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