|
|
|
||
Poslední úprava: T_KPMS (06.05.2014)
|
|
||
Poslední úprava: T_KPMS (06.05.2014)
Vybudovat základy moderní nekonvexní optimalizace a rozvinout studium stability úloh stochastického programování. Aplikovat tento aparát na vybrané stochastické optimalizační úlohy.
|
|
||
Poslední úprava: doc. RNDr. Petr Lachout, CSc. (10.10.2017)
K zakončení předmětu je nutno úspěšně složit zkoušku. |
|
||
Poslední úprava: T_KPMS (06.05.2014)
[1] Bonnans, J. F.; Shapiro, A.: Perturbation Analysis of Optimization Problems. Springer-Verlag, New York, 2000. [2] Rockafellar, R.T.; Wets, R. J.-B.: Variational Analysis, Springer, Berlin 1998. [3] Ruszczyński, A.; Shapiro, A; Eds.: "Stochastic Programming. Handbooks in OR & MS, volume 10,". Elsevier, Amsterdam, 2003. [4] Shapiro, A.; Dentcheva, D.; Ruszczyński, A.: "Lectures on Stochastic Programming: Modeling and Theory". MPS-SIAM, Philadelphia, 2009. |
|
||
Poslední úprava: T_KPMS (06.05.2014)
Přednáška. |
|
||
Poslední úprava: doc. RNDr. Petr Lachout, CSc. (14.02.2024)
+--------------------------------------------------------------------------- Požadavky ke zkoušce jsou: +--------------------------------------------------------------------------- Zkouška má pouze ústní část. Známka ze zkoušky se stanoví na základě hodnocení ústní části.
U zkoušky je zkoušena látka v rozsahu odpředneseném na přednášce a partií určených přednášejícím k samostudiu.
|
|
||
Poslední úprava: T_KPMS (06.05.2014)
Variační analýza 1) Konvexní analýza v konečné dimenzi. 2) Kužely a kosmický uzávěr. 3) Konvergence množin. 4) Multifunkce. 5) Epi-konvergence. 6) Variační analýza. 7) Subgradient a subdiferenciál. 8) Lipschitzovské vlastnosti. 9) Legendreova-Fenchelova dualita.
Citlivost úloh stochastického programování. 1) Stabilita v úlohách stochastického programování. 2) Metody parametrické optimalizace. Pravděpodobnostní metriky. 3) Metody asymptotické a robustní statistiky. |
|
||
Poslední úprava: doc. RNDr. Petr Lachout, CSc. (30.05.2018)
základy teorie optimalizace, konvexní analýza |