Hoppa till huvudinnehållet
Till KTH:s startsida Till KTH:s startsida

FEL3311 Distribuerad optimering 8,0 hp

Kursomgångar saknas för aktuella eller kommande terminer.
Rubriker med innehåll från kursplan FEL3311 (VT 2019–) är markerade med en asterisk ( )

Innehåll och lärandemål

Kursinnehåll

1.    Convexity

2.    Gradient and subgradient methods

3.    Duality and conjugate functions

4.    Proximal algorithms

5.    Limits of performance

6.    Accelerated methods

7.    Coordinate descent

8.    Conditional gradient

9.    Monotone operators

10.    Operator splitting methods

11.    Stochastic gradient descent

12.    Variance reduction techniques and limits of performance

13.    Newton and quasi-Newton methods

14.    Nonsmooth and stochastic second-order methods

15.    Conjugate gradients

16.    Sequential convex programming

17.    Architectures and algorithms for parallel optimisation

18.    Decomposition and parallelization

19.    Asynchrony I – time-varying update rates and information delays

20.    Asynchronous computations II – random effects  and communication efficiency

Lärandemål

Efter godkänd kurs skall studenterna kunna:

  • grundläggande terminologi och begrepp inom konvex optimeringslära
  • designa och analysera optimeringsalgoritmer för konvex optimering
  • karakärisera fundamentala prestandagränser för gradient-baserade optimeringsmetoder
  • analysera och använda moderna metoder för skalbar konvex optimering
  • hantera stokastiska effekter i optimeringsproblem
  • beskriva moderna beräkningsarkitekturer för parallella numeriska beräkningar
  • använda dualitet och dekomponering för att parallellisera optimeringsalgoritmer
  • kvantifiera hur asynkronism och informationsfördröjningar påverkar iterativa algoritmer
  • tillämpa moderna tekniker för att reducera informationsutbytet mellan beräkningnoder

Kurslitteratur och förberedelser

Särskild behörighet

Grundkurs i konvex optimering (e.g. EL3300) och åtminstone en kurs i konvex analys (t.ex. SF3810) 

Rekommenderade förkunskaper

Ingen information tillagd

Utrustning

Ingen information tillagd

Kurslitteratur

Introductory lectures on convex optimization – a basic course, Y. Nesterov.

Introduction to Optimization, B. T. Polyak

Research papers and lecture notes.

Examination och slutförande

När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.

Betygsskala

P, F

Examination

  • EXA1 - Examination, 8,0 hp, betygsskala: P, F

Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.

Examinator får medge annan examinationsform vid omexamination av enstaka studenter.

Övriga krav för slutbetyg

Godkänt betyg på alla kursmoment.

Möjlighet till komplettering

Ingen information tillagd

Möjlighet till plussning

Ingen information tillagd

Examinator

Etiskt förhållningssätt

  • Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
  • Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
  • Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.

Ytterligare information

Kursrum i Canvas

Registrerade studenter hittar information för genomförande av kursen i kursrummet i Canvas. En länk till kursrummet finns under fliken Studier i Personliga menyn vid kursstart.

Ges av

Huvudområde

Denna kurs tillhör inget huvudområde.

Utbildningsnivå

Forskarnivå

Påbyggnad

Ingen information tillagd

Forskarkurs

Forskarkurser på EECS/Reglerteknik