Renke Kuhlmann

Forschung zu nichtlinearer Optimierung mit probabilistischen Nebenbedingungen (chance constraints).

Design und Implementierung eines Penalty-Interior-Point Algorithmus innerhalb des Optimierers WORHP. Die Software wurde von der European Space Agency (ESA) initiiert und ist derzeit unter den drei besten nichtlinearen Solvern weltweit laut einem unabhängigen Benchmark. Meine Forschung an WORHP beinhaltete u.a. den Einsatz von maschinellem Lernen für die Steuerung der Interior-Point Methode. WORHP wird erfolgreich eingesetzt z.B. in Raumfahrtanwendungen und im automotive Bereich.

Forschung an Penalty-Interior-Point Algorithmen für die nichtlineare Optimierung, siehe auch oben.

Forschung an kombinatorischer Optimalsteuerung mit partiellen Differentialgleichungen. Diese Art von Problemen global optimal zu lösen ist extrem schwer, da sie sowohl kombinatorische als auch unendlich viele nichtlineare Nebenbedingungen enthält. Zusammen mit Christoph Buchheim und Christian Meyer haben wir dennoch globale Lösungsalgorithmen entwickeln können. 2019 wurde der resultierende Aufsatz dann mit dem COAP 2018 Best Paper Award ausgezeichnet.

Forschung zur Minimierung des Kraftstoffverbrauchs von Parallel-Hybridfahrzeugen. Mit Hilfe von Vorab-Streckeninformationen kann die Entscheidung, wann der Verbrennungs- und wann der elektrische Motor betrieben werden soll (z.B. zum Boosting oder zur Rekuperation), optimiert werden um erstgenannten im optimalen Bereich zu betreiben. Mathematisch gehört dies zur gemischt-ganzzahligen Optimalsteuerung. Der entwickelte Algorithmus erzielte auf allen bedeutenden Fahrzyklen nennenswerte Verbrauchsreduktionen.

Entwicklung eines Moduls (WORHP Zen) für die Sensitivitätsanalyse innerhalb der Optimierungssoftware für nichtlineare Optimierung WORHP. Sensitivitäten zeigen welchen Einfluss Änderungen der Systemparameter auf die optimale Lösung haben und können für echtzeitfähige Updates der optimalen Lösung ausgenutzt werden. Anwendungen von WORHP Zen sind u.a. die echtzeitfähigen Updates optimaler Trajektorien von autonomen Fahrzeugen, Raumfähren und Schiffen.

Forschung in der Optimierung der Logistik von autonom fahrenden Fahrzeugen. Dies ist Teil eines ein jährigen Studierendenprojekts. Das Ziel war die Optimierung der Auftragsreihenfolge der autonomen Fahrzeuge sowie deren Fahrwege um die Effizienz des gesamten Prozesses zu steigern. Der entwickelte Algorithmus (Bilevel-Optimierung) and sie Simulierungen zeigten ein hohes Potenzial für Verbesserungen in der Steuerung der autonomen Fahrzeuge.

Freiwilliges Soziales Jahr

Doktorarbeit: "A Primal-Dual Augmented Lagrangian Penalty-Interior-Point Algorithm for Nonlinear Programming"; Schwerpunkte: Nichtlineare Optimierung, Softwareentwicklung, Theorie von Optimierungsalgorithmen, WORHP

Masterarbeit: "Gemischt-ganzzahlige Optimalsteuerung, Sensitivitätsanalyse und Echtzeitoptimierung von Parallel-Hybridfahrzeugen"; Schwerpunkte: Optimale Steuerung, Hybridfahrzeuge, Angewandte Mathematik, Gemischt-Ganzzahlige Nichtlineare Optimierung

Bachelorarbeit: "Parametrische Sensitivitätsanalyse"; Schwerpunkte: Mathematische Optimierung, Numerik, Softwareentwicklung, WORHP