Algorithmic Design for Big Data Related Optimization

Abstract

We live in the age of big data. The 5 characteristics of big data - volume, value, variety, velocity and veracity - have a significant impact on optimization. In this talk, we discuss some thinking of algorithmic design for big data related optimization problems. Specifically, we consider splitting methods for large scale structure optimization, to analyze the data with high volume and low value density. We also design efficient algorithms for distribution robust optimization, to cope with brittle veracity in data analysis. Finally, we propose LP-based approach for Markov Decision Process, which lays a deep ground in sequential decision making with dynamic data generated at a high velocity.

报告人简介：陈彩华，副教授，南京大学理学博士，新加坡国立大学联合培养博士，曾赴新加坡国立大学、香港中文大学、香港理工大学、香港浸会大学等学习与访问。主持/完成的基金包括国家自然科学基金面上项目、青年项目，江苏省自然科学基金面上项目、青年项目，参与国家自然科学基金重点项目，代表作发表在《Mathematical Programming》，《SIAM Journal on Optimization》,《SIAM Journal on Imaging Science》及CVPR、NIPS等国际知名学术期刊与会议,其中多篇论文入选ESI高被引论文。获华人数学家联盟最佳论文奖（2017、2018连续两年），中国运筹学会青年科技奖（2018），南京大学青年五四奖章(2019)，入选首批南京大学仲英青年学者（全校10人，2018）及江苏省社科优青（2019）。