Stochastische Optimierung zielt auf optimale Entscheidungen für Probleme mit unsicheren (zufälligen) Daten und kann auf vielen Gebieten, wie etwa industrial engineering, operations resarch, finance etc.,. angewendet werden. Die Studierenden erlernen die Modellierung stochastischer Entscheidungsprobleme, grundlegende mathematischen Eigenschaften von stochastischen Optimierungsproblemen, sowie numerischen Methoden zu deren Lösung
Rekursprobleme (zweistufig, mehrstufig)
Nonanticipativität, Value of Information und Wert der stochastischen Lösung
Wahrscheinlichkeitsnebenbedingungen
Risikoaverse Optimierung
Die L-Shaped Methode und weitere numerische Verfahren
Approximation und Sampling