Die stochastische Optimierung behandelt mathematische Optimierungsprobleme mit unsicheren Daten, die als diskrete oder stetige Zufallsvariablen gegeben sind. Gesucht wird eine Lösung, die den Erwartungswert der Zielfunktion optimiert. Treten unsichere Daten auch in den Nebenbedingungen auf, werden in der Regel zweistufige Optimierungsprobleme betrachtet, in denen ein Teil der Optimierungsvariablen vor Bekanntwerden der unsicheren Daten gewählt werden muss und der andere Teil danach gewählt werden kann, um die Zulässigkeit der gesamten Lösung sicherzustellen.
Im Mittelpunkt der Vorlesung stehen neben der Untersuchung der theoretischen Eigenschaften stochastischer Optimierungsprobleme auch Lösungsverfahren für relevante Spezialfälle. Für unsichere kombinatorische Probleme werden außerdem Komplexitätsfragen untersucht.
Link zum Modulhandbuch Mathematik