2026年1月，我校统计与数学学院预聘制教授张国栋作为同等贡献共同作者，与美国耶鲁大学Xiaohong Chen教授、山东大学陈增敬教授、美国宾夕法尼亚大学Wayne Yuan Gao教授、西安交通大学严晓东教授合作撰写的学术论文“Optimization via Strategic Law of Large Numbers”，在国际顶级学术期刊《美国科学院院刊》（PNAS）正式发表。

该论文建立了一个基于“策略大数定律”（Strategic Law of Large Numbers, StLLN）的全局优化统一框架，并提出一种名为“策略蒙特卡洛优化（SMCO）”的高效算法，在优化理论领域取得了重要突破。研究从理论上证明，全局优化问题可等价转化为一类双臂决策模型中的最优策略设计问题，并在此基础上构建了仅依赖梯度符号信息即可实现高效优化的实用算法。实验表明，该算法在高维、多峰、非光滑等复杂函数优化中具有优秀的鲁棒性和收敛效率。

论文在理论与方法层面均具有突破性意义。在理论层面，研究开创性地将概率极限定理与最优决策模型相融合，建立了“通过策略寻优实现极值搜索”的新范式，为优化理论与强化学习、自适应决策等领域的进一步交叉提供了理论桥梁。在方法层面，SMCO算法仅需梯度符号或有限差分信息，具备天然并行特性，且对目标函数的噪声与非光滑性具有较强的适应能力。这些特点使其在仿真优化、超参数调优、经济计量建模、工程系统校准等实际高维优化问题中具有广泛的应用潜力。

PNAS（Proceedings of the National Academy of Sciences）是与Nature、Science、Cell齐名的世界顶尖综合性学术期刊，在学术界具有广泛的权威性，并在公众传播层面享有显著的影响力。

撰稿：万道侠 审核：田金方 编辑：李清照 终审：于洪良