自动化学院“六朝松·智控论坛”一名家讲坛系列报告

发布者:赵剑锋发布时间:2024-10-21浏览次数:10

报告时间:2024年10月21日 周一下午16:30-17:30 

报告地点:东南大学四牌楼校区中心楼二楼教育部重点会议室

组织单位:jinnianhui金年会

邀  请 人:忻欣教授,jinnianhui金年会,东南大学复杂工程系统测量与控制教育部重点实验室,东南大学智能无人系统研究院


报告主题:最佳优化方法及应用

报告人简介:

张焕水山东科技大学教授/博导,1997年获东北大学工学博士学位。1986年加入泰山学院,1994年晋升为副教授,1999年加入山东大学控制科学与工程学院,同年晋升为教授,2006年当选山东省首批“泰山学者”,2008年获得国家杰出青年基金,2010年受聘教育部“长江学者”特聘教授。

研究方向为最优控制理论,随机系统,时滞系统,分布式/分散式最优控制,博弈控制以及优化理论。曾担任IEEE Trans. on Automatic Control 等国内外多家期刊编委。




报告摘要:

    优化是应用数学的重要组成部分,也是工程、信息领域的科学基础。优化理论的发展已经历数百年的历史,经典优化算法包括梯度下降以及改进的梯度下降算法、牛顿迭代以及改进的逆牛顿算法,已有优化算法存在公认的优点的同时也存在不足,梯度下降稳定但普遍存在收敛速度缓慢的缺点,牛顿迭代收敛速度快但容易发散,相应的改进算法也存在类似问题。 

    本报告将提出一种既快又稳定的全新优化算法,这一算法的核心思想是最优控制原理。将迭代算法的更新值作为控制变量,设计控制变量使得将来时刻被优化函数值之和以及控制能量之和最小,其中被优化函数和最小保证了算法收敛最快,能量之和最小保证了算法的稳定性。经过泰勒展开线性化,算法进一步简化成迭代算法,避免了非线性正倒向方程的求解。严格证明了新的算法具有牛顿迭代的超线性收敛速度和梯度下降的稳定性。新的算法可退化为梯度下降、牛顿迭代以及改进的加速梯度下降、正则化牛顿算法;首次解释了梯度下降和牛顿迭代算法科学性的理论依据。