人妖一区二区三区,国产黄大片在线观看视频,亚洲日韩中文字幕一区,国产日韩在线播放
    







    

    
      

    



    
    
    


    

    


    

    
  
    

    
  
    
        logo
    
    
    
    
    
      
    
    
       
  
    
  

    





    
	
		
    
			中國學科發(fā)展戰(zhàn)略·數(shù)學優(yōu)化
			
    
				
    中國學科發(fā)展戰(zhàn)略·數(shù)學優(yōu)化
    
				
				
    數(shù)學優(yōu)化(mathematical optimization)是研究優(yōu)化問題的數(shù)學理論和方法 的_門學科.優(yōu)化問題，顧名思義，就是在眾多可能中尋找最優(yōu)解的問題.在數(shù)學 上,優(yōu)化問題通常建模成在一定條件下尋求滿足某種最優(yōu)性質(zhì)的解.數(shù)學優(yōu)化在 早期被稱為數(shù)學規(guī)劃(mathematical programming).英文“programming”—詞 是多義詞，大眾更多的是知道其“程序”含義而不是“規(guī)劃”.所以，近年來國際 數(shù)學界更偏向用數(shù)學優(yōu)化取代數(shù)學規(guī)劃.標志性的事件是國際上最重要的數(shù)學 優(yōu)化學術組織，成立于1973年的“數(shù)學規(guī)劃學會”(Mathematical Programming Society),在2010年經(jīng)全體會員投票決定更名為“數(shù)學優(yōu)化學會”(Mathematical Optimization Society).
    
				本書預覽點擊購買
				
			
    
		
    
	
	
    
		
    
			
			
    
				
					
    
						
						
    
 
    
  指導組
 
    
 
    
  組長：白春禮
 
    
 
    
  副組長：侯建國  秦大河
 
    
 
    
  成員：王恩哥  朱道本  傅伯杰  陳宜瑜  李樹深  楊衛(wèi)
 
    
 
    
   
 
    
 
    
  工作組
 
    
 
    
  組長：王篤金
 
    
 
    
  副組長：蘇榮輝
 
    
 
    
  成員：錢瑩潔  余和軍 薛準  趙劍峰  馮霞  王顥澎  李鵬飛  馬新勇
 
    
 
    
   
 
    
 
    
  編委會
 
    
 
    
  組長：袁亞湘
 
    
 
    
  主要成員（按姓名漢語拼音排序）：
 
    
 
    
  白延琴  陳加偉  陳旭瑾  戴彧虹  丁超  范金燕  高建軍  郭田德  韓冬  韓叢英  韓德仁  何斯邁  黃正海   江波  林貴華  劉諳  劉新為  劉亞鋒  陸品燕  羅智泉  馬士謙  聶家旺  牛凌峰  潘少華  申培萍  孫聰  田英杰  童小嬌  王夢迪  王彥飛  文再文  吳至友  夏勇  邢文訓  修乃華  徐大川  許進超  許志強  楊俊鋒楊慶之  楊新民  葉蔭宇  印臥濤  張進  張國川  張洪超  張立衛(wèi)  張在坤  趙克全  周安娃
 
    
 
    
   
 
    
 
    
   
 
    
 
    
   
 
    
 
    
   
 
    

    
					
    
				
				
    
					
    
 
    
  數(shù)學優(yōu)化是數(shù)學的一個重要學科方向，是應用數(shù)學的重要組成部 分,是數(shù)學在其他領域應用的重要工具，也是當前機器學習、人工智能 的基礎之一.數(shù)學優(yōu)化是一門研究有關優(yōu)化問題的數(shù)學理論和方法的 學科.優(yōu)化問題，就是在眾多可能中尋找最優(yōu)解的問題.在數(shù)學上，優(yōu) 化問題通常建模成在一定條件下尋求滿足某種最優(yōu)性質(zhì)的解.著名數(shù) 學家歐拉曾說過，“宇宙間萬物無不遵循某種最大或最小準則”.優(yōu)化 理論與方法在科學和技術的各個領域以及國防、經(jīng)濟、金融、工程、管 理等許多重要實際部門都有直接的應用.例如，在自然科學研究中，地 學中的反演問題、生命科學中的蛋白質(zhì)結構問題、計算化學中的原子 結構問題等都可以建模成為優(yōu)化問題.又如，在金融經(jīng)濟領域,期權定 價、投資組合、風險估計等都可歸結為優(yōu)化問題.
 
