第一场

9:00 – 9:30

修乃华，北京交通大学理学院数学系

题  目：一个新的优化问题：阶跃优化

摘  要：最优化是指在一定约束条件下极大化或极小化某一目标函数的问题，其变量可能是连续或离散或随机的。它在工业、农业、军事、国防等部门有广泛应用，甚至在我们的日常生活里也有各种各样的最优化问题。 在这个报告中，我们主要介绍大数据与人工智能驱动的一个新的优化问题：阶跃优化，简述其数学模型、历史与发展、研究现状、机遇与挑战。

报告人简介：修乃华，北京交通大学数学系教授、博士生导师。主要从事最优化理论方法及应用的研究。曾主持国家自然科学基金重点项目和973计划课题。获教育部自然科学奖二等奖、詹天佑铁道科学技术奖专项基金奖、北京市教育教学成果一等奖、教育部新世纪优秀人才、全国优秀科技工作者和北京市教学名师等奖项或荣誉称号。曾任中国运筹学会副理事长。

第二场

9:30 – 10:00

徐义红，南昌大学理学院数学系

题  目：集值映射的二阶切导数及应用

摘  要：引进了一类新的二阶切锥，藉此引进了一类二阶切导数概念。分别建立了集值优化问题在若干有效元意义下的二阶Kuhn-Tucker型必要条件和充分条件。现有文献结果的目标函数和约束函数的切导数是作为序偶出现的，我们所得结果的切导数是分开的。

报告人简介：徐义红，南昌大学理学院数学系教授，博士生导师。主要从事最优化理论及其应用的研究。曾主持国家自然科学基金项目和江西省自然科学基金项目。曾获江西省高校科技成果贰等奖，江西省省级教学成果壹等奖，江西省高校中青年学科带头人，宝钢优秀教师奖，国家精品课程等奖励或荣誉。中国运筹学会理事。

第三场

10:20 – 10:50

张国川，浙江大学计算机科学与技术学院

题  目：装箱问题：从算法设计到机制设计

摘  要：装箱问题（Bin Packing）是经典的组合优化问题，可简述成用最少数目的箱子装下给定的物品集合。围绕装箱及相关问题的研究在过去四十年里见证了近似算法和在线算法的诞生和发展，出现了丰富的算法成果。本世纪初算法博弈论逐渐兴起，人们开始关注博弈环境下的组合优化模型。本报告将以装箱为例，简单介绍从算法到机制的演变和部分研究进展。

报告人简介：张国川，浙江大学计算机科学与技术学院教授，博士生导师，主要从事与计算机科学管理科学相关的组合优化问题的研究。曾获得德国洪堡研究奖学金，中国运筹学会运筹研究奖。曾先后访问德国、加拿大、日本、奥地利、香港等国家和地区的高校。现任中国运筹学会副理事长。

第四场

10:50 – 11:20

鲁习文，华东理工大学理学院

题  目：Two-agent vehicle scheduling problem on a line-shaped network

摘  要：In this paper, we study a two-agent vehicle scheduling problem on a line-shaped network. There are two agents. Each agent has some jobs that are located at some vertices on the line-shaped network. The vehicle starts from the depot v₀ to process all the jobs. The objective is to schedule the jobs to minimize C^A_max+θC^B_max, where C^X_max is the latest completion time of the jobs for agent X, X∈{A, B}. For the problem without release time, an O(n) time algorithm is provided. For the problem with release time we show that this problem is NP-hard even though in a network with only two vertices and we give a (5+2√10)/3−approximation algorithm for the problem on a line-shaped network.

报告人简介：鲁习文，华东理工大学理学院教授，博士生导师，曾任院长。主要从事排序理论与算法、数学建模等方向的研究。曾获全国优秀教师、上海市高校优秀青年教师、宝钢优秀教师奖等荣誉称号。曾访问荷兰、美国、香港等国家或地区高校。现任中国运筹学会副理事长，曾任上海市运筹学会理事长、上海市工业与应用数学学会副理事长。

第五场

11:20 – 11:50

徐大川，北京工业大学理学部数学学院

题  目：次模优化理论与算法介绍

摘  要：离散优化里的次模函数对应于连续优化里的凸函数，许多组合优化问题可以用次模函数来刻画，次模优化成为运筹学和组合优化里的重要概念。本报告首先回顾次模优化的历史，经典模型和扩展模型；然后介绍大数据环境下的次模优化和研究展望；最后概述国内次模优化学术动态。

报告人简介：徐大川，北京工业大学数理学院教授，博士生导师。主要从事组合优化、鲁棒优化、统计优化等方向的研究。先后主持国家自然科学基金项目四项。曾访问加拿大、美国、香港等国家或地区高校。曾获中国运筹学会青年论文奖一等奖、中国运筹学会运筹新人奖。现任中国运筹学会数学规划分会理事长，北京运筹学会副理事长。

第六场

14:00 – 14:30

闫桂英，中国科学院数学与系统科学研究院

题  目：图解数据

摘  要：数据科学是当今蓬勃发展的前沿领域之一。数据的获得、数据的重要性度量、数据及数据之间关系的描述以及数据本身揭示的本质性规律等等都是数据科学关注的重要问题。本报告主要通过实例阐释图理论和算法在理解和分析数据中是如何发挥重要作用的。

