Overordnede kursusmål
At undervise den studerende i de nødvendige færdigheder for at
håndtere beslutningsproblemer med usikker information med
forskellige anvendelsesområder (såsom energisystemer, el-markeder
og finans), ved at gøre brug af teknikker til optimering under
usikkerhed.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
- Formulere beslutningsproblemer for forskellige
anvendelsesområder (primært energisystemer, el-markeder, finans)
som et matematisk optimerings problem.
- Anvende teknikker, såsom probabilistisk forecasting og scenario
generering, til at beskrive usikkerhed i data.
- Anvende teknikker for optimering under usikkerhed (f.eks.
stokastisk programmering, eller robust optimering) til at håndtere
usikkerhed i data.
- Løse optimeringsproblemer for problemer relateret til
beslutningstagen under usikkerhed under brug af værktøjer som
GAMS.
- Sammenligne forskellige teknikker for optimering under
usikkerhed i form af usikkerhedsmodellering, kostfunktioner, graden
af konservatisme ift løsningen, og modelstruktur.
- Håndtere large-scale beslutningsproblemer ved brug af teknikker
for dekomposition og/eller heuristiske metoder.
- Bestemme og evaluere den bedste teknik til optimering under
usikkerhed, der skal anvendes til en bestemt beslutningsproces på
grundlag af input information, usikkerhedsmodellering, risiko
kriterium, sekvens af beslutninger og beregningsmæssige
medgørlighed.
- Dokumentere og præsentere resultater i en skriftlig
rapport
- Kommunikere problemer, tvivl og resultater mundtligt.
- Holde styr på ens egen læringsprocess.
Kursusindhold
Centrale elementer:
* Teknikker til optimering under usikkerhed; stokastisk
programmering, robust optimering, teknikker for dekomponering,
heuristiske metoder, scenario generering
Centrale begreber: her-og-nu vs. recourse beslutninger; 1-stage,
2-stage, og multi-stage beslutningsprocesser; robust og
stokastisk løsning; worst-case og forventningsværdi optimering;
risikovægtning; heuristike metoder; dekomposition metoder;
scenarier; probabilistisk forecasting, beslutningsregler, værdien
af den stokastiske løsning, den forventede værdi af den perfekte
information, etc.
Litteraturhenvisninger
Specifik teknisk litteratur vil blive givet til de studerende i
løbet af kurset.
Sidst opdateret
21. november, 2018