    
 
    
  現(xiàn)代數(shù)學優(yōu)化誕生于20世紀上半葉第二次世界大戰(zhàn)期間，研究 主要集中在線性規(guī)劃.到20世紀末，數(shù)學優(yōu)化的研究主要集中在線性 規(guī)劃、非線性規(guī)劃的理論與算法上，不少研究成果產(chǎn)生了非常重要的 影響.進入21世紀，數(shù)學優(yōu)化發(fā)展勢頭迅猛，涌現(xiàn)出許多新的方法和 技術，一些早期技術在新問題上獲得了廣泛的應用.在學科發(fā)展上，數(shù) 學優(yōu)化從線性規(guī)劃、非線性規(guī)劃的興起逐步發(fā)展到多個分支方向.近 年來，受應用的驅動，數(shù)學優(yōu)化的新熱點和新方向不斷涌現(xiàn).
 
    
 
    
  經(jīng)國家自然科學基金委員會-中國科學院學科發(fā)展戰(zhàn)略研究工作 聯(lián)合領導小組批準，2017年1月設立了 “數(shù)學優(yōu)化學科戰(zhàn)略發(fā)展研 究”項目.本項目旨在通過深入調(diào)研，系統(tǒng)分析目前數(shù)學優(yōu)化的主要 分支、核心前沿、當前進展及發(fā)展方向，包括當前熱門研究課題、主要 的思想、方法與技巧、主要的難題，以及近年來的主要成果與活躍的 前沿人物；提出對學科發(fā)展態(tài)勢的觀點與看法；提煉出本學科的基本 思想、核心方法與關鍵技巧;根據(jù)我國學科發(fā)展和國家重大需求，提煉 與該學科密切相關的重要問題，建議、組織攻關和研發(fā)隊伍，解決重大 理論或實際問題；為我國優(yōu)化學科發(fā)展提出整體建議；推動我國在數(shù) 學優(yōu)化的學科建設和人才培養(yǎng);為提高我國數(shù)學優(yōu)化的研究水平和促 進該學科在其他領域的應用做出貢獻.
 
    
 
    
  本項目共召開四次研討會,2017年5月9日，項目啟動儀式暨第 一次研討會在湖南第一師范學院召開；2017年10月6日，第二次研 討會在中國科學院大學召開;2018年4月14日，第三次研討會在長 江大學召開；2018年10月12日，第四次研討會在重慶融匯麗笙酒店 召開.來自美國賓州州立大學、北京大學、清華大學、浙江大學、南京 大學、北京航空航天大學、北京交通大學、北京郵電大學、北京工業(yè) 大學、上海交通大學、上海大學、上海財經(jīng)大學、上海理工大學、南開 大學、天津大學、大連理工大學、重慶師范大學、河北工業(yè)大學、河 南師范大學、湖南第一師范學院、香港中文大學、香港中文大學（深 圳）、香港理工大學、中國科學院大學、中國科學院數(shù)學與系統(tǒng)科學研 究院、中國科學院地質(zhì)與地球物理研究所等單位的近百名數(shù)學優(yōu)化專 家和學者參加了項目研究，就項目規(guī)劃、咨詢開展、報告章節(jié)設計、章 節(jié)寫作分工等方面進行了深入的研討.
 
    
 
    
  “數(shù)學優(yōu)化學科戰(zhàn)略發(fā)展研究”項目于2018年年底順利結題.項 目組根據(jù)結題報告整理成書，四十余名專家學者參加撰寫.他們是：袁 亞湘（第1章），白延琴（第2章），范金燕、戴或虹、劉新為（第3章）, 夏勇（第4章），陳旭瑾、徐大川、張國川（第5章），申培萍、吳至友、 邢文訓（第6章），張在坤（第7章），張立衛(wèi)（第8章），黃正海、林貴 華、修乃華（第9章），何斯邁、江波（第10章），楊新民、趙克全（第 11章），夏勇、周安娃（第12章）,楊慶之、黃正海（第13章），丁超、文 再文、潘少華（第14章），文再文、劉歆（第15章），陳加偉、林貴華、 張進（第16章），張立衛(wèi)（第17章），戴或虹（第18章），韓德仁、楊俊 鋒（第19章），劉歆（第20章），郭田德、文再文、馬士謙、田英杰、韓 叢英、牛凌峰（第21章），許志強（第22章），王彥飛（第23章），童小 嬌、韓冬（第24章），劉亞鋒、孫聰（第25章），高建軍、陸品燕、江 波（第26章）.本書的每一章都由作者本人先征求相關領域海外同行 專家的意見，再由項目組統(tǒng)一組織專家審稿，每一章平均邀請一名海 外學者與一名國內(nèi)學者擔任審稿專家，以高度嚴謹?shù)膽B(tài)度確保本書的 學術水準.
 
