报告题目：An asymptotically superlinear convergent semismooth Newton augmented Lagrangian method for LP

报告时间：2020年5月23日（周六）下午14:30—15:15

报告人：郦旭东教授

报告地点：Zoom云会议（ID：937 6354 7091, 密码：nanxinda60）

报告摘要：Powerful interior-point methods (IPM) based commercial solvers have been hugely successful in solving large-scale linear programming problems. Unfortunately, the natural remedy, 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 LPs with dense data, we propose a semismooth Newton based inexact proximal augmented Lagrangian method.

欢迎广大师生踊跃参加！

数学与统计学院

2020年5月22日

附：专家简介

郦旭东，复旦大学大数据学院青年研究员。他2010年本科毕业于中国科学技术大学，2015年博士毕业于新加坡国立大学。在加入复旦之前，他是美国普林斯顿大学运筹与金融工程系及新加坡国立大学数学系博士后研究员。他的研究主要关注数据科学中大规模优化问题的理论、算法、应用以及其稳定高效求解软件包的设计与开发。近年来，他在大规模线性与二次规划，半正定矩阵优化及高维统计优化问题的高效算法与求解软件包的设计与开发等方面取得了一系列学术成果，在国际优化期刊发表多篇论文。他的工作受到了国内外优化领域专家的广泛关注，他于2019年获得了由国际数学优化协会 (Mathematical Optimization Society) 所颁发的青年学者研究奖（3年1人次）。他现为国际计算优化期刊Mathematical Programming Computation的编委。