SOCP, SDP, GP), Lagrange Dualität and KKT Bedingungen, Grundlagen der Numerischen Optimierung und der Innere-Punkt-Verfahren, Optimierungstools, innere und äußere Approximationsverfahren für nichtkonvexe Probleme, Sparse Optimization, verteilte Optimierung, gemischt ganzzahlige lineare und nichtlineare Optimierung, Anwendungen.
Literatur
1. S. Boyd and L. Vandenberghe, Convex Optimization, Cambridge University Press, 2004. (online Verfügbar: [url]http://www.stanford.edu/~boyd/cvxbook/[/url])
2. D. P. Bertsekas, Nonlinear Programming, Athena Scientific, Belmont, Massachusetts, 2nd Ed., 1999.
3. Daniel P. Palomar and Yonina C. Eldar, Convex Optimization in Signal Processing and Communications, Cambridge University Press, 2009.
Voraussetzungen
Kenntnisse in der linearen Algebra, Grundkenntnisse in der Signalverabeitung und Kommunikationstechnik.
Online-Angebote
Moodle
Diese stellt die grundlegende Theory der Konvexen Optimierung vor und erläutert anhand von zahlreichen Beispielen ihre Anwendung in der digitalen Signalverareitung und in mobile Kommunikationssystemen.
Übersicht: Einführung, konvexe Mengen und Funktionen, konvexe Optimierungsprobleme und Klassen wichtiger konvexer Probleme (LP, QP, SOCP, SDP, GP), Lagrange Dualität and KKT Bedingungen, Grundlagen der Numerischen Optimierung und der Innere-Punkt-Verfahren, Optimierungstools, innere und äußere Approximationsverfahren für nichtkonvexe Probleme, Sparse Optimization, verteilte Optimierung, gemischt ganzzahlige lineare und nichtlineare Optimierung, Anwendungen.
Literatur
1. S. Boyd and L. Vandenberghe, Convex Optimization, Cambridge University Press, 2004. (online Verfügbar: [url]http://www.stanford.edu/~boyd/cvxbook/[/url])
2. D. P. Bertsekas, Nonlinear Programming, Athena Scientific, Belmont, Massachusetts, 2nd Ed., 1999.
3. Daniel P. Palomar and Yonina C. Eldar, Convex Optimization in Signal Processing and Communications, Cambridge University Press, 2009.
Voraussetzungen
Kenntnisse in der linearen Algebra, Grundkenntnisse in der Signalverabeitung und Kommunikationstechnik.
Online-Angebote
Moodle
- Lehrende: Marius Pesavento
Semester: SoSe 2019