    
 
    
  在項目執(zhí)行過程中，中國科學院學部工作局的彭晴晴同志和科學 出版社牛玲編輯給予了有益指導與大力支持.在此，對參與本項目咨 詢、調(diào)研、撰寫報告、評審、提出意見和建議的所有人員表示最衷心 的感謝！
 
    
 
    
  書中觀點、內(nèi)容難免有偏頗和掛一漏萬之處，敬請讀者理解和 包涵.
 
    
 
    
  袁亞湘
 
    
 
    
  2019年10月
 
    

    
				
    
				
				
    
					
    總序?
    前言?
    第一章 引言
    參考文獻

    第二章 線性規(guī)劃??
    第一節(jié) 線性規(guī)劃問題背景?
    第二節(jié) 線性規(guī)劃數(shù)學模型?
    第三節(jié) 線性規(guī)劃求解方法?
    第四節(jié) 線性規(guī)劃的發(fā)展方向?
    第五節(jié) 線性錐優(yōu)化?
    第六節(jié) 線性錐優(yōu)化對偶理論?
    第七節(jié) 線性錐優(yōu)化的求解方法?
    第八節(jié) 線性錐優(yōu)化發(fā)展方向?
    參考文獻?

    第三章 非線性優(yōu)化?
    第一節(jié) 概述?
    第二節(jié) 無約束優(yōu)化?
    第三節(jié) 約束優(yōu)化?
    第四節(jié) 總結與展望?
    參考文獻?

    第四章 整數(shù)規(guī)劃?
    第一節(jié) 線性整數(shù)規(guī)劃?
    第二節(jié) 非線性整數(shù)規(guī)劃?
    第三節(jié) 非線性整數(shù)規(guī)劃算法?
    第四節(jié) 整數(shù)規(guī)劃展望?
    參考文獻?

    第五章 組合優(yōu)化、復雜性與近似算法?
    第一節(jié) 概述?
    第二節(jié) 關鍵科學問題與研究發(fā)展趨勢?
    第三節(jié) 重要理論、方法的應用及展望?
    參考文獻?

    第六章 全局優(yōu)化?
    第一節(jié) 概述?
    第二節(jié) 歷史與現(xiàn)狀?
    第三節(jié) 前景展望?
    參考文獻?

    第七章 無導數(shù)優(yōu)化?
    第一節(jié) 概述?
    第二節(jié) 無導數(shù)優(yōu)化的源流與發(fā)展?
    第三節(jié) 無導數(shù)優(yōu)化的發(fā)展方向與挑戰(zhàn)?
    參考文獻?

    第八章 非光滑優(yōu)化和擾動分析?
    第一節(jié) 非光滑優(yōu)化?
    第二節(jié) 擾動分析?
    參考文獻?

    第九章 變分不等式與互補問題?
    第一節(jié) 概述?
    第二節(jié) 發(fā)展與現(xiàn)狀?
    第三節(jié) 展望與挑戰(zhàn)
    參考文獻?

    第十章 魯棒優(yōu)化?
    第一節(jié) 概述?
    第二節(jié) 研究歷史?
    第三節(jié) 研究現(xiàn)狀及發(fā)展趨勢?
    第四節(jié) 求解器的開發(fā)及應用?
    參考文獻?

    第十一章 向量優(yōu)化?
    第一節(jié) 簡介?
    第二節(jié) 概述?
    第三節(jié) 研究現(xiàn)狀與未來研究方向?
    參考文獻?

    第十二章 多項式優(yōu)化?
    第一節(jié) 概述?
    第二節(jié) 多項式優(yōu)化理論?
    第三節(jié) 多項式優(yōu)化算法?
    第四節(jié) 發(fā)展趨勢和展望?
    參考文獻
    ??
    第十三章 張量優(yōu)化?
    第一節(jié) 概述?
    第二節(jié) 發(fā)展與現(xiàn)狀?
    第三節(jié) 展望與挑戰(zhàn)?
    參考文獻?

