当前位置: > 学术报告 > 文科 > 正文

文科

Convergence Analysis and a DC Approximation Method for Data-driven Mathematical Programs with Distributionally Robust Chance Constraints

发布时间:2020-12-04 浏览:

报告人:孙海琳 教授

讲座日期:2020-12-07

讲座时间:9:00

报告地点:腾讯会议(会议ID 871 966 523,密码123123)

主办单位:数学与信息科学学院

讲座人简介:

孙海琳博士是南京师范大学数学科学学院教授。他于2007年在吉林大学获得统计学学士学位,2013年毕业于哈尔滨工业大学,获数学博士学位。在其博士期间,他在英国南安普顿大学和香港理工大学联合培养。2015年12月至2018年1月在香港理工大学应用数学系做博士后研究。2018年获中国运筹学会青年科技奖和江苏省数学成就奖。他的研究领域包括随机优化,分布鲁棒优化、随机变分不等式及其在投资组合、风险管理和经济学模型上的应用。他在包括Mathematical Programming、SIAM Journal on Optimization、Mathematics of Operations Research等国际权威期刊发表了十多篇论文。

讲座简介:

In this paper, we consider the convergence analysis of data-driven mathematical programs with distributionally robust chance constraints (MPDRCC) under weaker conditions without continuity assumption of distributionally robust probability functions. Combining with the data-driven approximation, we also propose a DC approximation method to MPDRCC without tractable structures. We give the convergence analysis of the DC approximation method without continuity assumption of distributionally robust probability functions, and apply a recent DC algorithm to solve them. The numerical tests verify the theoretical results and show the solvability of the data-driven approximated DC approximation method.