威廉希尔体育,威廉体育官方

为强化研究团队的理论根基，追踪国际优化领域的前沿进展，我院举办了“随机优化系列学术讲座”第八讲于2025年11月20日下午在智能应用研究院302会议室顺利举行。本次讲座由王林教授主持并邀请泰国蒙库特国王科技大学理论与计算研究中心的Mahmoud M. Yahaya博士作题为《Zeroth-Order Algorithms for Nonconvex- Strongly -Concave Minimax Problems with Improved Complexities》的学术报告。

Mahmoud M. Yahaya博士在报告中系统阐述了零阶算法在对抗攻击、强化学习等仅能获得目标函数值场景中的重要意义。针对非凸-强凹极小极大问题，他深入分析了现有零阶方法在收敛复杂度方面的局限，并介绍了两种创新算法：零阶梯度下降上升算法和零阶梯度下降多步上升算法。理论分析表明，在确定性情形下，Z0-GDMSA算法通过多步上升策略显著改善了对条件数的依赖，达到了当前最优的Oracle复杂度。

在随机优化场景中，Mahmoud M. Yahaya博士进一步展示了随机零阶梯度下降上升算法和随机零阶梯度下降多步上升算法，并在适当的假设下获得了其收敛性。特别值得关注的是，在强增长条件下，随机算法的复杂度与确定性算法保持一致，显著提升了样本效率。数值实验显示，所提算法在分布鲁棒优化问题中表现优异，在多个真实数据集上的收敛性能与一阶算法相当。

在交流环节，在场师生围绕零阶算法的设计原理、强增长条件在实际模型中的适用性以及高维情形下的理论扩展等议题，与Mahmoud M. Yahaya博士展开了深入讨论。Mahmoud M. Yahaya博士结合其丰富的研究经验，对这些问题进行了详尽解答，并进一步阐释了相关理论在对抗性机器学习和鲁棒优化中的应用前景。本次讲座不仅为我院师生提供了零阶优化算法的最新研究视角，也为团队后续在优化、对抗学习等前沿方向的研究提供了坚实的理论支撑与启发。