    第十四章 矩陣優(yōu)化?
    第一節(jié) 矩陣優(yōu)化概述
    第二節(jié)?低秩稀疏矩陣優(yōu)化問題?
    參考文獻?

    第十五章 流形約束優(yōu)化?
    第一節(jié) 流形約束優(yōu)化簡介?
    第二節(jié) 流形約束優(yōu)化應用?
    第三節(jié) 流形約束優(yōu)化算法?
    第四節(jié) 流形約束優(yōu)化分析?
    第五節(jié) 關鍵問題和挑戰(zhàn)?
    第六節(jié) 未來發(fā)展建議?
    參考文獻

    第十六章 雙層優(yōu)化
    第一節(jié) 概述
    第二節(jié) 應用背景?
    第三節(jié) 研究現(xiàn)狀?
    第四節(jié) 前景展望?
    參考文獻

    第十七章 經(jīng)典隨機優(yōu)化方法??
    第一節(jié) 歷史進展?
    第二節(jié) 典型隨機優(yōu)化方法?
    第三節(jié) 目前的研究熱點及其思考?
    參考文獻?

    第十八章 梯度法?
    第一節(jié) 光滑梯度法?
    第二節(jié) 確定型梯度法
    第三節(jié) 隨機梯度法?
    第四節(jié) 問題與挑戰(zhàn)?
    參考文獻??

    第十九章 算子分裂法與交替方向法?
    第一節(jié) 概述
    第二節(jié) Forward-Backward 分裂算法?
    第三節(jié) Douglas-Rachford 分裂算法?
    第四節(jié) 研究熱點?
    參考文獻?

    第二十章 分布式優(yōu)化??
    第一節(jié) 研究背景?
    第二節(jié) 主要研究內(nèi)容?
    第三節(jié) 前沿方向??
    第四節(jié) 發(fā)展趨勢?
    第五節(jié) 本章小結?
    參考文獻?

    第二十一章 人工智能優(yōu)化?
    第一節(jié) 概述?
    第二節(jié) 人工智能中的優(yōu)化方法的歷史與現(xiàn)狀?
    第三節(jié) 前景展望?
    第四節(jié) 人工智能對數(shù)學和數(shù)學優(yōu)化研究的沖擊
    參考文獻

    第二十二章 相位恢復中的優(yōu)化問題
    第一節(jié) 概述?
    第二節(jié) *小觀測次數(shù)問題
    第三節(jié) 稀疏信號的相位恢復?
    第四節(jié) 優(yōu)化算法?
    第五節(jié) 前景與展望?
    參考文獻?
    ?
    第二十三章反問題中的優(yōu)化方法?
    第一節(jié) 問題提出?
    第二節(jié)?國內(nèi)外研究現(xiàn)狀和發(fā)展態(tài)勢?
    第三節(jié) 關鍵問題和挑戰(zhàn)?
    第四節(jié) 未來發(fā)展重點與建議?
    參考文獻

    第二十四章 電力系統(tǒng)中的優(yōu)化問題??
    第一節(jié) 概述
    第二節(jié) 發(fā)展歷程?
    第三節(jié) 發(fā)展趨勢與展望?
    參考文獻??

    第二十五章 無線通信資源配置中的優(yōu)化模型與方法
    第一節(jié) 概述?
    第二節(jié) 發(fā)展現(xiàn)狀?
    第三節(jié) 未來發(fā)展方向和展望?
    參考文獻?
    ?
    第二十六章 經(jīng)濟與金融中的優(yōu)化問題
    第一節(jié) 概述?
    第二節(jié) *優(yōu)拍賣機制設計
    第三節(jié) 投資組合優(yōu)化?
    第四節(jié) 總結、發(fā)展與展望
    參考文獻


    
				
    
				
    
					
    
 
    
  [1]Dantzig G B. Programming in a linear structure. Report of the September Meeting in Madison, 1949, 17: 73-74.
 
    
 
    
  [2]Dantzig G B,章祥赧杜鏈.回顧線性規(guī)劃的起源,運籌學雜志，1984, (1): 71-78.
 
    
 
    
  [3]Bazaraa M S, Sherali H D, Shetty C M. Nonlinear Programming: Theroy and Algorithms. New York: John Wiley & Sons, 2004.
 
    
 
    
  [4]Luenberger D G, Ye Y. Linear and Nonlinear Programming. Berlin: Springer, 2015.
 
