他是2021全球Top1%高被引數(shù)學(xué)家，曾是UCLA數(shù)學(xué)系終身教授，今又成Egon Balas獎唯一中國得主

據(jù)該獎項官網(wǎng)介紹，INFORMS 優(yōu)化協(xié)會的 EgonBalas 獎成立于 2020 年，每年頒發(fā)給在優(yōu)化領(lǐng)域做出貢獻的人。截至獲獎當(dāng)年的 1 月 1 日，獲獎?wù)攉@得最高學(xué)位不應(yīng)超過 15 年。該獎項主要嘉獎在優(yōu)化領(lǐng)域具有創(chuàng)新性和影響力的工作，包括理論、算法和/或計算，獲獎?wù)呖色@得 3000 美元獎金和一份引用證書。

官方頒獎詞稱，印臥濤的研究從理論分析到實用算法，再涵蓋到代碼開發(fā)。在全球范圍內(nèi)，他是算子分裂方法、并行和分布式計算、無中心優(yōu)化、壓縮感知和變分圖像處理領(lǐng)域最有影響力的研究者之一。尤其是對成像科學(xué)的貢獻，為高效優(yōu)化算法注入了理論嚴謹性，并在過去 15 年間產(chǎn)生了持久影響。與此同時，他也是 2021 年度全球 top1% 高被引的數(shù)學(xué)家。

自高中起，他就對數(shù)學(xué)和物理非常感興趣，本科則到南京大學(xué)數(shù)學(xué)系學(xué)習(xí)。他說，報志愿時所有第一志愿都是數(shù)學(xué)，第二志愿是計算機。本科期間，他也曾接觸到運籌學(xué)，他發(fā)現(xiàn)運籌學(xué)能把實際問題通過一層抽象變成數(shù)學(xué)模型，然后運用相關(guān)知識或工具去解決實際問題。

2006 年，印臥濤獲得哥倫比亞大學(xué)博士學(xué)位。讀博期間，他主要研究隨機過程和最優(yōu)化，這或許為日后他加入產(chǎn)業(yè)界埋下了伏筆。

他用天氣預(yù)報的例子，解釋了數(shù)學(xué)在計算機科學(xué)中的作用和角色。首先，需要利用微分方程，將天氣的物理過程轉(zhuǎn)換成數(shù)學(xué)表達，微分方程隨著時間演化，而如何控制演化過程的誤差，則與級數(shù)展開相關(guān)。另外，在實現(xiàn)算法的同時要考慮數(shù)據(jù)結(jié)構(gòu)，以保證算法的有效性。

基礎(chǔ)數(shù)學(xué)是簡潔高效的美，而運籌學(xué)在實際運用中顯得更加有用和有趣。數(shù)學(xué)與計算科學(xué)家印臥濤談到，運籌學(xué)是一個典型的交叉科學(xué)，與應(yīng)用數(shù)學(xué)、經(jīng)濟學(xué)、工業(yè)工程和管理科學(xué)都有關(guān)聯(lián)。

智能決策與運籌學(xué)密不可分。作為一個工具，運籌學(xué)正變得越來越重要，比如最優(yōu)化方法、博弈論等已應(yīng)用在 AI 和新能源等諸多領(lǐng)域。以新能源領(lǐng)域為例，廣受關(guān)注的光伏發(fā)電，由于受天氣影響較為明顯，因此產(chǎn)生的電能并不穩(wěn)定。如何準(zhǔn)確預(yù)測產(chǎn)電量、并將不穩(wěn)定的能源合適地調(diào)度到用戶側(cè)，正是決策優(yōu)化和自動控制領(lǐng)域面臨的新問題。

此外，運籌學(xué)中的一些基本理論包括多目標(biāo)優(yōu)化、雙層優(yōu)化，也可用于日常生活。這些理論在數(shù)據(jù)科學(xué)的研究和開發(fā)中，更是必不可少。

目前，他已在高效計算方法的研究上取得不少影響力的成果。以算子分裂為例，其實質(zhì)是將復(fù)雜數(shù)學(xué)問題分解為一組簡單的子問題，此前他和學(xué)生發(fā)現(xiàn)的 Davis-Yin Splitting 算子分裂新方法，對算子分裂的發(fā)展做出了突破性貢獻[1]。

他表示，計算是把一個復(fù)雜場景變成最簡單的可算的單元，Davis-Yin Splitting 方法的優(yōu)勢在于以下三個方面：

首先，Davis-Yin Splitting 方法是一種單調(diào)算子的分裂法。單調(diào)算子是一種性質(zhì)比較好的算子，也是很多具體算子的抽象，比如凸函數(shù)的梯度、對稱正定矩陣、反對稱矩陣等。這種抽象且性質(zhì)好的算子，可讓很多計算問題簡化成一個單調(diào)算子求根問題。

其次，Davis-Yin Splitting 的計算效率比較高，可直接分解更復(fù)雜的三單調(diào)算子問題，無需引入額外變量。

此外，該算法的理論很簡單，且對一系列問題都具備較好的加速效果。

對于無中心優(yōu)化，印臥濤解釋稱它涉及到不同的原理。目前，CPU 和 GPU 單核處理速度不夠快，為加快解決復(fù)雜問題，需同時使用多個 CPU 和 GPU，這便是并行優(yōu)化，它可分為有中心優(yōu)化和無中心優(yōu)化。

