题目：科普报告“大数据与优化”
报告人：袁亚湘 院士（中科院数学与系统科学研究院）
时间：2018年12月12日（周三）下午4:00
地点：五教5102
摘要：大数据问题涉及数学的多个方面,包括统计、优化、计算、离散数学等等。本报告介绍大数据问题的优化建模和及其主要的计算方法。报告利用通俗易懂的语言介绍压缩感知、矩阵完整化、距离几何问题、分类问题、梯度法、随机梯度法、交替方向法等当前国际上备受关注的优化问题和主要优化算法。
报告人简介：
袁亚湘现为中国科学院院士、发展中国家科学院院士、巴西科学院通讯院士，美国工业与应用数学会会士、美国数学学会首届会士、国际工业与应用数学联合会当选主席、中国数学会理事长、全国政协常委、中国科协副主席。曾获国家自然科学奖二等奖、首届冯康科学计算奖、TWAS数学奖、陈省身数学奖、苏步青应用数学奖、何梁何利基金科学与技术进步奖等。
袁亚湘院士长期从事运筹学研究并取得了系统成果，在信赖域法、拟牛顿法、非线性共轭梯度法等方法方面做出了重要贡献。在信赖域法方面，给出了著名的Celis-Dennis-Tapia问题的最优性定理；提出并解决了Steihaug-Toint方法的下降估计；和导师Powell合作提出了利用光滑评价函数的约束优化信赖域法；独立提出了一个利用无穷范数罚函数的信赖域法，被国外著名学者推广到整数规划。在拟牛顿法方面，和美国优化专家合作证明了除 DFP 外Broyden 凸簇的所有方法的全局收敛性；提出了一个改进的BFGS方法，发展了非拟牛顿方法。在共轭梯度法方面，和学生合作提出了一个新的共轭梯度法，被国际同行称为“戴袁方法”。
