尤里·涅斯捷罗夫

尤里·涅斯捷罗夫(俄语:Юрий Нестеров罗马化Yurii Nesterov,1956年1月25日)是一名比利时数学家,国际公认的凸优化专家,特别是在高效算法的开发和数值优化分析方面。他目前是鲁汶天主教大学教授

尤里·涅斯捷罗夫
Yurii Nesterov
摄于2005年上沃尔法赫
出生 (1956-01-25) 1956年1月25日68岁)
 苏联俄罗斯莫斯科
公民权 比利时
母校莫斯科国立大学
奖项丹齐格奖英语Dantzig Prize(2000年)
约翰·冯·诺伊曼理论奖英语John von Neumann Theory Prize(2009年)
EURO金质奖章英语EURO Gold Medal(2016年)
科学生涯
研究领域凸优化半正定规划非线性规划数值分析应用数学
机构鲁汶天主教大学
国立高等经济学院
中央数学经济研究所英语Central Economic Mathematical Institute
博士导师鲍里斯·波利亚克(Boris Polyak)

生平

编辑

1977年,涅斯捷罗夫在莫斯科国立大学应用数学系毕业。1977年至1992年,他是俄罗斯科学院中央数学经济研究所英语Central Economic Mathematical Institute的一名研究员。自1993年以来,他一直在鲁汶天主教大学工作,特别是来自鲁汶工程学院英语Louvain School of Engineering的数学工程、运筹学和计量经济学中心英语Center for Operations Research and Econometrics

2000年,涅斯捷罗夫获得丹齐格奖英语Dantzig Prize[1]

2009年,涅斯捷罗夫获得约翰·冯·诺伊曼理论奖英语John von Neumann Theory Prize[2]

2016年,涅斯捷罗夫获得EURO金质奖章英语EURO Gold Medal[3]

学术研究

编辑

涅斯捷罗夫最著名的是他在凸优化方面的研究,包括其在2004年的著作,被认为是该主题的经典参考资料[4]。他的主要创新贡献是一种加速版的梯度下降法,其收敛速度比普通的梯度下降法快得多[5][6][7][8]。这种方法有时被称为“FISTA”,由Beck和Teboulle在2009年的论文《一种用于线性逆向问题的快速迭代收缩-阀值算法》中进一步发展[9]

他与阿尔卡迪·内米罗夫斯基在1994年的著作[10]中首次指出内点法英语Interior-point method可以解决凸优化问题,也是第一次对半正定规划(SDP)进行系统性研究。在这本书中,他们还介绍了自洽函数英语Self-concordant function,这对牛顿法的分析很有帮助[11]

参考资料

编辑
  1. ^ The George B. Dantzig Prize. 2000 [December 12, 2014]. (原始内容存档于2017-11-20). 
  2. ^ John Von Neumann Theorey Prize. 2009 [June 4, 2014]. (原始内容存档于2014-02-22). 
  3. ^ EURO Gold Medal. 2016 [August 20, 2016]. (原始内容存档于2016-09-16). 
  4. ^ Nesterov, Yurii. Introductory lectures on convex optimization : A basic course. Kluwer Academic Publishers. 2004. CiteSeerX 10.1.1.693.855 . ISBN 978-1402075537. 
  5. ^ Nesterov, Y. A method for unconstrained convex minimization problem with the rate of convergence  . Doklady AN USSR. 1983, 269: 543–547. 
  6. ^ Bubeck, Sebastien. ORF523: Nesterov's Accelerated Gradient Descent. April 1, 2013 [June 4, 2014]. (原始内容存档于2014-07-14). 
  7. ^ Bubeck, Sebastien. Nesterov's Accelerated Gradient Descent for Smooth and Strongly Convex Optimization. March 6, 2014 [June 4, 2014]. (原始内容存档于2014-07-15). 
  8. ^ The Zen of Gradient Descent. [2022-04-19]. (原始内容存档于2017-10-17). 
  9. ^ Beck, Amir; Teboulle, Marc. A Fast Iterative Shrinkage-Thresholding Algorithm for Linear Inverse Problems. SIAM Journal on Imaging Sciences. 2009-01-01, 2 (1): 183–202 [2022-04-19]. doi:10.1137/080716542. (原始内容存档于2022-02-12). 
  10. ^ Nesterov, Yurii; Arkadii, Nemirovskii. Interior-Point Polynomial Algorithms in Convex Programming. Society for Industrial and Applied Mathematics. 1995. ISBN 978-0898715156. 
  11. ^ Boyd, Stephen P.; Vandenberghe, Lieven. Convex Optimization (PDF). Cambridge University Press. 2004 [October 15, 2011]. ISBN 978-0-521-83378-3. (原始内容 (PDF)存档于2021-05-09). 

外部链接

编辑