报告专家：何炳生 南京大学 教授
报告时间：2023年02月22日下午14:00-15:00
报告地点：腾讯会议ID：417-821-668 密码：230222
浙江师范大学16-431
报告人简介：
何炳生，南京大学数学系77级本科毕业后公派去联邦德国留学，师从巴伐利亚科学院院士Stoer取得维尔茨堡大学博士学位后于1987年开始在南京大学数学系工作，1997年晋升为教授。在职期间，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，并享受国务院特殊津贴。退休后，加入南方科技大学工作六年。2014年获《中国运筹学会科学技术奖》运筹研究奖，2016年获首届《江苏省工业与应用数学》突出贡献奖，2018年获《高等学校科学研究优秀成果奖》自然科学二等奖。
报告概要：
包括图像计算在内的信息科学中一些问题可以归结为(或松弛成)线性约束的凸优化或者min-max问题。报告介绍以变分不等式(VI)和邻近点算法(PPA)为工具的求解凸优化问题的求解算法。变分不等式是瞎子判别是否已经爬到山顶的朴素的数学表达形式，邻近点算法是步步为营稳扎稳打的探索策略。我们根据商业谈判的理念去构造Prima-Dual的PPA算法，继而给出求解线性约束凸优化问题的按需定制的PPA算法框架。这个框架被海外学者誉为“VervSimpleyet Powerful”的优化理论分析的技术。利用这个算法框架，理解算法的收敛性变得特别容易和简单。了解这个算法框架，人们可以根据各自问题的不同需要设计相应的求解方法。我们以增广拉格朗日乘子法和交替方向法为例，介绍在框架指导下如何设计符合求解需要的算法。