报告人简介：闫桂英，中国科学院数学与系统科学研究院研究员，博士生导师。主要从事图论、生物信息学等方向的研究。曾访问加拿大、美国、法国、香港等国家或地区高校。曾获中国优秀科技工作者荣誉和中国工业与应用数学学会萧树铁应用数学奖，主持国家自然科学基金委重点基金项目。中国工业与应用数学学会秘书长，中国运筹学会常务理事。

第七场

14:30 – 15:00

张世华，中国科学院数学与系统科学研究院

题  目：深度学习的数学理解

摘  要：深度学习特别是深度神经网络作为一种黑箱模型，是通过大量计算实验得到的，其数学原理逐渐引起研究者的广泛关注。本报告将从不同的角度介绍深度学习的数学理解与认识，特别介绍如下两种初步尝试：

第一，从多层卷积稀疏编码模型的编码初始化和字典矩阵设计的角度，分别建立残差神经网络和多尺度密集连接网络与多层卷积稀疏编码模型的等价联系。

第二，提出深度学习是在Wasserstein空间学习测地曲线的理论。在维度不变的情况下，刻画深度神经网络所学习到的映射近似最优传输映射，即数据点的表示在模型内部近似沿着直线传输，进而解释为什么残差网络相比于普通神经网络具有更好的优化和泛化能力。

报告人简介：张世华, 中国科学院数学与系统科学研究院研究员，博士生导师。主要从事优化、统计、机器学习与生物信息学交叉研等方向的研究，曾获得中国青年科技奖，国家自然科学基金委优秀青年基金项目资助，中组部万人计划青年拔尖人才、中国科学院卢嘉锡青年人才奖等奖励或荣誉。曾到美国、新加坡、日本等国访问学习。

第八场

15:00 – 15:30

吴凌云，中国科学院数学与系统科学研究院

题  目：区块链与运筹学

摘  要：区块链本质上是一种去中心化的分布式数据库技术，主要特性包括：去中心化、公开透明、可追溯、防篡改、可靠性高等。区块链技术利用数字加密技术以及分布式共识算法，可以实现在无需信任单个节点的情形下建立一个去中心化的可信任系统。本报告将介绍区块链基本原理、区块链的数学基础，以及区块链研究中的一些运筹学问题，特别是高效区块链技术中的运筹学问题和研究进展。

报告人简介：吴凌云, 中国科学院数学与系统科学研究院研究员，博士生导师；应用数学研究所所长助理。主要从事最优化方法、系统生物学、区块链技术等方向的研究，曾获得中国运筹学会青年科技奖。现任中国运筹学会常务副秘书长，中国运筹学会计算系统生物学分会,副理事长。

第九场

15:50 – 16:20

姚大成，中国科学院数学与系统科学研究院

题  目：Continuous-Review Inventory Systems with Discontinuous Setup Costs

摘  要：In this talk, we will discuss continuous-review inventory systems, in which the setup cost of each order is a general function of order quantity and the demand process is modeled as a Brownian motion with a positive drift. Assuming the holding and shortage cost to be a convex function of  inventory level, we prove that an (s, S) policy is optimal among all admissible policies under the long-run average cost criterion. However, under the discounted cost criterion, we find that although some (s, S)-type policies are indeed optimal in some cases, any (s, S) policy cannot always be optimal for all initial inventory level x∊R in the other cases.

报告人简介：姚大成，中国科学院数学与系统科学研究院副研究员，博士生导师，主要从事库存管理、随机最优化、随机最优控制等方向的研究。曾获得中国运筹学会青年科技奖和北京市运筹学会青年优秀论文奖。曾访问美国、新加坡、香港等国家和地区的高校。

第十场

16:20 – 16:50

丁  超，中国科学院数学与系统科学研究院

题  目：机器学习中的二阶优化方法

摘  要：我们将简要介绍机器学习中的二阶优化方法的一些进展。

报告人简介：丁  超，中国科学院数学与系统科学研究院副研究员，博士生导师，主要从事数学规划、矩阵优化、大数据分析等方向的研究，曾获得中国运筹学会青年科技奖。中国运筹学会理事。曾先后访问英国、新加坡、香港等国家和地区的高校。

第十一场

16:50 – 17:20

彭振华，南昌大学理学院数学系

题  目：Stachelberg Game Models for Finding a Nondominated Sparse Solution

in Multiobjective Portfolio Optimization with Coherent Risk Measures

摘  要：In this paper, we propose a semivectorial bilevel learning method for finding a nondominated sparse and weakly pareto solution to solve multiobjective portfolio optimization. we first show that a optimal solution of the semivectorial bilevel learning model is also a weakly pareto solution with sparsity of the multiobjective programming. Next, we develop a approximate approach for solving the semivectorial bilevel learning model. Due to the existence of the non-Lipschitz term, existing constraint qualifications for the locally Lipschitz bilevel programming cannot ensure that necessary optimality conditions hold at a local minimizer. Moreover, we present new qualifications and necessary optimality conditions for the non-Lipschitz and nonsmooth semivectorial bilevel programming. Finally, we use numerical examples of sparse and weakly pareto solutions of the multiobjective portfolio optimization to illustrate the effectiveness of our semivectorial bilevel learning model and approximation method.

报告人简介：彭振华，南昌大学理学院讲师。研究方向包括双层规划的理论、算法及其在投资组合、人工智能等。曾到香港理工大学应用数学系访问一年。在J. of Optimization Theory and Applications、Asia-Pacific J. of Operational Research、Pacific J. of Optimization、Japan J. of Industrial and Applied Mathematics等国内外SCI期刊上发表论文十余篇。