English
管理与服务机构
湖南大学党委办公室、校长办公室 纪律检查委员会办公室(监察处) 党委巡察办公室 党委组织部 党委党校 党委宣传部(资讯办公室) 党委统战部 党委学生工作部 党委研究生工作部 党委保卫部 人民武装部 机关党委 财院校区党工委 离退休处党委 校工会 共青团湖南大学委员会 发展规划办 教务处 现代工程训练中心 研究生院 招生与就业引导处 科学技术研究院 社会科学处 人力资源处 计划财务处 人才工程办公室 资产管理中心 国际合作与交流处 监察处 审计处 实验室建设与设备管理处 后勤与房地产管理处 基本建设处 离退休处 法律事务办公室 档案与校史馆 财院校区管委会 校友工作办公室 校园信息化建设与管理办公室 图书馆 远程与继续金沙学院 空军选培办 湖南发展研究院 国家超级计算长沙中心 互联网信息服务研究中心 资产经营有限企业 出版社有限责任企业 期刊社 后勤服务总企业 校医院 普通金沙与继续金沙管理办公室 招标与采购中心 学生创新创业中心
金沙与研究机构
机械与运载工程学院 电气与信息工程学院 材料科学与工程学院 信息科学与工程学院 建筑学院 环境科学与工程学院 土木工程学院 设计艺术学院 化学化工学院 生物学院 数学学院 物理与微电子科学学院 经济与贸易学院 金融与统计学院 工商管理学院 法学院 马克思主义学院 资讯传播与影视艺术学院 金沙科学研究院 体育学院 中国语言文学学院 岳麓书院 外国语学院 国家高效磨削工程技术研究中心 汽车车身先进设计制造国家重点实验室 化学生物传感与计量学国家重点实验室 经济管理研究中心 机器人学院 公共管理学院 艺术金沙中心
校园生活
当前位置: 金沙电子娱乐网址 >> 校园生活 >> 学术活动 >> 学院讲座 >> 正文
统计数据 / lectrue notice
  • 排序 学院 发文量
    1 机械与运载工程学院 202
    2 物理与微电子科学学院 192
    3 岳麓书院 182
    4 化学化工学院 173
    5 材料科学与工程学院 88
    6 数学与计量经济学院 88
    7 土木工程学院 74
    8 信息科学与工程学院 68
    9 教务处 47
    10 建筑学院 40
  • 排序 学院 发文量
    11 生物学院 39
    12 经济与贸易学院 38
    13 电气与信息工程学院 36
    14 工商管理学院 28
    15 外国语学院 15
    16 法学院 15
    17 研究生院 9
    18 资讯传播与影视艺术学院 9
    19 经济与管理研究中心 6
    20 马克思主义学院 5
    21 中国语言文学学院 4
数学院:Solving Large Scale Linear Programming
学术地点 数学院203 主讲人 孙德锋 讲座教授 (香港理工大学应用数学系系主任,应用优化与运筹学讲座教授)
讲座时间 2019年12月25日下午2:30-3:30

报告题目: Solving Large Scale Linear Programming

报告人: 孙德锋 讲座教授 (香港理工大学应用数学系系主任,应用优化与运筹学讲座教授)

时间:2019年12月25日下午2:30-3:30

地点:数学院203

报告摘要: Powerful interior-point methods (IPMs) based commercial solvers have been hugely successful in solving large-scale linear programming (LP) problems. The high efficiency of these solvers depends critically on the sparsity of the problem data and advanced matrix factorization techniques. For a large scale LP problem with data matrix A that is dense (possibly structured) or whose corresponding normal matrix AAT has a dense Cholesky factorization (even with re-ordering), these solvers may require excessive computational cost and/or extremely heavy memory usage in each interior-point iteration. Unfortunately, the natural remedy, i.e., the use of iterative methods based IPM solvers, although can avoid the explicit computation of the coefficient matrix and its factorization, are not practically viable due to the inherent extreme ill-conditioning of the large scale normal equation arising in each interior-point iteration. To provide a better alternative choice for solving large scale LP problems with dense data, we propose a semismooth Newton based inexact proximal augmented Lagrangian (Snipal) method. Numerical comparisons with Gurobi have demonstrated encouraging potential of Snipal for handling large-scale LP problems.

报告人概况:孙德锋教授分别于1989年和1992年从南京大学获得学士及硕士学位,于1995年从中国科学院获得博士学位,此后在澳大利亚新南威尔士大学完成博士后研究工作。孙教授从2000年开始在新加坡国立大学数学系任教,2009年升任正教授,2017年进入香港理工大学工作。他长期从事最优化方向的研究,目前已发表百余篇科研论文,其中40余篇发表在优化领域最顶尖杂志《Mathematical Programming》和《SIAM Journal on Optimization》中。此外,他还主持开发了一系列求解大规模复杂优化问题的App,这其中包括在金融领域得到了广泛应用的协方差矩阵校正的程序,求解大规模半定规划问题的SDPNAL/SDPNAL+,以及大规模统计优化问题的App包SuiteLasso等。2018年,在本领域最具权威的数学规划国际会议上,他获得国际数学优化学会颁发的 Beale-Orchard-Hays计算优化奖(数值最优化方向的最高奖项,每三年评选一次)。他曾受邀在2011年德国举办的SIAM优化国际会议中作大会报告,并将在2021年 SIAM Conference on Computational Science and Engineering (CSE21) 作大会报告。他积极从事着多项学术方面的专业活动,担任2016年第5届国际连续优化会议程序委员会委员,2019年第16届国际连续优化会议程序委员会委员,以及 2020年美国工业与应用数学学会最优化会议 ''SIAM OP20" 的大会(程序)共同主席以及本地组委会共同主席。他曾于2010至2013 年担任《Asia-Pacific Journal of Operational Research》杂志的主编,于2014至2017年担任《Mathematical Programming, Series B》的编委,在当前担任《Mathematical Programming, Series A》,《SIAM Journal on Optimization》,《中国科学–数学》,《Journal of the Operations Research Society of China》以及《Journal of Computational Mathematics》的编委。

上一条:研究生院:大数据与优化
下一条:数学院:Mathematical Optimization and 5G Mobile Communication System Design

湖大抖音
湖大微信
湖大微博
XML 地图 | Sitemap 地图