In der Vorlesung Vektoroptimierung befassen wir uns mit Optimierungsproblemen, bei denen die Zielfunktion in einen linearen Raum (Vektorraum) abbildet. Ist dies der , so haben diese Optimierungsprobleme die Form
mit einer nichtleeren zulässigen Menge und Funktionen
,
. In diesem Fall werden also
skalarwertige Funktionen gleichzeitig optimiert. In Anwendungen treten solche Probleme etwa im Produktdesign, der Portfolio-Optimierung (Risiko minimieren und Gewinn maximieren), der Medizintechnik (etwa Strahlentherapieplanung: Tumor möglichst homogen bestrahlen und Bestrahlungsdosis in den umliegenden gesunden Organen minimieren) oder der Produktionsplanung (Gewinn maximieren und Stillstandszeiten minimieren) auf.
- Vorkenntnisse: Grundvorlesungen Analysis, Lineare Algebra, Optimierung (v.a.Nichtlineare Otpimierung)
- Zielpublikum: Studierende der Mathematik und der Wirtschaftsmathematik am Ende des Bachelor-Studiums oder im Master-Studium

- Teacher: Gabriele Eichfelder
- Teacher: Tobias Gerlach
- Teacher: Daniel Hoff
Die Vorlesung behandelt konvexe Optimierungsprobleme, also nichtlineare Optimierungsprobleme mit konvexer Zielfunktion und konvexer zulässiger Menge. Neben Optimalitätsbedingungen der unrestringierten und restringierten Optimierung werden numerische Verfahren wie Abstiegsverfahren, Newton-Verfahren und Penalty- und Barriere-Verfahren besprochen.
Zielpublikum: Studierende der Mathematik im Bachelorstudium im 5ten Semester, sowie Studierende anderer Studiengänge mit ausreichend Grundlagen aus einführenden Mathematikvorlesungen (Lineare Algebra und Analysis)

- Teacher: Gabriele Eichfelder
- Teacher: Tobias Gerlach
- Teacher: Daniel Hoff