国家天元数学西北中心将于4月24-30日在西安交通大学举办“人工智能中相关的最优化方法讲习班”。讲习班由重庆大学杨新民教授、西安交大孙建永教授和李辉教授担任活动召集人，共开设“非凸优化理论与方法”、“模拟演化计算”、“分布式优化方法与应用”三门课程，系统讲解人工智能领域研究所需的一些基础优化方法与理论，为研究实际应用中人工智能算法提供指导，提高青年数学学者在这一领域的知识水平。
 
一、 课程介绍
 
课程一：分布式优化方法与应用
 
课程简介：分布式优化就是考虑如何把大任务分解成若干子任务安排给多个核心、利用多个核心来实现对一个大问题的并行快速求解。目前，在算法设计上分布式优化可以分成代数层面的分布式优化和模型层面的分布式优化两类。相比于并行计算，分布式计算的概念要更加宽泛，用在事务处理和科学计算中；而并行计算一般出现在科学计算中。不过两者之间并没有明确的分界线,我们利用“分布式”来强调数据的分布式存储以及分布式内存。我们将在课程中详细介绍几类典型的分布式优化算法。
 
授课专家：刘歆研究员，中国科学院数学与系统科学研究院，博士生导师。2004年本科毕业于北京大学数学科学学院；2009年于中国科学院数学与系统科学研究院获得博士学位；毕业后留所工作至今。主要研究方向包括：线性与非线性特征值问题、Stiefel流形上的优化问题、分布式优化算法设计，及其在电子结构计算、统计大数据分析、机器学习中的应用。2016年获得国家自然科学基金委优秀青年科学基金；2016年获得中国运筹学会青年科技奖；2017年入选中国科学院北京分院“启明星”优秀人才计划；2020年获得中国工业与应用数学学会应用数学青年科技奖。目前担任《Mathematical Programming Computation》、《Journal of Computational Mathematics》、《Asia-Pasific Journal of Operations Research》、《运筹学学报》等国内外期刊编委；并担任中国运筹学会常务理事、科普工作委员会主任，中国工业与应用数学会副秘书长，中国青年科技工作者协会理事。
 
课程二：非凸优化理论与方法模拟演化计算

课程简介：本课程将介绍近几年非凸优化算法的最新进展。具体内容包括：约束优化最优化的最优性理论和稳定性理论简介；无约束非凸非光滑优化的邻近点方法；非凸非光滑邻近交替线性极小化方法；半代数约束非线性规划的上控极小化方法。
 
授课专家：张立卫教授，大连理工大学数学科学学院运筹学与控制论专业博士生导师，金融数学与保险精算专业博士生导师。分别于1989年，1992年，1998年在大连理工大学获得理学学士，硕士，博士学位，1999-2001年在中科院计算数学所从事博士后工作。目前的研究兴趣是“矩阵优化”与“随机规划”。完成和主持自然科学基金面上基金多项,重点基金子课题两项。在国际顶级期刊Math. Programming, Operations Research, SIAM J. Optimization, Mathematics of Operations Research, Mathematics of Computation 发表论文10余篇。现任中国运筹学会常务理事，中国运筹学会数学规划分会副理事长，中国运筹学会金融工程与金融风险管理分会副理事长,《JAPOR》和《运筹学学报》编委，2020年获得中国运筹学会科学技术奖运筹研究奖。
 
课程三：模拟演化计算
 
课程简介：多目标优化要求对多个目标函数同时求得最优值，是一类重要优化方向。1880年代，英国经济学家F. Y. Edgeworth教授和法国经济学家V. Pareto教授开始系统研究该问题并指出其最优解是一个包含多个解的Pareto最优解集合。然而直到2000年左右演化算法的发展才第一次能够直接求解多目标优化问题的Pareto最优解集，演化算法已成为直接求解Pareto最优解集合主要方法。课程将围绕演化多目标优化这一主题，具体介绍如下内容：（1）概要介绍演化多目标优化的发展历史，（2）梳理当前多目标演化算法的主要框架，（3）介绍演化多目标优化问题求解的基本策略，包括问题无关以及问题相关的策略等，（4）针对具体应用问题，分析如何设计一个多目标演化算法进行求解。
 
