|
Lehrende: Prof. Dr.-Ing. Marius Pesavento; M.Sc. Yufan Fan
Veranstaltungsart:
Übung
Orga-Einheit: FB18 Elektrotechnik und Informationstechnik
Anzeige im Stundenplan:
UE Konvexe Optim.
Fach:
Anrechenbar für:
Semesterwochenstunden:
1
Unterrichtssprache:
Englisch
Min. | Max. Teilnehmerzahl:
- | -
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, disktrete Optimierung, gemischt ganz-zahlige Optimierung, Branch-and-Bound Verfahren, Branch-and-Cut Verfahren, Problem angepasste iterative Optimierungsansätze, Newton-Verfahren, Gradient Projection Verfahren, Conjugate Gradient Verfahren, Block-Coordinate Descent Verfahren, Successive Convex Approximation Verfahren, BSUM, Majorization-Maximization, Expectation Maximation Algorithm, Difference-of-Convex Procedure, Alternating Direction of Multiplier Method (ADMM), Schrittweitenregelung, Anwendungen
Literatur:
1. S. Boyd and L. Vandenberghe, Convex Optimization, Cambridge University Press, 2004. (online Verfügbar: http://www.stanford.edu/~boyd/cvxbook/)
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
|
