We propose a novel zeroth-order optimization algorithm employing an efficientsampling strategy. Under mild global regularity conditions on the objective function, we establish severanon-asymptotic convergence rate estimates for the proposed method.Comprehensive numericaexperiments validate the algorithm's efficacy, demonstrating: (i) Scalability: Consistent performance inhigh-dimensional spaces (100D+). (ii) Versatility: Robust optimization across diverse test functions(Schwefel, Rosenbrock, Ackley, Griewank, Levy, Rastrigin, Weierstrass). (ii) Discontinuity tolerance.Effective handling of non-smooth landscapes.

报告人简介:张希承教授，北京理工大学数学与统计学院院长、党委书记，2010年入选教育部“新世纪优秀人才支持计划，先后主持国家自然科学基金项目4项，2013年获国家自然科学基金杰出青年项目。2016年获教育部国家高层次人才特聘教授。张希承教授一直从事随机分析及其相关领域问题研究，研究兴趣主要集中于非光滑随机流、随机微分方程、[evy过程与非局部算子分析、热核估计、动理学方程以及与随机方程的联系等方面。迄今，他已在概率和方程方向的顶级刊物上发表学术论文一百余篇，并先后主持多项国家自然科学基金项目。