凸优化 (2014年秋季)

  • 作业

    • 作业一: 教材 “Convex optimization”,习题:2.10, 2.20, 2.31 (a), (b), (c), 3.9, 3.18, 3.26 (a), (b), 3.37. 交作业时间: 9月29日课堂上交(上课前)。

    • 作业二: 教材 “Convex optimization”,习题: 交作业时间:习题:4.2, 4.5, 4.8, 4.13, 4.24, 4.26. 交作业时间: 10月20日课堂上交(上课前)。

    • 作业三: 教材 “Convex optimization”,习题: 交作业时间:习题:4.28, 4.40, 4.43, 4.45, 4.47. 交作业时间: 10月27日课堂上交(上课前)。

    • 作业四: 教材 “Convex optimization”,习题: 交作业时间:习题:5.6, 5.7, 5.16, 5.23, 5.27, 5.30. 交作业时间: 11月5日课堂上交(上课前)。

    • 作业五: homework5.pdf Test_l1_regularized_problems.m: 交作业时间: 12月8日课堂上交(上课前)。

  • 课程项目

    • 课程项目一:
      i) 自由组合2至3人一组,从课程项目文献列表中选一篇参考文献。
      ii) 准备15分钟报告 + 5分钟提问。 每个组员均需讲差不多长度的时间。成绩评定: 50% 其中小组之间相互评定和教师意见各 50% .
      小组之间相互评定,评分为1-10。 请每组填写presentation_evaluation.xlsx发给助教.
      每组负责收集自己组的评分。如果B组课堂上没有给A组评分,则A组收集B组的评分填写为10*(请标注*号),而B组计算平均分后将减1分,扣完为止。
      iii) 每一组提交一份ppt (课堂报告文件)和一份读书报告 (包括latex源文件 )。如果文章中有数值算例,请写程序复制数值实验结果。
      提交时间: 2014 年12月31日课堂前。 成绩评定:占该项目的 50%
      iv) 分组情况请于11月1日前发email给助教,信息如下: 姓名,学号,文章题目,两个做报告的时间。
      分组情况及时间安排请查看此链接

    • 课程项目二: project-opt-2014-fall.pdf 交作业时间: 2014年12月22日课堂上交(上课前)。

  • 成绩评定

    • 4-5次大作业,包括习题和程序: 50%

    • 课程项目: 50%

    • 作业要求:可以同学间讨论或者找助教答疑,但不准抄袭。计算题要求写出必要的推算步骤,证明题要写出关键推理和论证。

课程项目报告文件

  • Mingyi Hong, Zhiquan Luo, On the Linear Convergence of the Alternating Direction Method of Multipliers
    吴昌晶, 何迪 presentation

  • Damek Davis, Wotao Yin, Faster convergence rates of relaxed Peaceman-Rachford and ADMM under regularity assumptions
    秦雪, 黄卫杰, 崔金杰 presentation

  • Panos Parpas, Duy V. N. Luong, Daniel Rueckert, Berc Rustem, A Multilevel Proximal Algorithm for Large Scale Composite Convex Optimization
    温见培, 潘欣 presentation

  • Ji Liu, Stephen J. Wright, Srikrishna Sridhar, An Asynchronous Parallel Randomized Kaczmarz Algorithm
    冯宇婷, 魏小倩, 韩华云 presentation

  • Aleksandr Aravkin, Michael P. Friedlander, Felix J. Herrmann, Tristan van Leeuwen, Robust inversion, dimensionality reduction, and randomized sampling
    方聪, 游山, 郑凯 presentation 1 presentation 2 presentation 3

  • M. Soltanolkotabi, E. Elhamifar and E. J. Candès. Robust subspace clustering
    万晟, 张弛昱, 元玉慧 presentation

  • Bo Jiang, Shiqian Ma, Shuzhong Zhang, Tensor Principal Component Analysis via Convex Optimization
    乔晗, 柏园超, 王轶楠 presentation

  • Alexandre d'Aspremont, Noureddine El Karoui, A Stochastic Smoothing Algorithm for Semidefinite Programming
    郝彬, 周攀 presentation

  • Richard H. Byrd, Gillian M. Chin, Jorge Nocedal, Yuchen Wu, Sample size selection in optimization methods for machine learning
    窦夏良, 张明睿 , 黄东明 presentation 1 presentation 2 presentation 3

  • Wei Shi, Qing Ling, Gang Wu, and Wotao Yin, EXTRA: an Exact First-Order Algorithm for Decentralized Consensus Optimization
    张静茹, 孙鑫伟 presentation

  • Zhaosong Lu, Lin Xiao, On the Complexity Analysis of Randomized Block-Coordinate Descent Methods
    邱韫哲, 刘泽琨 presentation

  • Martin S. Andersen, Joachim Dahl, Lieven Vandenberghe, Implementation of nonsymmetric interior-point methods for linear optimization over sparse matrix cones
    苏奇, Lin Christy, 段高鹏 presentation

  • Xin-Yuan Zhao, Defeng Sun, and Kim-Chuan Toh, A Newton-CG Augmented Lagrangian Method for Semidefinite Programming
    彭秀辉, 王琦少, 王鹏昊 presentation

课程项目文献