Bachelor-/Masterseminar:

Optimaler Transport - von der Analysis bis zu numerischen Methoden

WS 2023/24

Dozent:  Prof. Dr. Martin Huesmann
 Prof. Dr. Benedikt Wirth

Informationen zum Seminar

Zeit, Ort: nach Vereinbarung
Inhalt: Seit mehreren Jahrzehnten beschäftigt und verbindet das Gebiet des Optimalen Transports Mathematiker verschiedener Disziplinen -- Analysis, Optimierung, Stochastik, Numerik und Geometrie nutzen und erweitern das Konzept bis heute. Die Grundfrage ist, wie mit möglichst geringen Transportkosten eine Menge an Material von mehreren Quellorten auf mehrere Verbrauchsorte verteilt werden kann, was diverse Anwendungen in der Daten- und Bildverarbeitung, der Physik oder der Logistik hat. Insbesondere durch neue Interpretationen von statistischen Learning- oder Differentialgleichungs-Problemen mit Hilfe von Optimalem Transport und durch neue Algorithmen, die eine effiziente numerische Approximation des Optimalen Transports ermöglichen, hat das Thema in letzter Zeit an Bedeutung gewonnen.
Voraussetzungen:  Analysis I-III, Vorkenntnisse in Modulen in einem der Felder Numerik, Analysis, Wahrscheinlichkeitstheorie, Geometrie sind hilfreich.
Vorbesprechung: Mi., 05.07.2023, 14:00-15:00, Orléansring 12, Raum 120.029/030 (Besprechungsraum Angewandte Mathematik).
Wenn Sie den Termin verpasst, aber trotzdem Interesse haben, melden Sie sich bitte per E-Mail.
Learnweb: Learnweb-Kurs SeminarHuesmannWirth-2023_2
Leistungsnachweis: 60- bis 90-minütiger Seminarvortrag und bis zu 10-seitiges Handout für die Zuhörer (das Handout soll uns eine Woche vor dem Vortrag gezeigt und mit uns besprochen werden)
Vortrags-Themen:  Wir werden im Seminar Kapitel aus Lehrbüchern (Peyré, Cuturi: Computational Optimal Transport) sowie weiterführende Forschungsartikel zu den Themen behandeln. Im Folgenden eine beispielhafte Liste an Seminarthemen:
  1. Einführung in Optimalen Transport.
    Peyré & Cuturi Kap. 2
  2. (Klassische) Lösung mittels linearer Optimierung.
    Peyré & Cuturi Kap. 3
  3. Entropische Regularisierung (Variante des Optimalen Transports, die effiziente Lösung erlaubt).
    Peyré & Cuturi Kap. 4
  4. Semi-diskreter und Wasserstein-1-Transport.
    Peyré & Cuturi Kap. 5-6
  5. Dynamische Formulierung.
    Peyré & Cuturi Kap. 7
  6. Statistische Verwendung.
    Peyré & Cuturi Kap. 8
  7. Variante des optimalen Transports, in der nur (einfach zu berechnende) eindimensionale Transportprobleme gelöst werden müssen.
    Bai, Schmitzer, Thorpe, Kolouri: Sliced Optimal Partial Transport
  8. Gebietszerlegungsverfahren zur Berechnung des optimalen Transports.
    Bonafini, Medina, Schmitzer: Asymptotic analysis of domain decomposition for optimal transport
  9. Gebietszerlegungsverfahren zur Berechnung des entropisch regularisierten optimalen Transports.
    Bonafini, Schmitzer: Domain decomposition for entropy regularized optimal transport
  10. Diverse Tricks bei der Implementierung und Konvergenzanalyse regularisierten Transports.
    Schmitzer: Stabilized Sparse Scaling Algorithms for Entropy Regularized Transport Problems
  11. Lösung mit genetischen Algorithmen (die den Träger des Kopplungsmaßes identifizieren).
    Friesecke, Schulz, Vögler: Genetic column generation: Fast computation of high-dimensional multi-marginal optimal transport problems
    oder
    Friesecke, Penka: The GenCol algorithm for high-dimensional optimal transport: general formulation and application to barycenters and Wasserstein splines
  12. Konvergenz für obigen genetischen Algorithmus.
    Friesecke, Penka: Convergence proof for the GenCol algorithm in the case of two-marginal optimal transport
  13. Fehlerabschätzung für numerisch berechneten Optimalen Transport.
    Bartels, Hertzog: Error bounds for discretized optimal transport and its reliable efficient numerical solution
  14. Stochastische Optimierung für optimalen Transport in hohen Dimensionen.
    Aude, Cuturi, Peyré, Bach: Stochastic Optimization for Large-scale Optimal Transport