Παρουσίαση/Προβολή

Εικόνα επιλογής

Κυρτή Βελτιστοποίηση (Convex Optimization)

(INF528) -  Γεώργιος Αμανατίδης (Georgios Amanatidis)

Περιγραφή Μαθήματος

A) Θεμελιώσεις: Κυρτά σύνολα, συναρτήσεις και προβλήματα, δυισμός.

B) Εφαρμογές: προβλήματα προσεγγίσεων, εκτιμητικής, υπολογισμού ελάχιστου κόστους σε γράφους, προβλήματα γεωμετρίας, και συναφή προβλήματα.

Γ) Αλγόριθμοι: Ελαχιστοποίηση χωρίς και με περιορισμούς και μέθοδοι εσωτερικού σημείου.

Μετά την επιτυχή ολοκλήρωση του μαθήματος, ο φοιτητής θα είναι σε θέση:

  • Να μοντελοποιεί πραγματικά προβλήματα που ανακύπτουν στη Επιστήμη των Υπολογιστών και συναφείς επιστήμες ως προβλήματα μαθηματικού προγραμματισμού.
  • Να εντοπίζει τις βασικές ιδιότητες και χαρακτηριστικά ενός δοσμένου προβλήματος μαθηματικού προγραμματισμού, ιδιαιτέρως κατά πόσο το πρόβλημα είναι ή μπορεί να μετατραπεί σε πρόβλημα κυρτής βελτιστοποίησης.
  • Να χρησιμοποιεί και να κατασκευάζει αλγόριθμους που επιλύουν προβλήματα κυρτής βελτιστοποίησης, λαμβάνοντας υπόψη τις ιδιαιτερότητες του κάθε δοσμένου προβλήματος.

Συνιστώμενη Βιβλιογραφία
(main text) Convex Optimization, Stephen Boyd and Lieven Vandenberghe, Cambridge University Press, 1st edition, 2004, ISBN-13: 978-0521833783.
• Convex Optimization Algorithms, Dimitri P. Bertsekas, Athens Scientific, 1st edition, 2015, ISBN-13: 978-1886529281.
• Convex Analysis and Optimization, Dimitri Bertsekas, Angelica Nedic, and Asuman Ozdaglar, Athena Scientific, 1st edition, 2003, ISBN-13: 978-1886529458.

Ημερομηνία δημιουργίας

Τρίτη, 21 Ιανουαρίου 2025