報告承辦單位:數學與統計學院
報告題目: Proximal Algorithm for Two-block Nonsmooth and Nonconvex Optimization Problems and Its Application in the Design of Sparse-enhanced Control
報告人姓名: Wah June Leong
報告人所在單位: 馬來西亞博特拉大學
報告人職稱/職務及學術頭銜:副教授/博導
報告時間:2019年4月12日，10:00—11:00
報告地點: 金盆嶺1A－406
報告人簡介: Wah June Leong，馬來西亞博特拉大學副教授，于2003年在馬來西亞博特拉大學獲得博士學位，2008-2009年在中國科學院數學與系統科學研究所進行博士后研究，合作導師戴彧虹研究員。2015-2018年期間先后訪問澳大利亞科廷大學、首爾大學、重慶師范大學、東北大學、以及中國科學院。Wah June Leong老師研究的主要方向為大規模優化問題的數值算法以及帶非光滑優化的最優控制問題，已發表論文80余篇，主持馬來西亞教育部和科技部項目6項，指導博士后2名，培養博士和碩士研究生15名。
報告摘要：This talk begins by introducing a proximal alternating linearized minimization algorithm for solving a broad class of nonsmooth and nonconvex minimization problems. Building on the Kurdyka-Lojasiewicz property, we derive a convergence analysis framework and establish that each bounded sequence generated by the algorithm converges to a critical point of the problem. As an illustration of the results, we give a formulation to design controllers of linear–quadratic regulator (LQR) control systems that can provide a desired trade-off between the system performance and the sparsity of the feedback matrix. The model formulation that involves nonsmooth-nonconvex l0-norm minimization problem is then solved by using our proximal algorithm.
