12月12日下午，应数学科学学院邀请，袁亚湘院士莅临“华罗庚讲堂”，为我校师生作题为“大数据与优化”的科普报告。本次报告在第五教学楼5102教室举行，报告由数学科学学院执行院长李嘉禹教授主持，学校近两百名师生聆听了报告。

    报告会上，袁院士利用实际生活中的简单例子深入浅出地介绍了大数据科学的基本概念、问题的复杂性、数据建模等相关内容，并将大数据问题与优化算法相结合，详细介绍了数学科学中常用的优化算法。数据科学是当今研究热点，数据科学中心不断涌现。数据的积累以指数式飞速增长，医疗、教育、交通等领域每时每刻都在产生大量数据，但是大多数还没有被有效利用。数据科学就是要研究这些数据的规律、分类和预测等问题。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。数据问题本身是一个逼近问题，对于数学家来说也就是建立一个对应关系，寻找一个函数，是一个数据拟合问题。所谓优化，就是要找到一个函数，让它和实际对应关系误差尽可能的小。

    袁院士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，深入浅出地解释了这些方法的本质和关键，为在场的师生们揭开了数据科学与优化研究的神秘面纱。袁亚湘院士幽默风趣的语言和精彩扎实的分享内容，引发了同学们的热烈讨论与积极提问。讲座现场座无虚席，多次响起雷鸣般的掌声。

    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”。

（数学科学学院）