Einführung in die Mathematische Optimierung

by Rainer E. Burkard, Uwe T. Zimmermann

Overview

Die Mathematische Optimierung gehört aufgrund rasanter wissenschaftlicher Entwicklung und weitreichender Anwendungsbreite zu den Eckpunkten eines Mathematikstudiums. Dieses Buch legt mit einer Einführung in die Lineare und Konvexe Optimierung eine solide Basis für komplexere Themen der Diskreten und Nichtlinearen Optimierung. Bei Studierenden werden nur Grundkenntnisse der Linearen Algebra und Analysis vorausgesetzt, wie sie im ersten Studienjahr jedes mathematisch fundierten Bachelorstudiums vermittelt werden. Bei Auswahl, Umfang und Aufbau stützen sich die Autoren auf langjährige Erfahrungen mit einschlägigen Vorlesungen an den technischen Universitäten Braunschweig und Graz. Das Buch eignet sich als Grundlage zu Vorlesungen der Linearen Optimierung (ca. 4 SWS) und der Konvexen Optimierung (ca. 2 SWS) im Bachelorstudium. Es enthält mehr Material als hierfür erforderlich, so dass Dozenten Raum und Anreiz für subjektive Schwerpunkte oder thematische Straffung geboten wird.

Product Details

ISBN-13:	9783642286735
Publisher:	Springer-Verlag New York, LLC
Publication date:	01/25/2013
Series:	Springer-Lehrbuch
Sold by:	Barnes & Noble
Format:	eBook
File size:	9 MB
Language:	German

About the Author

Prof. Dr. Rainer Burkard, Technische Universität Graz, Österreich
Prof. Dr. Uwe Zimmermann, Technische Universität Braunschweig, Deutschland

Table of Contents

I. Lineare Optimierung. Lineare Optimierungsmodelle.- Geometrie der Linearen Optimierung.- Das generische Simplexverfahren.- Nummerische und algorithmische Aspekte des Simplexverfahrens.- Alternative lineare Systeme und duale lineare Optimierungsaufgaben.- Polyederdarstellung und Dekomposition.-  Sensitivität und parametrische Optimierung.- Komplexität der linearen Optimierung.- Ein generisches Innere Punkte Verfahren. Ganzzahlige Polyeder, Transport- und Flussprobleme.- II. Konvexe Optimierung. Nichtlineare Modelle.- Konvexe Mengen.- Konvexe Funktionen.- Minima konvexer Funktionen.- Verfahren zur Minimierung ohne Restriktionen.- Gradienten- und Newton-Verfahren.- Quadratische Optimierung.