报告题目：Robbins-Monro augmented Lagrangian method for stochastic convex optimization
报告人: 丁超（中国科学院数学与系统科学研究院）
报告时间: 2022年11月4日15:00-16:00
报告地点: 腾讯会议（线上）
会议ID：177-280-549 会议密码：202011
报告校内联系人：肖现涛 教授 联系电话：84708351-8307
报告摘要: In this talk, we introduce a Robbins-Monro augmented Lagrangian method (RMALM) to solve a class of constrained stochastic convex optimization, which can be regarded as a hybrid of the Robbins–Monro type stochastic approximation method and the augmented Lagrangian method of convex optimizations. Under mild conditions, we show that the proposed algorithm exhibits a linear convergence rate. Moreover, instead of verifying a computationally intractable stopping criteria, we show that the RMALM with the increasing subproblem iteration number has a global complexity. Numerical results on synthetic and real data demonstrate that the proposed algorithm outperforms the existing algorithms.
报告人简介: 丁超，中国科学院数学与系统科学研究院应用数学研究所副研究员，2012年于新加坡国立大学数学系毕业获得博士学位。他的研究方向为矩阵优化理论、算法及其应用以及大数据优化。围绕矩阵优化问题的理论、算法以及相关数据科学实际应用，丁超博士与国内外的合作者一起取得了一系列创新性研究成果。在包括Mathematical Programming、SIAM Journal on Optimization等数学优化权威期刊上发表多篇学术论文。丁超博士在非光滑矩阵优化方面的研究工作获得了2016年中国运筹学会青年科技奖。
