2023年世界顶尖科学家协会奖“智能科学或数学奖”今天（9月14日）在沪揭晓，来自美国、比利时的两位科学家因在凸优化理论方面的一系列开创性工作而获奖，他们将共同分享1000万元奖金。首届顶科协奖“智能科学或数学奖”得主迈克尔·I·乔丹代表遴选委员会对两位科学家的贡献作了介绍。他表示，作为优化理论领域的领军人物，两位获奖者的研究引发了一场算法革命，使优化算法得以应用于现代应用中的大规模问题，并推动了新计算平台的发展。

他们建立的优化复杂性理论和一系列加速算法，加深了我们对优化的可能性和“最优优化方式”的理解。优化理论是过去30年来对数学以外的领域产生最重大影响的学科，已在控制系统、经济学、信号处理、机器学习、资源分配、能源管理、供应链和金融等领域得到广泛应用，为这些领域所需的实用算法设计和实际应用等提供了概念基础和原理依据。

获奖者阿尔卡迪·涅米罗夫斯基、美国佐治亚理工学院工业与系统工程学院讲席教授尤里·涅斯捷罗夫、比利时法语鲁汶大学运筹学与计量经济学研究中心、数学工程系名誉教授、高级科学研究员获奖

理由“表彰他们在凸优化理论方面的一系列开创性工作，包括自协调函数和内点法的理论、优化的复杂性理论、加速梯度算法设计以及在鲁棒优化方面的方法论进展等。”奖项解读迈克尔·I·乔丹（顶科协奖首届智能科学或数学奖得主）优化理论是过去30年来对数学以外的领域产生最重大影响的学科，已在控制系统、经济学、信号处理、机器学习、资源分配、能源管理、供应链和金融等领域得到广泛应用，为上述众多领域所需的实用算法设计和实际应用等提供了概念基础和原理依据。

在这个成果不断涌现的时代，阿尔卡迪·涅米罗夫斯基博士与尤里·涅斯捷罗夫博士一直是优化理论领域的领军人物。他们的研究引发了“一阶算法革命”。自此，优化算法得以应用于现代应用中的大规模问题，并推动了新计算平台的发展，以支持这些算法。他们建立的优化复杂性理论和一系列加速算法，加深了我们对优化的可能性和“最优优化方式”的理解。他们在鲁棒优化和随机优化方法上的贡献对于控制理论和统计学等领域至关重要。阿尔卡迪·涅米罗夫斯基博士与尤里·涅斯捷罗夫博士在职业早期发展了内点法理论，这是一项堪称里程碑的工作。

他们的理论提出了一个被称为自协调性的基本属性，因而扩展了内点法的应用范围和使之高效。这一概念进展是巨大的：他们展示了如何将数百个具有复杂证明和彼此间无关联的复杂算法描述成一个简单而优雅的统一框架。此外，他们能够毫不费力地将许多先前已知的内点方法扩展到覆盖比传统线性规划和二次规划更广泛的问题集。在他们的工作之前，人们普遍认为内点算法的高效性可能依赖于线性规划或二次规划这类特殊问题的某些特性。但是阿尔卡迪·涅米罗夫斯基博士与尤里·涅斯捷罗夫博士发展的算法框架和分析非常清楚地表明了内点法的扩展应用范畴，包括扩展的边界和内容。

一个特别重要的扩展被称为半定规划。 它已经广泛用于计算机科学中，作为解决离散和困难组合问题的松弛方法。阿尔卡迪·涅米罗夫斯基博士（与Yudin的合作研究）发展了基于信息的优化复杂性理论，也为优化学和理论计算机科学架构了额外的重要联系。 该理论结果为基于某些原理设计的任意算法在求解一类特定的优化问题时的复杂度提供下界，其早期是应用是基于梯度设计的算法求解光滑的凸优化问题。阿尔卡迪·涅米罗夫斯基博士的理论表明有比最速下降算法收敛速率更快的算法，而最速下降算法在过去被视为是求解优化问题最有效的梯度法。尤里·涅斯捷罗夫博士通过设计一系列加速梯度算法解决了这个难题，不仅证明了这些算法加快了最速下降算法的收敛速度，还证明了这些算法达到了阿尔卡迪·涅米罗夫斯基博士最优法的复杂度下界。这一系列的研究工作极具洞察力和富有成效，为解决各类问题提供了一系列基准速率和实现这些速率的优化算法。

>>>人物小传阿尔卡迪·涅米罗夫斯基

出生于俄罗斯莫斯科，曾就读于莫斯科国立大学机械与数学学院数学专业。他的研究兴趣集中在优化理论和算法，重点研究领域包括研究复杂性理论、开发非线性凸规划的高效算法、不确定性优化、凸优化的工程应用以及非参数统计。在他 50 多年的职业生涯中，与他人合作撰写了 6 本研究专著和 150 多篇与以上课题相关的期刊论文。涅米罗夫斯基教授在连续优化方面的贡献包括：建立了各类凸规划的基于信息的复杂性理论，并开发了椭球算法（与戴维·B·尤丁 David B. Yudin 合著）；为确定性和随机性凸优化开发了镜像下降算法；创建了凸规划的一个多项式时间算法，即内点法理论（与尤里·涅斯捷罗夫 Yurii Nesterov 合著）；研究了鲁棒优化（与阿哈隆·本-塔尔 Aharon Ben-Tal 合著）和非参数统计。在过去十年中，他与阿纳托利·尤季茨基共同开展的研究侧重于在统计推论的设计和分析中使用凸分析。

