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
Maximal 240 Punkte können erreicht werden:
midterm Test: 72 Punkte
final Test: 72 Punkte
3 Hausarbeiten: je 32 Punkte
Ersatztest (ersetzt entweder midterm oder final): 72 Punkte(werden alle drei Tests gemacht, wird das schlechteste Ergebnis gestrichen)
