Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage, wichtige Klassen von stochastischen Optimierungsproblemen zu formulieren und einfache Probleminstanzen softwarebasiert zu lösen. Zudem können sie wichtige theoretische Eigenschaften der untersuchten Modellklassen beschreiben und erklären. Die Studierenden sind in der Lage ihre Ergebnisse in der Gruppe zu diskutieren und zu begründen.

Risikoaverse Optimierung

Das Markowitz-Problem

Erwartungsnutzen

Rekursprobleme (zweistufig, mehrstufig)

Nonanticipativität, Value of Information und Wert der stochastischen Lösung

Wahrscheinlichkeitsnebenbedingungen

(Die L-Shaped Methode und weitere numerische Verfahren)

Lehrvorträge

Gruppenarbeit

Implementiertes Optimierungsmodell + mündliche Prüfung