02435 Beslutningstagen under usikkerhed

2024/2025

I mange anvendelser må beslutningerne tages under usikkerhed. Dette kursus omhandler teknikker til beslutningstagen under usikkerhed under anvendelse af kvantitative metoder. Koncepterne vil blive illustreret af forskellige anvendelser i relation til energisystemer, el-markeder, og finans.
Kursusinformation
Decision-Making Under Uncertainty
Engelsk
5
Kandidat
Kurset udbydes som enkeltfag
Retningsspecifikt kursus (MSc), Business Analytics
Retningsspecifikt kursus (MSc), Sustainable Energy
Retningsspecifikt kursus (MSc), Sustainable Energy Systems
Teknologisk specialisering (MSc), Business Analytics
Teknologisk specialisering (MSc), Sustainable Energy
F4A (tirs 13-17)
Campus Lyngby
Dette kursus bruger forelæsninger, øvelser og gruppe projekter.
13-uger
Bedømmelse af opgave(r)/rapport(er)
Den samlede bedømmelse bygger på gruppeopgaver/projekter med individuelle bedømmelsesmoduler.
Alle hjælpemidler - med adgang til internettet
7-trins skala , intern bedømmelse
(42112/42002/42111) , eller lignende. Dette kursus vil bygge videre på modellering ved hjælp af matematisk programmering. Kendskab til et programmeringssprog som Python eller Julia er en fordel, men er ikke påkrævet.
Minimum 12
Henrik Madsen , Lyngby Campus, Bygning 303B, Tlf. (+45) 4525 3408 , hmad@dtu.dk
Georgios Tsaousoglou (Primær kontaktperson) , geots@dtu.dk
01 Institut for Matematik og Computer Science
I studieplanlæggeren
Overordnede kursusmål
At undervise den studerende i de nødvendige færdigheder for at håndtere beslutningsproblemer med usikker information med forskellige anvendelsesområder (såsom energisystemer, el-markeder, finans, logistik), ved at gøre brug af teknikker til optimering under usikkerhed.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
  • Forklare teknikker for optimierung under usikkerhed (stokastisk programmering, robust optimering)
  • Formulere beslutningsproblemer for forskellige anvendelsesområder (primært energisystemer, el-markeder, finans, logistik) som et matematisk optimerings problem.
  • Anvende scenario generering teknikker til at beskrive usikkerhed i data.
  • Anvende teknikker for optimering under usikkerhed (f.eks. stokastisk programmering, eller robust optimering) til nye beslutningsproblemer
  • Løse optimeringsproblemer for problemer relateret til beslutningstagen under usikkerhed under brug af software.
  • Analysere og fortolke løsninger til et optimeringsproblem med hensyn til beslutningsproblemet og kvalitet
  • Diskutere forskellige teknikker for optimering under usikkerhed i form af usikkerhedsmodellering, kostfunktioner, graden af konservatisme ift løsningen, og modelstruktur.
  • Formulere og løse problemer, hvor beslutninger skal træffes sekventielt i tid.
  • Vurdere 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
  • Holde styr på ens egen læringsprocess.
Kursusindhold
Centrale elementer:
* Teknikker til optimering under usikkerhed; stokastisk programmering, robust optimering, sekventielle beslutninger, 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; scenarier; 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
02. maj, 2024