{dede:global.cfg_webname/}
  • English
  • 官方微信
  • 首页
  • 栏目名称
    • 测试
  • 第二个
  • 首页
  • 学院概况
    • 学院简介
    • 历史沿革
    • 机构设置
    • 现任领导
    • 历任领导
    • 联系我们
  • 师资队伍
    • 全职教工
    • 讲座 兼职教授
    • 重要人才计划
    • 退休人员名单
  • 人才培养
    • 本科生培养
    • 硕士生培养
    • 博士生培养
  • 科学研究
    • 学术交流
    • 重点学科
    • 科研机构
    • 科研团队
    • 科研成果
    • 讨论班
  • 党团建设
    • 党建动态
    • 工会活动
    • 团学工作
  • 理论学习
    • 主题教育
  • 合作交流
    • 国际合作
    • 校际合作
    • 校企合作
  • 招生就业
    • 招生信息
    • 就业信息
    • 招生宣传
  • 校友之家
    • 校友组织
    • 校友基金
    • 校友活动
    • 百年院庆
    • 校友动态
    • 知名校友
  • 院务信箱

学术交流

  • 学术交流
  • 重点学科
  • 科研机构
  • 科研团队
  • 科研成果
  • 讨论班

学术交流

凸优化分裂收缩算法的基本原理和方法构造

日期:2025-10-15  作者:  点击:[]

题    目:凸优化分裂收缩算法的基本原理和方法构造

主讲人:何炳生  教授

单    位:南京大学

时    间:2025年10月15日 16:00

地    点:九章学堂南楼C座209


摘    要:把线性约束凸优化的 Lagrange函数的鞍点转化成等价的单调变分不等式(VI)的解点,会使得问题更加清晰。邻近点算法(PPA)则是步步为营稳扎稳打的求解策略。我们以VI和PPA为工具开展凸优化求解方法研究,提出了包含邻近点算法(PPA)和交替方向法(ADMM)的分裂收缩算法统一框架,其收敛性证明特别简单。有关工作被誉为 A Very Simple yet Powerful Technique for Analyzing Optimization Methods。报告将以本人近年撰写的《从变分不等式的投影收缩算法到ADMM为代表的凸优化的分裂收缩算法》为蓝本,介绍利用这个统一框架,自由设计求解不同问题需要的合适算法。


简    介:何炳生,南京大学数学学院教授,博士生导师。本科毕业后公派去联邦德国留学,师承巴伐利亚科学院院士Stoer。 博士毕业回南京大学工作以后, 独立获得江苏省科技进步一等奖, 获评江苏省有突出贡献的中青年专家。退休以后, 分别获《中国运筹学会科学技术奖》运筹研究奖,首届《江苏省工业与应用数学奖》突出贡献奖,《高等学校科学研究优秀成果奖》自然科学二等奖,2024年获评中国运筹学会会士。长期从事最优化理论与方法的研究,在投影收缩算法和以ADMM为代表的分裂收缩算法方面做出了一批富有特色和自成体系的工作。提出的算法被工程界广泛采用。代表性成果被包括美国科学院院士、工程院院士和连续多届的《世界数学家大会》大会邀请报告人在内的国际著名学者在论文中大篇幅引用,一些算法走进了欧美名校的研究生课堂。


上一条:交替方向法 (ADMM) 及其进展 下一条:The Decentralized Distributed Sparsity Learning with Expectile Regression

【关闭】

友情链接

  • 学校教务处
  • 学校党委办公室
  • 学校校长办公室
  • 清华大学数学系
  • 浙江大学数学科学院
  • 上海大学数学系
版权信息