有中心優(yōu)化的特點是存在一個進行數(shù)據(jù)匯總和調(diào)度的中心節(jié)點，其它所有計算節(jié)點都需與其通訊。也就是說，只要一個中心節(jié)點出問題就會導(dǎo)致整體通訊癱瘓。而他開發(fā)的無中心優(yōu)化，去掉了中心節(jié)點，每個節(jié)點只與相鄰節(jié)點通訊，或只跟少數(shù)的幾個其他節(jié)點通訊，通訊瓶頸問題得以借此攻克。

此外，無中心優(yōu)化在深度學(xué)習(xí)領(lǐng)域也展現(xiàn)出一定優(yōu)勢，它可將新舊機器在一個網(wǎng)絡(luò)里混合起來同時發(fā)揮作用。這時，不再需要一個中心同步或者調(diào)度所有數(shù)據(jù)，深度學(xué)習(xí)的成本也可得到降低。

過去 10 年左右，在大數(shù)據(jù)分布式并行優(yōu)化方面，他已完成多項優(yōu)秀工作。據(jù)谷歌學(xué)術(shù)，其論文引用記錄已超 28000 次，其中 4 篇被引數(shù)超過 1000 次，H 指數(shù)達70。這些高被引論文的共同特征，在于使用簡單的新方法去解決相關(guān)問題。

2013 年，他在加州大學(xué)洛杉磯分校（UCLA）開始擔(dān)任數(shù)學(xué)系終身教授。2019 年，其加入阿里巴巴達摩院決策智能實驗室，擔(dān)任負責(zé)人和研究員。

他介紹稱，該實驗室主要研究優(yōu)化求解器技術(shù)、時間序列技術(shù)、可解釋的 AI 技術(shù)；同時，在新能源相關(guān)的預(yù)測和調(diào)度項目，驗證技術(shù)的落地性。

印臥濤帶領(lǐng)團隊在短短一兩年之內(nèi)開發(fā)出商用級別的優(yōu)化求解器 MindOpt，多次在國際權(quán)威的 Mittelmann 榜單獲得第一名。

求解器的主要功能是解決數(shù)學(xué)規(guī)劃問題，在云計算、金融、能源等領(lǐng)域應(yīng)用廣泛，亦是智能決策場景的不可或缺的基礎(chǔ)工具。由于技術(shù)壁壘高，幾十年來高性能商用求解器技術(shù)始終由少數(shù)歐美企業(yè)主導(dǎo)，直至最近 2 年才有國內(nèi)廠商嶄露頭角。

2020 年，他帶領(lǐng)團隊發(fā)布了求解器 MindOpt，并率先在內(nèi)部做測試，結(jié)果顯示一年能為阿里云節(jié)省成本數(shù)億元。隨后，求解器向社會免費開放測試，并于 2021 年云棲大會新增了黑盒優(yōu)化功能。

具體來說，求解器是一款基礎(chǔ)工具，類似于運籌優(yōu)化中間的 CPU。因此，求解器往往是基于不同的應(yīng)用場景而產(chǎn)生不同的價值。比如在能源領(lǐng)域，可提升新能源消納率，從而讓調(diào)度的成本更低、穩(wěn)定性更強。

另據(jù)悉，在復(fù)雜系統(tǒng)的運籌優(yōu)化方面，決策智能實驗室也取得一些成果，例如“達靈”計算資源優(yōu)化、“龍靈”零售個性化流量優(yōu)化等。

目前，印臥濤的工作主要是指導(dǎo)決策智能實驗室，完成具體的項目，并在一些重點的賽道上將研發(fā)的技術(shù)實踐進行落地。此外，他也參與過 Alibaba Global Mathematics Competition 的出題與審核。

從 UCLA 到業(yè)界，他表示：“這是一個逐漸轉(zhuǎn)變的過程?！睂W(xué)術(shù)界和產(chǎn)業(yè)界的工作節(jié)奏和模式是不同的。因此，如何將個人目標(biāo)與企業(yè)目標(biāo)相匹配，是成功跨界的一個重要因素。

經(jīng)過磨合和學(xué)習(xí)，他發(fā)現(xiàn)在企業(yè)里，基于內(nèi)部孵化場景所產(chǎn)生需求很豐富，可做的事情也比較多。同時，院內(nèi)支持長期投入，這對于研究和產(chǎn)出的平衡很重要。而豐富的人才結(jié)構(gòu)更容易形成一股合力。

他表示，自己的興趣點在大規(guī)模計算，為了把問題解決得更快更好，需要將多個 CPU 和機器并行，進行分布式計算。而在未來三至五年內(nèi)，他希望將 AI 運用到求解器的研發(fā)中，幫助求解器提高性能。

-End-

參考：

1、Davis, D., Yin, W. A Three-Operator SplittingScheme and its Optimization Applications. Set-Valued Var. Anal 25, 829–858(2017).