9月17日 孙德锋教授学术报告（数学与统计学院）

本次报告将介绍一种基于GPU的加速预条件交替方向乘子法（pADMM），用于求解线性约束凸优化问题。报告人将首先将pADMM重构为带有半正定预条件算子的近端点法（PPM）形式，并通过引入Halpern迭代实现对该退化PPM的加速，达到非渐近O(1/k)收敛速率。

在此基础上提出加速pADMM算法，在KKT残差和目标函数值差距等实用停止准则下实现非遍历O(1/k)收敛率。数值实验表明，该框架下的Halpern Peaceman–Rachford（HPR）方法在大规模凸规划问题上显著优于PDLP、PDQP、SCS、CuClarabel和Gurobi等现有先进求解器。

孙德锋，香港理工大学应用数学系系主任和应用优化与运筹学讲座教授，美国数学学会会士，美国工业与应用数学学会会士，中国工业与应用数学学会会士，中国运筹学会会士，香港数学学会前任会长。荣获2018国际数学规划Beale--Orchard-Hays奖及新加坡国立大学科学学院首届杰出科学家奖。

曾任《Asia-Pacific Journal of Operational Research》主编，现任《Mathematical Programming》《SIAM Journal on Optimization》等期刊编委。在Mathematics of Operations Research、Mathematical Programming等权威期刊发表论文百余篇。

主要从事连续优化及机器学习的基础理论、算法与应用研究，在半光滑和光滑化牛顿方法、线性和非线性矩阵优化等领域具有深厚造诣，其在非对称矩阵优化方面的成果推动了矩阵优化新方向的发展。2021年因排产优化求解器贡献获华为香港研究所与诺亚方舟实验室杰出合作奖，2022年获香港研资局高级研究学者奖。