Optimierung B.Sc.

Vorlesungen: Prof. Dr. Moritz Diehl            Übungen: Florian Messerer


Die Vorlesung (3 ECTS) vermittelt die Grundlagen und wichtigsten Algorithmen der (nichtlinearen) Optimierung, von Newton-artigen Verfahren über beschränkte Optimierung bis zu Anwendungen in maschinellem Lernen, optimaler Steuerung und Embedded Systems. Sie richtet sich an Studierende des B.Sc. Informatik und B.Sc. Embedded Systems Engineering.


Zeit: Freitags, 10:05 - 11:45 Uhr
Ort: HS 00 026, G.-Köhler-Allee 101 


Terminplan

TerminInhalt
23.10.!! Fällt aus !!
30.10.Vorlesung 1: Willkommen und Einführung
06.11.Übung 1
13.11.Vorlesung 2: Newton-artige Verfahren für unbeschränkte Optimierung
20.11.Vorlesung 3: Effiziente Ableitungsberechnung
27.11.Vorlesung 4: Optimierung für Neural Network Training
04.12.Übung 2
11.12.Vorlesung 5: Nichtlineare Optimierung mit Gleichungsbeschränkungen
18.12.Vorlesung 6: Optimierung für Optimale Steuerung
****** Weihnachtspause ***
08.01.Vorlesung 7: Nichtlineare Optimierung mit Ungleichungsbeschränkungen
15.01.Übung 3
22.01.Vorlesung 8: Lineare und Quadratische Optimierung
29.01.Vorlesung 9: Optimierung auf Embedded Systems
05.02.Vorlesung 10: Kombinatorische Optimierung 
12.02.Übung 4
18.03.Klausur (9:00 Uhr, 90 Minuten)

Studien- und Prüfungsleistung

Das Modul entspricht insgesamt 3 ECTS. Dafür sind die beiden folgenden Leistungen zu erbringen:

  • Bestehen des Halbzeit-Quiz (SL)
    • Angeboten via Ilias
    • Offen ab dem 4.12.2026, zu Bestehen bis 18.12.2026, 23:49
    • Beliebig viele Versuche (automatische Direktbewertung durch Ilias)
  • Bestehen der Klausur (PL)
    • Am 18.3.2027, 9:00 Uhr
    • Schriftlich, 90 Minuten
    • Keine Hilfsmittel bis auf den zum Schreiben benötigten Stift. Entwurfspapier (Schmierpapier) wird von uns gestellt.

Für manche Studiengänge wird die Klausur als SL gewertet. Mehr Details finden Sie hier.


Skript

Das Vorlesungsskript wird hier Schritt für Schritt veröffentlicht.


Vorlesungsaufzeichnungen

Vorlesung 1Kapitel 1 - Einführung
Vorlesung 2Kapitel 2 - Lokale und globale Minima
Kapitel 3 - Newton-artige Verfahren
Vorlesung 3 
Vorlesung 4 
Vorlesung 5 
Vorlesung 6 
Vorlesung 7 
Vorlesung 8 
Vorlesung 9 
Vorlesung 10 

Übungen

Die Übungen umfassen sowohl Aufgaben zum Bearbeiten von Hand als auch Aufgaben zum Bearbeiten am Computer mit Python.

Für die Übungen benutzen wir insbesondere auch das auf Optimierung spezialisierte Softwarepaket CasADi.

pip install numpy scipy matplotlib casadi 

Mehr Details zur Installation und eine Einführung zu CasADi finden sich in Übung 1.


Forum

Im Forum können Fragen aller Art gestellt werden, inhaltlich und organisatorisch.

Das Forum ist auf Ilias angelegt (Beitrittslink).


Kontakt: florian.messerer@imtek.uni-freiburg.de