Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage grundlegende Optimierungsaufgaben, die im betrieblichen Umfeld auftreten, selbständig zu analysieren, als Optimierungsproblem mit / ohne Nebenbedingungen zu formulieren, analytisch zu lösen bzw. in R zu implementieren.
Statische Optimierung:
- Lagrange Theorie
- Kuhn Tucker Theorie
- Spezialfälle: Lineare Optimierung und das Portfolio-Problem
Dynamische Optimierung:
- Das Bellman-Prinzip
- Dynamische Programmierung, deterministisch und stochastisch
Vorlesungseinheiten, angewandte Beispiele, Hausarbeiten, interaktive Online-Materialien
midterm Test: 30%
final Test: 30%
unangekündigte Zwischentests: 20%
2 Hausarbeiten: je 10%
Ersatztest (ersetzt entweder midterm oder final): 30%