Bachelorarbeiten

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 den Vorlesung "Einführung in die Optimierung". Programmierkenntnisse sind vorteilhaft.

Ansprechpartner

Prof. Ulbrich und Mitarbeiter der Arbeitsgruppe

 

Laufende Arbeiten

Aktuell 5 laufende Bachelorarbeiten.

    Vergangene Arbeiten

    2016

    • Optimierungsverfahren für Sparse Reconstruction
    • Verfahren für Support Vector Machines und Anwendungen
    • Berechnung der impliziten Volatilität amerikanischer Optionen mit Hilfe von Optimierung unter Equilibriumsnebenbedingungen
    • Der Simplex-Gradient und Optimierungsprobleme mit gestörten Funktionsauswertungen
    • Lösen von MPECs mit Anwendung auf die implizite Volatilität amerikanischer Optionen
    • Optimale Struktur von Gastransportnetzwerken
    • Adaptive Reduktion von Nebenbedingungen bei Training Support Vector Machines
    • Semiglatte Newton-Verfahren für Second-Order Cone Programming
    • Glättungsverfahren für lineare Optimierungsprobleme

    2015

    • Schätzung der impliziten Volatilität amerikanischer Optionen durch Mathematical Programming with Equilibrium Constraints
    • Berechenbare Annäherungen für robuste konische Optimierungsprobleme
    • Sparse Forward Mode of Automatic Differentiation and its Implementation
    • Stabwerksoptimierung unter Knicknebenbedingungen
    • Freie Materialoptimierung mit Spannungsnebenbedingungen
    • Adaptive constraint reduction for training support vector machines
    • Balanced Proper Orthogonal Decomposition: Anwendung auf ein Problem der Strömungssteuerung
    • Die Support Vector Machine und ihre Anwendung bei der Prognoseerstellung für Brustkrebspatienten
    • Semiglatte Support Vector Machines
    • Portfolio Optimization with Conditional Value-at-Risk Objective and Constraints
    • Incremental Network Design with Maximum Flows
    • Robuste Optimierung von Stabwerken
    • Robuste Portfoliooptimierung durch second-order cone programming
    • Optimierung von Stabwerken mit lokalen Knicknebenbedingungen
    • On Unconstrained Robust Optimization and Its Application to an Elasticity Problem
    • Inkrementelles Netzwerk-Design mit maximalen Flüssen
    • Global Linear Convergence of a Non-Interior Path Following Algorithm for Linear Complementarity Problems
    • Fachwerkoptimierung auf Basis eines Konisch-Quadratischen Modells mit lokalen Knickbedingungen
    • Reduktion der Nebenbedingungen bei Support Vector Machines

    2014

    • Optimales Stabwerksdesign unter einer nichtkonvexen globalen Knick-Nebenbedingung
    • Separable Semidefinite Optimierung mit Anwendung auf Optimales Downlink Beamforming
    • Globale Optimierung basierend auf stückweise linearer und quadratischer Approximation
    • Robuste Modellierung von mehrstufigen Portfolio-Problemen
    • Theorie von Compressive Sensing via l1-Minimierung: eine RIP-freie Analyse und Erweiterung
    • Optimierung des Conditional Value at Risk unter Unsicherheit als robustes Optimierungsproblem
    • Innere-Punkte-Methoden und Glättungsverfahren
    • Dekompositionsmethoden zur parallelen Optimierung von Multiagenten-Systemen
    • Robust Portfolio Selection Problems
    • Decomposition by Partial Linearization: Parallel Optimization of Multi-Agent Systems
    • Rangbeschränkte, separable, semidefinite Programmierung mit Anwendung beim optimalen Beamformingproblem
    • Eine duale Sicht auf separierbare Semidefinite Programmierung im optimalen Downlink Beamforming
    • Robuste Portfoliooptimierung
    • Optimization of Conditional Value-at-Risk for General Loss Distributions Based on Robust Solutions of Uncertain Linear Programs
    • Robuste Lösung unsicherer linearer Programme
    • Glättungsverfahren für Semidefinite Optimierungsprobleme
    • Grundlagen und Vergleich von Innere-Punkte-Methoden, Glättungsverfahren und semiglatten Newton-Verfahren in Anwendung auf linearen Optimierungsproblemen
    • Semiglatte Methoden für lineare und nichtlineare Second Order Cone Programme
    • Globale Minimierung mittels linearer und quadratischer Approximation
    • Incremental Network Design with Shortest Paths
    • Numerische Methoden von Compressed Sensing
    • Inkrementelles Netzwerk-Design mit kürzesten Wegen
    • Robust Modeling of Two-periodic Option Portfolios
    • Robust Portfolio Optimization with Value-At-Risk Adjusted Sharpe Ratios

    2013

    • Compressive Sensing and Signal Reconstruction Algorithms
    • Adaptive Constraint Reduction for Training Support Vector Machines
    • Robuste Optimierung von mehrstufigen Portfolios
    • Preprocessing für Robuste Stabwerksoptimierung
    • Global Minimization of Nonconvex Functions
    • Kreditrisiko Optimierung mit Conditional Value at Risk
    • Robuste Portfoliooptimierung
    • Ein Innere-Punkte-Verfahren mit adaptiver Nebenbedingungsreduktion für das Training von Support Vector Machines
    • Primal-dual Interior-Point Methods with Redundancy Control
    • Robuste Optimierung von Kreditportfolios
    • Robuste Stabwerksoptimierung mit lokalen Knicknebenbedingungen
    • Interior-Point Methods and Smoothing-Type Methods for Semidefinite Programs
    • Robuste Lösungen von unsicheren linearen Programmen

    2012

    • Robuste Portfolio-Optimierung mit Conditional Value-at-Risk als Risikomaß
    • Ein neues Relaxionsschema zur numerischen Lösung von MPECs
    • Optimierung des Conditional Value-at-Risk von Portfolios mit diskreten Gewichten

    2011

    • Optimierung von Spaltprofilen in drei Dimensionen
      Rachel Bauer
    • Optimierung spaltprofilierter Blechprofile hinsichtlich thermodynamischer Eigenschaften
      Ilona Neis

    2010

    • Gemischt-ganzzahligen Optimierungsverfahren und Anwendung in der Kreditportfoliooptimierung
      Benedikt Gietl
    • An Algortihm for Computing the Implied Volatility of American Options
      Ivaylo Dimitrov
    • Robust Linear Optimization
      Asparuh Hristov
    • Robuste Optimierung von Stabwerken mit Aktoren durch semidefinite Optimierung
      Melanie Markert
    « October 2017 »
    Mo Tu We Th Fr Sa Su
    39 1
    40 2 3 4 5 6 7 8
    41 9 10 11 12 13 14 15
    42 16 17 18 19 20 21 22
    43 23 24 25 26 27 28 29
    44 30 31

    Contact

    Research Group Optimization

    Ursula Röder
    roeder (at) mathematik.tu-darmstadt.de
    Phone: +49 (0) 6151 16-23444
    Fax: +49 (0) 6151 16-23445

     

    Monika Kammer
    kammer (at) mathematik.tu-darmstadt.de
    Phone: +49 (0) 6151 16-23448
    Fax: +49 (0) 6151 16-23445

    A A A | Print Drucken | Impressum Impressum | Contact Kontakt
        zum Seitenanfangzum Seitenanfang