题  目：Strong Variational sufficiency in Nonlinear Semidefinite Programming and its Implications

报告人：丁超

单  位：中国科学院数学与系统科学研究院

时  间：2022年10月11日 15:00

地  点：腾讯561-887-223

摘要：Strong variational sufficiency is a newly proposed property, which turns out to be of great use in the convergence analysis of multiplier methods for polyhedral problems. However, what this property implies for non-polyhedral problems remains unknown to us. In this paper, we figure out the equivalence between strong variational sufficiency and strongly second order sufficient condition for nonlinear semi-definite programming (NLSDP). With this equivalence, we analyze the convergence property of semi-smooth Newton-CG based augmented Lagrangian method for NLSDP.

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。