授课专家：周爱民研究员，博士，华东师范大学计算机科学与技术学院副院长（主持工作）。主要研究方向为演化搜索与优化、机器学习和智能教育。分别于2001年和2003年在武汉大学获得计算机学士和硕士学位，2009年在英国Essex大学获得计算机博士学位，2009年起在华东师范大学工作。担任Swarm and Evolutionary Computation、Complex & Intelligent Systems等期刊副编或编委，参与创办演化计算与优化(ECOLE)研讨会并担任2016年会议主席。相关研究成果发表于IEEE TEVC、IEEE TCYB、IEEE TNNLS、AAAI、软件学报、计算机学报等期刊和会议，这些成果SCI他引2300余次，Google Scholar引用5500余次。相关研究成果在金融交易、工业优化设计、智慧教育等领域获得应用。
 
课程简介：分布估计算法是一类基于概率分布采样的随机全局优化算法。不同于一般的进化算法，分布估计算法不显式采用交叉和变异等常规算子产生新的候选解。这类算法需要根据高质量候选解建立一个概率模型，然后通过模型采样获得新的候选解。分布估计算法能够有效地求解连续以及离散的优化问题，比较著名的分布估计算法有：CMA-ES和ACO。根据变量之间的关联关系，分布估计算法可分为无变量关联，逐对变量关联，与多变量关联三类算法。本次课程将主要介绍分布估计算法的基本理论，常见的分布估计算法，以及这类方法的一些应用。
 
授课专家：李辉教授，西安交通大学数学与统计学院计算科学系系主任，陕西运筹学协会常务理事。1999年与2002年在西安交通大学获得数学与应用数学学士和硕士学位，2008年在英国埃塞克斯大学获得计算机博士学位。2007-2010年在英国诺丁汉大学从事博士后研究员工作。2016-2017年在美国密歇根州立大学进行学术交流与访学工作。主要研究方向：多目标进化计算、多目标组合优化和稀疏优化算法。提出了多目标进化计算重要算法MOEA/D，单篇论文Google Scholar引用次数超过5000次。以第一作者在IEEE TEVC, IEEE CYB, IEEE TNNLS上发表学术论文。
 
二、 课程安排
 
时间：2021年4月24日-30日
地点：线下：西安交通大学数学楼二楼2-1会议室
线上：腾讯会议ID: 948 9130 7967 密码：8266
直播：https://meeting.tencent.com/l/rRRujS2qXjUV
 
三、 招生对象
 
讲习班不收取任何费用，全国高等院校从事人工智能及最优化方法相关研究的青年学者及在校研究生均可报名参加。线下计划招生50人，线上不限人数。
 
讲习班为全体线下参会的校外学员提供餐补，并为如期完成全部课程的线下学员颁发结业证书。根据中心活动向西部地区倾斜的原则，讲习班为新疆、青海、宁夏、甘肃地区的线下学员安排住宿。
 
四、 报名方式
 
1.请所有申请参会的学者通过链接填写学员信息统计表并于4月15日前提交。
 
https://docs.qq.com/form/page/DZVJjYXhlaVBScUdi?_w_tencentdocx_form=1（若无法填写，请您登录后再填）。
 
2.申请线下参会的学者除提交学员信息统计表外，还需填写附件报名表，并于4月15日前发送至xbty@xjtu.edu.cn。中心将于4月18日前邮件通知入选者。未入选的学员可通过线上参会，不再另行通知。
 
五、 联系方式
 
联系人：白佳宁
办公电话：029-82665627
邮箱：xbty@xjtu.edu.cn