学术报告
题目：On the Greedy Randomized Coordinate Descent Method
报告人：白中治 研究员 单位：中国科学院数学与系统科学研究院
时间：2022年11月26日（周六）上午10：00-11：00
腾讯会议：492-907-145
报告人及报告内容简介：白中治,中国科学院数学与系统科学研究院研究员、博士生导师,俄罗斯南部联邦大学荣誉博士。曾获得国家杰出青年科学基金、冯康科学计算奖和国务院政府特殊津贴等，并入选国家级“新世纪百千万人才工程计划” 和中国科学院百人计划(D类)。他曾多次应邀在重要国际会议上做主旨邀请报告；多次担任重要国际会议的共同主席，及组织委员会或科学委员会成员；也曾担任至少十五种国际国内学术刊物的编委。白中治研究员的主要研究领域为数值代数、数值优化、并行计算和微分方程数值解等；他为线性与非线性代数方程组和互补问题的数值求解设计了高效的串行和并行数值方法，并建立了系统深刻的收敛性理论。白中治研究员连续多次在爱思唯尔中国高被引学者榜单中名列前茅，并于2016、2017、2018、2019和2020年连续五次跻身于汤森路透 ISI Web of Science 全球高被引科学家行列。特别，他在2003年与美国科学院、工程院和艺术科学院院士、斯坦福大学教授Gene H. Golub等所提出的HSS迭代方法被公认为是矩阵计算的里程碑，也是线性代数方程组迭代方法研究领域近二十年来最重要的进展之一。
Abstract: For solving large scale linear least-squares problem
by iteration methods, we introduce an effective probability
criterion for selecting the working columns from the coefficient
matrix and construct a greedy randomized coordinate descent method. It is proved that this method converges to the unique solution of the linear least-squares problem when its coefficient matrix is of full rank, with the number of rows being no less than the number of columns. Numerical results show that the greedy randomized coordinate descent method is more efficient than the randomized coordinate descent method.