教育经历1970 年，苏联莫斯科国立大学数学硕士1974 年，苏联莫斯科国立大学数学博士1990 年，苏联部长会议最高学位评定委员会数学全博士 (正博士)工作经历1973-1987 年，莫斯科自动设备研究所研究员1987-1993 年，苏联/俄罗斯科学院中央经济数学研究所研究员1993-2006 年，以色列理工学院（Technion）工业工程与管理学院讲席教授2005 年至今，美国佐治亚理工学院工业与系统工程学院讲席教授主要奖项与荣誉1982 年，德尔波特·雷·富尔克森奖，与列昂尼德·哈奇扬（Leonid Khachiyan）、戴维·B·尤丁（David B. Yudin）共同获奖（国际数学优化学会 MOS、美国数学学会 AMS）1991 年，乔治·B·丹齐格奖，马丁·格罗舍尔（Martin Gr?tschel）共同获奖（国际数学优化学会 MOS、国际工业与应用数学协会 SIAM）2003 年，约翰·冯·诺依曼理论奖，与迈克尔·J·托德（Michael J. Todd）共同获奖（运筹学和管理学研究协会 INFORMS）2017 年，美国国家工程院院士2018 年，美国人文与科学院院士（注：American Academy of Arts and Sciences又译为“美国艺术与科学院”）2019 年，诺伯特·维纳应用数学奖（美国数学学会 AMS、国际工业与应用数学协会 SIAM）2020 年，美国国家科学院院士尤里·涅斯捷罗夫尤里·涅斯捷罗夫教授四十年来一直是凸优化领域的全球领军人物。他的首批重要成果与快速梯度法（FGM）有关，这些成果如今越来越重要，在机器学习和人工智能领域得到越来越多的应用。其后，他与阿尔卡迪·涅米罗夫斯基（Arkadi Nemirovski）教授合作，在凸优化的多项式时间算法的内点法理论方面获得了根本性的突破。根据这一理论，任何凸优化问题都可以用二阶方法在多项式时间内求解，并为其可行域赋予一个自协调障碍。通过对初始问题的重置，可以得到一个好的自协调障碍。这是结构优化的第一个例子，成功与标准的黑箱优化相媲美。该理论被扩展到二阶锥优化上，以支持最有效的方法来解决线性矩阵不等式，线性矩阵不等式是现代控制理论的主要工具。涅斯捷罗夫教授的进一步突破与光滑技术有关。其研究表明，它基于可用光滑函数逼近不可微凸函数，并用快速梯度法极小化新目标。通过快速梯度法（FGM）最小化可微凸函数，可以获得一种算法，超过黑盒算法复杂度下限几个数量级。近年来，涅斯捷罗夫教授正在研究高阶方法的高效版本。三次正则化牛顿法（New Cubic Regularization of Newton Method）成为第一个可推导复杂度下界，并研究最优的二阶算法。而增强泰勒多项式凸性的重要结果，为发展具有收敛速度更快的高阶张量方法铺平了道路。目前，一些正在实施的三阶方法已成为优化领域最高效的方法。教育经历1977 年，苏联莫斯科国立大学应用数学硕士1984 年，苏联控制科学研究所应用数学博士2014 年，俄罗斯莫斯科物理技术学院应用数学全博士（正博士）工作经历1977-2000 年，俄罗斯科学院中央经济数学研究所初/高级研究员1992-1993 年，瑞士日内瓦大学客座教授1993-2000 年，比利时法语鲁汶大学运筹学与计量经济学中心（CORE）客座教授2000 年至今，比利时法语鲁汶大学数学工程系（INMA）、运筹学与计量经济学研究中心（CORE）教授、正教授、名誉教授及高级科学研究员主要奖项与荣誉2000 年，乔治·B·丹齐格奖（国际数学优化学会 MOS、国际工业与应用数学协会 SIAM)2009 年，约翰·冯·诺依曼理论奖（运筹学和管理学研究协会 INFORMS）2009 年，查尔斯·布罗伊登奖（《优化方法和软件》期刊最佳论文）2014 年，国际工业与应用数学协会（SIAM）杰出论文奖2016 年，欧洲运筹学协会（EURO）金奖2018-2023 年，欧洲研究理事会（ERC）高级研究基金2021 年，欧洲科学院院士2022 年，美国国家科学院院士2022 年，弗雷德里克·W·兰彻斯特奖（运筹学和管理学研究协会 INFORMS）作者：许琦敏图片：WLF提供责任编辑：任荃*文汇独家稿件，转载请注明出处。