SubjectsSubjects(version: 837)
Course, academic year 2018/2019
   Login via CAS
Convex optimization - NMMB409
Title in English: Konvexní optimalizace
Guaranteed by: Department of Algebra (32-KA)
Faculty: Faculty of Mathematics and Physics
Actual: from 2018 to 2019
Semester: winter
E-Credits: 9
Hours per week, examination: winter s.:4/2 C+Ex [hours/week]
Capacity: unlimited
Min. number of students: unlimited
State of the course: taught
Language: Czech, English
Teaching methods: full-time
Guarantor: RNDr. Alexandr Kazda, Ph.D.
Class: M Mgr. MMIB
M Mgr. MMIB > Povinné
Classification: Mathematics > Algebra
Annotation -
Last update: doc. Mgr. et Mgr. Jan Žemlička, Ph.D. (11.05.2018)
Compulsory course for the programme Mathematics for Information Technologies.
Course completion requirements - Czech
Last update: RNDr. Alexandr Kazda, Ph.D. (18.10.2017)

Zápočet se uděluje za zisk aspoň dvou třetin, tj. 160 bodů z 240 možných bodů. Body lze získat za 12 sad domácích úkolů a 12 písemek (po 10 bodech za kus), které budou zadávány během celého semestru.

Zápočet je nutnou podmínkou účasti u zkoušky. Charakter zápočtu (průběžné písemky a domácí úkoly) neumožňuje opakování zápočtu.

Literature -
Last update: T_KA (30.04.2015)

S. Boyd, L. Vandengerghe, Convex Optimization, Cambridge University Press 2004,

http://web.stanford.edu/~boyd/cvxbook/bv_cvxbook.pdf

Requirements to the exam - Czech
Last update: RNDr. Alexandr Kazda, Ph.D. (05.10.2017)

Zkouška je ústní. Požadavky odpovídají sylabu předmětu v rozsahu, v jakém je prezentován na přednášce.

Syllabus -
Last update: doc. Mgr. et Mgr. Jan Žemlička, Ph.D. (11.05.2018)

1. Convex and affine sets, their properties.

2. Convex functions, their properties, conjunct function, quasiconvex functions.

3. Convex optimization problems, convex optimization, linear optimization, quadratic optimization, geometric programming, vector optimization.

4. Duality, Lagrange dual function, Lagrange dual problem, geometric interpretation, perturbation and sensitivity analysis.

5. Algorithms for minimization without constraints.

6. Algorithms for optimization with constraints in the form of equalities.

7. Interior point methods.

8. Applications in approximation.

9. Geometric applications.

 
Charles University | Information system of Charles University | http://www.cuni.cz/UKEN-329.html