    
 
    
  [5]Khachiyan L G. A new polynomial algorithm in linear programming. Soviet Mathematics Doklady, 1979, 20: 191-194.
 
    
 
    
  [6]Karmarkar N K. A new polynomial-time algorithm for linear programming. Combinatorica, 1984, 4: 373-395.
 
    
 
    
  [7]Klee V, Minty G J. Inequalities. New York: Academic Press, 1972: 159-175.
 
    
 
    
  [8]Nesterov Y, Nemirovski A. Interior Point Polynomial Methods in Convex Programming: Theroy and Algorithms. Philadelphia: SIAM Publications, 1993.
 
    
 
    
  [9]Bai Y Q. Kernal Function-based Interior-point Algorithm for Conic Optimization. Beijing: Science Press, 2010.
 
    
 
    
  [10]袁亞湘.非線性規(guī)劃——現(xiàn)狀與進展.運籌學雜志，1989, 8(1): 12-22.
 
    
 
    
  [11]Arjovsky M, Chintala S. Wasserstein generative adversarial networks. Pro- cedinges of the 34th International Conference on Machine Learning, 2017.
 
    
 
    
  [12]Cuturi M. Sinkhorn distances: Lightspeed computation of optimal transport. Advances in Neural Information Processing Systems, 2013, 26: 2292- 2300.
 
    
 
    
  [13]Villani C. Optimal Transport: Old and New. Berlin: Springer Science & Business Media, 2008.
 
    
 
    
  [14]Dvurechensky P, Gasnikov A, Kroshnin A. Computational optimal transport: Complexity by accelerated gradient descent is better than by Sinkhorn^ algorithm. Proceedings of the 35th International Conference on Machine Learning (ICML), 2018, 80: 1367.
 
    
 
    
  [15]Hinton G E, Salakhutdinov R R. Reducing the dimensionality of data with neural networks. Science, 2006, 313: 504-507.
 
    
 
    
  [16]Nemirovski A. Advances in convex optimization: Conic programming. Marta Sanz Sole, 2006, 1: 413-444.
 
    
 
    
  [17]Boyd S, Vandenberghe L. Convex Optimization. Cambridge: Cambridge University Press, 2004.
 
    
 
    
  [18]Alizadeh F, Goldfarb D. Second-order cone programming. Mathematical Programming, 2003, 95: 3-51.
 
    
 
    
  [19]Anjos M F, Lasserre J B. Handbook on Semidefinite, Conic and Polynomial Optimization. Berlin: Springer-Verlag, 2012.
 
    
 
    
  [20]Ben-Tai A, Nemirovski A. Lectures on Modern Convex Optimization. Philadelphia: SIAM Publications, 2001.
 
    
 
    
  [21]Yang L Q, Sun D F, Toh K C. SDPNAL+： A majorized semismooth Newton-CG augmented Lagrangian method for semidefinite programming with nonnegative constraints. Mathematical Programming Computation, 2015, 7: 331-366.
 
    
 
    
  [22]Li Y, Wen Z, Yang C. A Semi-Smooth Newton Method for Solving Semidefinite Programs in Electronic Structure Calculations. Beijing: Peking University, 2017.
 
    
 
    
  [23]Bomze I, Diir M, Teo C P. Copositive optimization. Mathematical Optimization Society Newsletter, Optima, 2012, 89: 2-8.
 
    
 
    
  [24]方述誠，邢文訓,線性錐優(yōu)化.北京：科學出版社，2013.
 
    
 
    
  [25]張立衛(wèi).錐約束優(yōu)化：最優(yōu)性理論與增廣Lagrange方法.北京：科學出版社, 2010.
 
    
 
    
  [26]Zhao X Y, Sun D F, Toh K C. A Newton-CG augmented Lagrangian method for semidefinite programming. SIAM Journal on Optimization, 2010, 20: 1737-1765.
 
    
 
    
  [27]Yann L C, Bengio Y S, Hinton G. Deep learning. Nature, 2015, 521: 436-444.
 
    
 
    
  [28]Peiia J, Vera J C, Zuluaga L F. Completely positive reformulations for polynomial optimization. Mathematical Programming, 2015, 151: 405-431.
 
    

    
				
    
				
    
					
    
 暫無

    
				
    
				
    
					
					
    
					
					
				
    
			
    
		
    
		
    
		
    
			
    新書推薦