Diese Vorlesung ist Fortsetzung der Vorlesung Optimierung I. Zum einen werden aufbauend darauf Themen aus der konvexen Optimierung besprochen, insbesondere Subgradienten und proximale Algorithmen erster Ordnung wie das proximale Gradiententverfahren. Der zweite Teil der Vorlesung beschäftigt sich mit der Riemannschen Optimierung, also der Optimierung auf glatten Mannigfaltigkeiten. Je nach Zeitplan kann die M ̈oglichkeit Riemannscher proximaler Algorithmen er ̈ortert werden, welche Gegenstand der aktuellen Forschung sind.

Semester: ST 2020