主講人：何炳生教授
　　何炳生，南京大學數學系教授，博士研究生導師。1966年高中畢業(yè)，1978年2月進入南京大學數學系學習，畢業(yè)后公派去德國留學，取得Wuerzburg大學博士學位后於87年開始在南京大學數學系工作。1997年晉升為教授，1998年評為博士生導師。江蘇省有突出貢獻的中青年專家，獨立獲得江蘇省科技進步一等獎，并享受特殊津貼。長期從事最優(yōu)化理論與方法的研究，發(fā)表論文 50 余篇。
　　代表性論文發(fā)表在 Math. Programming, Numerishe Mathematik，Applied Math. and Optimization, Comutational Optimization and Applications 和 JOTA 等期刊上。論文注重計算效果，部分成果被包括美國兩院院士和《世界數學家大會》大會報告人在內的國際著名學者引用并介紹，也被賓習法尼亞大學，多倫多大學，加利福尼亞大學, 哥倫比亞大學等多所北美名校的博士生們在語音識別、光纖網絡、機器學習等研究中應用。
　　從不完整（或者受污染）的信息恢復全部（正確）的信息, 是一類有著廣泛的應用背景而且通常被認為求解相當困難的問題。這些源自實際的問題, 其解一般具有稀疏（或低秩）性質。經過數學工作者（包括菲爾茲獎獲得者和世界數學家大會一小時報告人）近年的努力, 已經證明: 在一些實際問題能滿足的假設條件下, 通過求解相應的松弛問題,可以得到原問題的真解。這些松弛問題是（光滑或非光滑）凸優(yōu)化問題, 一般具有特殊的可分離結構, 形式簡單明了, 條件也不是太壞。問題的顯著特點是規(guī)模大, 有的問題變量是階數很高的矩陣, 需要極小化的目標函數是矩陣的核模（矩陣奇異值之和）。
　　求解這些問題給數學規(guī)劃（數值優(yōu)化）工作者提供了新的用武之地, 同時也提出了新的挑戰(zhàn)。我們介紹這些問題的基本模型, 說明若用基于松弛PPA和松弛增廣Lagrange乘子法的算法來求解, 它的子問題都是些數值代數中有確定算法的“簡單問題”；提供基本程序, 用計算結果說明松弛算法在求解典型信息優(yōu)化問題時的不錯效果。在職研究生網