学术报告报告题目: 无导数优化算法研究与计算平台开发进展
报 告 人: 张在坤 教授
报告时间: 2025年3月27日（星期四）2:45-3:30
地 点：37号楼3A02
邀 请 人: 潘少华教授
数学学院
2025年3月20日
报告摘要：大多数优化方法依赖目标或约束函数的一阶信息, 如梯度或次梯度等。然而，工业和工程应用中，大量优化问题的一阶信息无法有效获取或者计算代价过高。这样的问题被称为无导数 (derivative-free) 优化问题，广泛出现在人工智能、芯片制造、计算核物理、航空器设计等领域。求解此类问题需要仅使用函数值而不依赖一阶信息的方法，即无导数优化方法，亦称为无梯度(gradient-free) 方法或零阶 (zeroth-order) 方法。本报告将汇报我们在无导数优化算法研究和计算平台开发方面的进展，介绍如下算法、求解器与开发工具。
1. PRIMA (https://www.libprima.net): 求解一般非线性优化问题的无导数优化软件包，提供 Powell的 COBYLA、UOBYQA、NEWUOA、BOBYQA、LINCOA 等经典算法的高效、稳定、可靠、可维护、可扩展的实现，可处理无约束、界约束、线性约束和非线性约束问题。
2. COBYQA (https://docs.scipy.org/doc/scipy/reference/optimize.minimize-cobyqa.html): 求解一般非线性优化问题的无导数信赖域 SQP 算法及求解器，可处理无约束、界约束、线性约束和一般非线性约束问题。
3. BDS (https://github.com/blockwise-direct-search/bds): 求解无约束优化问题的分块直接搜索算法及求解器。
4. SPRIMA (https://www.sprima.net): 求解大规模无导数优化问题的子空间算法框架及求解器。
5. OptiProfiler (https://www.optprof.com): 优化求解器测试工具，用于评估和比较优化算法的性能，为用户选择求解器提供参考，也为研究人员开发和改进优化算法提供量化和直观的评价标准。.
报告人简介：张在坤于 2007 年本科毕业于吉林大学，2012 年博士毕业于中国科学院，目前为中山大学数学学院教授、逸仙优秀学者。张在坤主要研究无导数优化方法、基于不精确信息的方法、随机化方法等。他曾主持香港研究资助局 ECS/GRF 项目五项, 研究工作发表于 Mathematical Programming、 Mathematical Programming Computation、SIAM Journal on Optimization、SIAM Journal on Scientific Computing 等杂志。 张在坤于 2023 年入选国家级青年人才计划，2024 年获第九届中国运筹学会科学技术奖“运筹应用奖”。