尤里·涅斯捷罗夫

尤里·涅斯捷罗夫（Yurii Nesterov），出生于1956年。现任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。^[1]

尤里涅斯捷罗夫1977年至2000年期间在俄罗斯科学院中央经济数学研究所担任初级和高级研究员。2000年，尤里涅斯捷罗夫获得了乔治·B·丹齐格奖。1992年至1993年期间，他成为瑞士日内瓦大学的客座教授。1993年至2000年期间，他在比利时法语鲁汶大学运筹学与计量经济学中心（CORE）担任客座教授。2009年他获得了约翰·冯·诺依曼理论奖，该奖项由运筹学和管理学研究协会（INFORMS）颁发；同年，他还获得了查尔斯·布罗伊登奖。2014年，获得国际工业与应用数学协会（SIAM）杰出论文奖。尤里·涅斯捷罗夫于2021年当选欧洲科学院院士，2022年当选美国国家科学院院士。^[1]2023年9月14日，尤里·涅斯捷罗夫与阿尔卡迪·涅米罗夫斯基共同获得2023年世界顶尖科学家协会奖“智能科学或数学奖”。^[3]

尤里·涅斯捷罗夫于1977年获得苏联莫斯科国立大学应用数学硕士学位，1984年获得苏联控制科学研究所应用数学博士学位。2014年，尤里·涅斯捷罗夫获得了俄罗斯莫斯科物理技术学院应用数学的全博士（正博士）学位。^[1]

尤里·涅斯捷罗夫在1977年至2000年期间担任俄罗斯科学院中央经济数学研究所的初级和高级研究员。之后尤里·涅斯捷罗夫在1992年至1993年期间成为瑞士日内瓦大学的客座教授。尤里·涅斯捷罗夫在1993年至2000年期间担任比利时法语鲁汶大学运筹学与计量经济学中心（CORE）的客座教授。^[3]

自2000年起，尤里·涅斯捷罗夫担任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。尤里·涅斯捷罗夫于2021年当选欧洲科学院院士，2022年当选美国国家科学院院士。^[3]

2009年尤里·涅斯捷罗夫获得了约翰·冯·诺依曼理论奖，该奖项由运筹学和管理学研究协会（INFORMS）颁发。^[1]

2014年尤里·涅斯捷罗夫获得了国际工业与应用数学协会(SIAM)·杰出论文奖；之后在2016年尤里·涅斯捷罗夫获得了欧洲运筹学协会(EURO)·金奖。^[1]

2023年9月14日，2023年世界顶尖科学家协会奖（WLA Prize）在上海揭晓。尤里·涅斯捷罗夫与阿尔卡迪·涅米罗夫斯基共同获得“智能科学或数学奖”，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。^[3]

尤里·涅斯捷罗夫的首批重要成果与快速梯度法（FGM）有关。快速梯度法（Fast Gradient Method，简称FGM）是一种用于机器学习和深度学习中的优化算法。它的主要目标是尽快找到一个模型的最佳参数，以便模型可以在给定的任务上表现得更好。这些成果在机器学习和人工智能领域得到了越来越多的应用。^[3]

尤里·涅斯捷罗夫与阿尔卡迪·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。^[1]

尤里·涅斯捷罗夫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。^[1]

尤里·涅斯捷罗夫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。一些正在实施的三阶方法已成为优化领域最高效的方法。^[1]

参考资料^[1]

2021年9月，尤里·涅斯捷罗夫被上海大学理学院数学系余长君副教授邀请为上大学子进行秋季学期课程教学，有助于贯彻落实大会精神，扩大高校国际合作交流，提高本科教学国际化水平。^[4]