Bachelorarbeit

Bachelorarbeiten in der Nichtlinearen Optimierung

Bachelorarbeiten in der Nichtlinearen Optimierung behandeln in der Regel einen bestimmten wissenschaftlichen Artikel, in dem ein Optimierungsverfahren zur Lösung einer konkreten Anwendung beschrieben wird. Ziel der Bachelorarbeit ist es, diesen Artikel aufzuarbeiten, den beschriebenen Algorithmus zu implementieren und an Beispieldaten zu testen und zu bewerten. Als gesamter Bearbeitungszeitraum, von Erhalt des Themas bis Abgabe der Arbeit, stehen Ihnen 3 Monate zur Verfügung. Die Aufgabenstellung ist so angelegt, dass die reine Bearbeitungszeit ca. 2 Monate beträgt.

Voraussetzung

Ein Schein in der Vorlesung „Einführung in die Optimierung“. Programmierkenntnisse sind vorteilhaft.

Ansprechpartner

Prof. Ulbrich, Prof. Wollner, Prof. Schwartz und Mitarbeiter der Arbeitsgruppe

Abgeschlossene Arbeiten

2019

  • Kreditrisiko Optimierung bezüglich des Conditional Value-at-Risk
    (Prof. Ulbrich)

2018

  • Runge-Kutta Verfahren in der optimalen Steuerung
    (Prof. Wollner)
  • Optimale Steuerung eines Hindernisproblems
    (Prof. Wollner)
  • Globale Konvergenz des Konjugierten Gradientenverfahrens
    (Prof. Wollner)
  • Der Simplexalgorithmus in der linearen Mehrzieloptimierung
    (Prof. Wollner)
  • Augmentierte Lagrange Verfahren für SDPs
    (Prof. Wollner)
  • Optimierung unter Wahrscheinlichkeitsrestriktionen
    (Prof. Wollner)
  • Optimal location planning for charging stations in electric car sharing systems
    (Prof. Ulbrich)
  • Parallel Coordinate Descent Methods for Machine Learing Applications
    (Prof. Ulbrich)
  • Ein Glättungsverfahren für die Lösung Linearer Programme
    (Prof. Ulbrich)
  • Support Vector Machines and their application in disease classification
    (Prof. Ulbrich)
  • Optimizing Support Vector Machines with Coordinate Descent
    (Prof. Ulbrich)
  • Optimierungsverfahren in der Supply Chain Optimierung
    (Prof. Wollner)
  • Introduction to Cooperative Game Theory and Solution Concepts
    (Prof. Schwartz)

2017

  • Analysis and application of the Stochastic Gradient Method on strongly convex and general objectives
    (Prof. Ulbrich)
  • Determining the locations of e-bike rental stations with a path based heuristic
    (Prof. Ulbrich)
  • Nichtkonvexe robuste Optimierung für restringierte Probleme mit Fachwerk als Anwendungsbeispiel
    (Prof. Ulbrich)
  • Semidefinite Programmierung mit Anwendung auf Tracking Probleme
    (Prof. Wollner)
  • The method of moving asymptotes in structural optimization
    (Prof. Wollner)
  • Ein Algorithmus zur Bestimmung aller Lösungen eines verallgemeinerten linearen Nash-Gleichgewichtsproblems
    (Prof. Schwartz)
  • Gezielte Werbung in sozialen Netzen in Gegenwart konkurrierender Firmen
    (Prof. Schwartz)
  • Solving Linear Generalized Nash Equilibrium Problems using the Nikaido-Isoda Function
    (Prof. Schwartz)
  • Analyzing Solution Concepts of a Game Theoretical Model of Nonconvex Cognitive Radio Games
    (Prof. Schwartz)
  • A Biased Lottery for the Efficent Provision of Public Goods
    (Prof. Schwartz)
  • Lösen verallgemeinerter linearer Nash-Gleichgewichtsprobleme mit Hilfe von KKT-Systemen
    (Prof. Schwartz)
  • On the Effect of Emission Trading Renewables on Energy Markets
    (Prof. Schwartz)

2016

2015

2014

2013

2012

2011

2010