1962年4月1日出生于广西武鸣。

 

　　1977年9月-1979年9月：在武鸣剑江中学念书。

 

　　1979年9月-1983年7月：在广西大学数学系念书，曾担任班团支书，校团委委员。

 

　　1983年7月-1994年2月：1983年大学毕业后在广西大学数学系任教，1990年获讲师资格。

 

　　1994年2月-1998年2月：获澳大利亚政府海外研究生研究奖学金（OPRS）资助，在澳大利亚新南威尔斯大学攻读博士学位，1997年10月获博士学位，1998年2月回到广西大学工作。

 

　　1998年2月- 至今：在广西大学工作。其间：1998年由讲师破格提升为教授；2000年9月-2003年8月任数学与应用数学系主任；2002年3月-2002年9月获香港Croucher Foundation资助到香港理工大学访问；2003年8月-2005年2月任广西大学数信学院副院长，主持全面行政工作；2005年2月任广西大学数学与信息科学学院院长；2008年5月获华东理工大学博士生导师资格。

　　

编辑本段学术研究

　　1987年，在薛声家教授的带领下，广西大学数学系组织了最优化理论和方法研讨班，我是其中成员之一，从此开始走上科研道路；1989年，我到中科院应用数学研究所访问半年，向老一辈优化专家（韩继业，章祥孙，赖炎连等）学习；1994-1998年，在澳大利亚新南威尔斯大学攻读博士学位，对最优化理论与方法进行更深入的学习与研究。按所获成果类型简介如下：

 

　　梯度投影法是求解非线性约束最优化问题的一类重要方法，由于它的搜索方向具有显示表达式，因而计算较少。但此类算法有一个缺陷：迭代的初始点必须从可行域出发，这就导致必须解一个辅助的优化问题以产生初始点才能进行迭代，导致计算量大增（甚至倍增）。因而给出一个初始点任意且全局收敛性的梯度投影方法不但具有理论意义而且具有应用前景。文“初始点任意且全局收敛的梯度投影法”（科学通报.1990）,将梯度投影与罚函数相结合,首次给出了求解非线性规划问题的一个初始点任意、迭代方向结构简单且具有全局收敛性的算法，算法中的罚函数只需要调整有限次。继此文章之后，文“ A unified approach to the method of gradient projection with arbitrary initial point”（ Systems Science and Mathematical Sciences,1991），又对上述结果进行改进，使得迭代初始点一旦进入可行域，往后的迭代均在可行域中进行。这两个结果，导致了国内较长时间对这一类算法的研究。

 

　　主要是对求解非光滑凸函数稳定点的算法进行研究，文“A general approach to convergence properties of some methods for nonsmooth convex optimization”(Appl.Math.Optim. 38(1998) 141-158) 利用非精确次梯度的概念给出了一个算法框架，并建立了全局收敛性和局部收敛性结果。利用这些收敛性结果我们得到了由Bonnans,Gilbert,Lemarechal提出的变尺度Proximal算法和由Rockafellar提出的Proximal Point算法等的全局收敛性，并且证明上述两类算法不可能出现Rockafellar-Todd现象；文“Convergence anlysis of some methods for minimizing a nonsmooth convex function”(JOTA 97(1998) 357-383) 还利用函数逼近理论给出了另外一个新算法，这个方法也推广了Guler等人的结果。除此之外,还有些结果被美国著名的优化专著《Nonlinear Programming》(Dimitri P.Bertsekas,1999)引用。

 

　　和非线性规划问题相比，随机优化问题更为复杂，其原因是所涉及的函数很难求出精确的函数值和梯度值，因此，以往文献上给出的算法均没有讨论其收敛速度。文“补偿随机规划的一种新的数值方法”（数学年刊，5（2002），208-214）首次给出了求解二阶段补偿随机规划问题的具有超线性收敛速度的方法，文“An SQP-tye method and its application in stochastic progeamming ”(Journal of Optimization Theory and Applications, 1 (2003) 205-228)采用上述思想，利用函数逼近理论给出了一个新的非精确SQP算法并给出了全局收敛性和超线性收敛的条件，这个方法可以用来求解复杂的优化问题。

 

　　对于SQP方法，文“On the constant positive linear dependence and its application to SQP methods”（SIAM Journal on Optimization,10 (2000) 963-981），给出一个条件称为CPLD,并在此条件现了SQP类算法的一般收敛条件。在这篇文章中，我们猜想CPLD是一个约束规格，这个猜想后来被巴西优化专家所证明，可见文“Relation between the CPLD and the quasinormality constraint qualification”（JOTA， 125 (2005) 473-485)）。文“A variant of SQP method for inequality constrained optimization and its global convergence ”（Journal of Computational and Applied Mathematics, 197(2006) 270-281）给出了一个相容的SQP方法,克服了SQP子问题可能无解等困难。

 

　　共轭梯度法和拟牛顿法是求解无约束优化问题的两类著名方法，前者适应于求解大规模的优化问题，后者适合于求解中小规模的问题。在共轭梯度方法中最著名的是FR和PRP公式，其中FR有良好的收敛性质但数值结果表现差，而PRP公式在常用的线性搜索下对一般的非凸函数不具有全局收敛性。文“New nonlinear conjugate gradient formulas for large-scale unconstrained optimization problems”
(Applied Mathematics and Computation.179(2006)407-430） 和文“The convergence properties of some new conjugate gradient methods”（Applied Mathematics andComputation (2006)）首次给出了无需线搜索但具有充分下降性的共轭梯度公式；文“Global convergence of the Polak-Ribiere-polyak conjugate gradient methods with inexact line search for nonconvex nconstrained optimization problems”（Journal of Computational and Applied Mathematics）在新的线性搜索和一定的条件下证明了PRP的全局收敛性。

 

　　在拟牛顿方法中最著名的是BFGS公式，但BFGS在常用的线性搜索下对一般的非凸函数不具有全局收敛性，文“New quasi-Newton methods for unconstrained optimization problems”（Applied Mathematics and Computation, 175 (2006) 1156-1188）和文“The superlinear convergence of a modified BFGS-type method for unconstrained optimization”（Computational Optimization and Applications, 29 (2004) 315-332）给出一个新的拟牛顿方程，并由此产生一族拟牛顿公式，其中BFGS型公式不但比原BFGS公式有更好的性质（包括全局收敛性质）而且有更好的数值表现。

 

　　除上述A-E外，在线性搜索算法、罚函数法、信赖域方法、LQP方法以及随机优化方法在工程上的应用等方面取得了一些有意义的结果。