Data- och systemvetenskap, Konvex optimering med tillämpningar, 7.5 hp
Observera att kurslitteraturen kan ändras/revideras fram till:
• 1 juni för en kurs som startar på höstterminen
• 15 november för en kurs som startar på vårterminen
• 1 april för en kurs som startar på sommaren
Skriv ut eller spara kursplanen som PDF
Du kan enkelt skriva ut en kursplan direkt från webbsidan. Använd kortkommandot ctrl+p (Windows) eller command+p (Mac). I nästa steg väljer du om du vill skriva ut eller spara kursplanen som PDF.
För en nedlagd kurs kan eventuell information om avvecklingsperiod hittas under rubriken "Övergångsregel" i senaste versionen av kursplanen.
Kursplan för:
Data- och systemvetenskap, Konvex optimering med tillämpningar, 7.5 hp
Computer and System Sciences, Graduate level, Convex optimization with applications, 7.5 Credits
Allmänna data om kursen
- Kurskod: DVS021F
- Forskarutbildningsämne: Data- och systemvetenskap
- Nivå: Forskarnivå
- Högskolepoäng: 7,5
- Ansvarig fakultet: Fakulteten för naturvetenskap, teknik och medier
- Ansvarig institution: Data- och elektroteknik
- Fastställd: 2016-05-23
- Senast ändrad: 2017-02-28
- Giltig fr.o.m: 2017-01-01
Syfte
Kursens mål är att ge kunskap om konvex optimering och hur det kan användas inom praktiska tillämpningar inom områden som datateknik (maskinlärande, robotik, algoritmer och komplexitet), ekonomi, signalbehandling och informationsteori.
Lärandemål
Målet med kurser är att studenter efter avslutad kurs ska kunna:
- känna igen konvexa optimeringsproblem som kan uppkomma i praktiska tillämpningar
- kunna formulera om icke konvexa optimeringsproblem så att de blir konvexa där det går
- presentera grundläggande teori som kan appliceras på ovanstående problemställningar
- redogöra för centrala begrepp och definitioner inom konvexitetsteorin, använda kursens teori, metoder och tekniker för att lösa matematiska problem
- känna till något program- och modellspråk för optimering
- presentera muntligt och skriftligt arbete utfört individuellt eller i grupp som angränsar till forskarkursens fokus
Innehåll
Kursen innehåller följande moment: Konvexa mängder, funktioner och optimerings-problem. Linjär programmering: dualitet, simplexalgoritmen, inrepunktmetoder samt orientering om komplexitet. Icke-linjär och konvex optimering: Lagrangefunktionen, Kuhn-Tuckers satser. Exempel på icke konvexa problem, t.ex. området heltals och mixad linjär programmering. Exempel från signalbehandling, statistik och maskinlärande, radio resursallokering, produktionsplanering, ekonomi och spelteori kommer att behandlas beroende på deltagarnas bakgrund.
Behörighet
För tillträde till kursen krävs att den studerande är antagen till utbildning på forskarnivå, samt kan tillgodoräkna sig kursen i sin forskarutbildning.
(Äldre gymnasiebetyg)
Urvalsregler
Urval sker i enlighet med Högskoleförordningen och den lokala antagningsordningen.
Undervisning
Undervisningen bedrivs med hjälp av följande moment:
- föreläsningar,
- inlämningsuppgifter,
- praktiska uppgifter utförda individuellt och/eller i grupp,
- muntliga presentationer av utförda uppgifter individuellt och/eller i grupp,
- skriftliga rapporter av utförda uppgifter individuellt och/eller i grupp.
Examination
Examinationen består av tre delar: aktivt deltagande i kursen, inlämningsuppgifter samt projektuppgift.
Betygsskala
Underkänd (U) eller Godkänd (G)
Litteratur
Obligatorisk litteratur
- Författare/red: Boyd and Vandenberghe
- Titel: Convex optimization
- Upplaga: 2004
- Förlag: Cambridge University Press