阿尔卡迪·内米罗夫斯基

阿尔卡迪·内米罗夫斯基（俄语：Аркадий Немировский，罗马化：Arkadi Nemirovski，1947年3月14日—）是一名俄裔美国数学家，乔治亚理工学院的教授^[4]。他一直是连续最佳化（英语：Continuous optimization）领域的领先者，以其在椭球法（英语：Ellipsoid method）、现代内点法和强健最佳化（英语：Robust optimization）的工作而闻名^[5]。

阿尔卡迪·内米罗夫斯基 Arkadi Nemirovski
出生	(1947-03-14) 1947年3月14日（78岁）  苏联俄罗斯莫斯科
国籍	美国  以色列
母校	莫斯科国立大学 基辅模控学研究所
知名于	椭球法（英语：Ellipsoid method） 强健最佳化（英语：Robust optimization） 内点法
奖项	富尔克森奖（1982年） 丹齐格奖（英语：Dantzig Prize）（1991年）[1] 约翰·冯·诺伊曼理论奖（英语：John von Neumann Theory Prize）（2003年）[2] 诺伯特·维纳奖（英语：Norbert Wiener Prize in Applied Mathematics）（2019年）[3]
科学生涯
机构	乔治亚理工学院 以色列理工学院

生平

内米罗夫斯基在1974年获得莫斯科国立大学的数学博士学位，并在1990年获得乌克兰国家科学院模控学研究所的数学科学博士学位，他曾获得富尔克森奖、丹齐格奖（英语：Dantzig Prize）、约翰·冯·诺伊曼理论奖（英语：John von Neumann Theory Prize）和诺伯特·维纳奖（英语：Norbert Wiener Prize in Applied Mathematics）等奖项^[6]。他因“开发大规模凸优化问题的高效算法”，在2017年当选为美国国家工程院院士^[7]，并在2020年当选为美国国家科学院院士^[8]。

学术研究

内米罗夫斯基在1983年与David Yudin一起首次提出镜像下降法（英语：Mirror descent）^[9]。

他与尤里·涅斯捷罗夫在1994年的著作^[10]中首次指出内点法可以解决凸优化问题，也是第一次对半正定规划（SDP）进行系统性研究。在这本书中，他们还介绍了自洽函数（英语：Self-concordant function），这对牛顿法的分析很有帮助^[11]。