2024年3月26日，美国斯坦福大学叶荫宇教授应邀在437必赢会员中心为公司师生分享题为“Recent Computational Progress on Linear Programming Solvers”的学术讲座。本次学术活动由学院经理韩科教授主持，学院教师及研究生聆听了本次讲座。
经理韩科教授对叶荫宇教授的学术成就进行了介绍，同时对叶教授莅临公司开展讲座表示诚挚的感谢！
本次讲座专注于分享在通用线性和半定规划求解器开发过程中的最新算法进展。叶教授首先介绍了基于快速在线算法的线性规划预求解器，通过机器学习算法实现数据读取与求解同步进行，能够保证求解精度稳定在88%以上。其次分享了基于内点+单纯形法智能交叉的线性规划改进求解方法，通过调参手段快速找到顶点可行解，并根据问题特征采用机器学习算法找到合适的交叉转换时间点。接下来，叶教授介绍了基于ADMM的改进内点算法，针对半定规划无法求解大规模问题的缺点，设计了基于LoRADS矩阵降维的一阶求解方法，显著减少算法迭代次数，从而大大提高了半定规划的求解规模。最后，分享了如何利用GPU的体系架构和并行计算优势，开发原始-对偶混合梯度算法，通过交替更新原始变量和对偶变量来迭代求解。该方法适用于大规模数据和高维度问题，在求解线性规划、二阶锥规划、凸二次规划与凸二次约束规划等多种类型问题都具有比较大的优势。
叶荫宇教授表示，这些最新求解技术已应用在杉数科技开发的优化求解器COPT中。该求解器对于一组基准线性和半定规划问题的求解速度在过去三年中提高了3倍以上，而对于某些特定类型问题，加速比超过50倍。过去需要几天才能求解或从未求解过的问题，目前在保证高精确度的情况下可以在几分钟内求解完成。根据计算平台数据显示，COPT求解器目前在多个问题类型中求解速度排名第一，已广泛应用于能源、供应链、航空、交通、金融和仓储物流等运筹优化领域。叶教授表示通过加深对研究问题的理解或者通过机器学习总结出相应的规律性来助力求解器求解是非常有意义的事情。
公司副经理聂佳佳教授对本次学术报告会进行了总结发言，并对叶教授的到来致以诚挚的感谢，希望公司师生能够学习叶教授的科研精神，不断提高学术能力，做有意义的学术研究。
聆听报告的学术界学者、科研人员和员工们踊跃提问，展开了深入的讨论与交流。
美国斯坦福大学叶荫宇教授的精彩演讲促进学院的学术氛围和科研能力提升，对推动运筹学与深度学习领域的研究和应用有着积极而深远的影响。
