Prof. Dr. Oliver Stein ist Universitätsprofessor am Karlsruher Institut für Technologie und leitet dort den Bereich für Kontinuierliche Optimierung am Institut für Operations Research. In der Forschung konzentriert er sich auf Entwurf und Implementierung von Optimierungsverfahren sowie deren theoretische Grundlagen. Seine Lehrschwerpunkte sind globale Optimierung, nichtlineare Optimierung, gemischt-ganzzahlige Optimierung, konvexe Analysis und parametrische Optimierung.
Das vorliegende Lehrbuch ist eine Einführung in die nichtlineare Optimierung, die mathematische Sachverhalte einerseits stringent behandelt, sie aber andererseits auch sehr ausführlich motiviert und mit 42 Abbildungen illustriert. Das Buch richtet sich daher nicht nur an Mathematiker, sondern auch an Natur-, Ingenieur- und Wirtschaftswissenschaftler, die mathematisch fundierte Verfahren in ihrem Gebiet verstehen und anwenden möchten.
Mit etwas mehr als zweihundert Seiten stellt das Buch genügend Auswahlmöglichkeiten zur Verfügung, um es als Grundlage für unterschiedlich angelegte Vorlesungen zur nichtlinearen Optimierung zu verwenden. Viele geometrische Ansätze für das Verständnis sowohl von Optimalitätsbedingungen als auch von numerischen Verfahren setzen dabei einen neuen Akzent, der den Bestand der bisherigen Lehrbücher zur Optimierung bereichert. Dies betrifft insbesondere die ausführliche Behandlung der Probleme, die durch verschiedene funktionale Beschreibungen derselben Geometrie der Menge zulässiger Punkte entstehen können und die dadurch motivierte Einführung von Constraint Qualifications für die Herleitung ableitungsbasierter Optimalitätsbedingungen.
Die vorliegende zweite Auflage wurde überarbeitet und um einige Passagen ergänzt.
Der Autor
Prof. Dr. Oliver Stein ist Universitätsprofessor am Karlsruher Institut für Technologie und leitet dort den Bereich für Kontinuierliche Optimierung am Institut für Operations Research. In der Forschung konzentriert er sich auf Entwurf und Implementierung von Optimierungsverfahren sowie deren theoretische Grundlagen. Seine Lehrschwerpunkte sind globale Optimierung, nichtlineare Optimierung, gemischt-ganzzahlige Optimierung, konvexe Analysis und parametrische Optimierung.