Mathematical Programming

Chair: Claudia D Ambrosio, LIX, FR
The BARON project for the global optimization of NLPs and MINLPs began in the early 1990s. The project has led to the in-
troduction of a number of methodologies to the forefront of global optimization, including domain reduction techniques, finite
branching schemes for continuous problems, polyhedral relaxations, dynamic convexity detection, and the use of multi-term
relaxations, multi-constraint relaxations, integer programming relaxations, and portfolios of relaxations in branch-and-bound
algorithms. In this talk, we review key developments in the history of BARON, and present computational results on bench-
marks and an application in symbolic regression.
Nick Sahinidis is John E. Swearingen Professor and Director of the Center for Advanced Process Decision-making at Carnegie
Mellon University. He joined Carnegie Mellon in 2007 after a sixteen-year long career at the University of Illinois at Urbana,
where he taught in Industrial Engineering and Chemical Engineering. His research addresses the development of theory,
algorithms, and the BARON software for global optimization of mixed-integer nonlinear programs, as well as applications in
a variety of fields, including process systems optimization and machine learning. His honors have included the INFORMS
Computing Society Prize, the Beale-Orchard-Hays Prize, the Computing in Chemical Engineering Award, the Constantin
Carathéodory Prize, and the National Award and Gold Medal from HELORS. Professor Sahinidis is a fellow of INFORMS
and AIChE. He is the Editor-in-Chief of Optimization and Engineering.
Majority judgment
by
Michel Balinski
, CNRS and Ecole Polytechnique, FR
KEYNOTE - Fr 11:00am-12:00am
Invited Session 535
Room: LEYTEIRE Building: E, 3rd floor , Zone: 1
Chair: Martine Labbé, Université Libre de Bruxelles, BE
Every well-known voting procedure in use today hides important vices that can deny the will of the electorate including ma-
jority vote with only two candidates (the domination paradox), approval voting, and all methods that ask voters to rank-order
candidates. The reason: voters cannot adequately express their opinions. Majority judgment asks voters to express their opin-
ions by evaluating every candidate in a common language of ordinal grades such as: Great, Good, Average, Poor, or Terrible.
Majorities determine the electorate’s evaluation of each candidate and the ranking between every pair of candidates (neces-
sarily transitive), with the first-placed among them the winner. Majority judgment is described together with real examples of
its use. It was specifically designed to (1) permit voters to express their opinions, (2) be meaningful in the sense of measure-
ment theory, (3) guarantee a transitive order-of-finish (avoiding Condorcet’s paradox), (4) avoid Arrow’s paradox (when the
order-of-finish of two candidates depends on the presence
/absence of another candidate), (5) combat strategic manipulation
and encourage the honest expression of opinions. References M. Balinski and R. Laraki, Majority Judgment: Measuring,
Ranking, and Electing, M.I.T. Press 2011. – and –, “Judge: Don’t Vote!” Operations Research 62 (2014) 483-511.
Michel Balinski, a Williams College graduate, completed an M.S. in economics at MIT and a Ph.D. in mathematics at Prince-
ton. He has taught at Princeton, Penn, CUNY Graduate Center, Yale and SUNY, Stony Brook. Beginning in 1982 he was
Directeur de Recherche de classe exceptionnelle of the CNRS at the Ecole Polytechnique, Paris. He was awarded INFORMS’s
Lanchester Prize in 1965, the MAA’s Lester R. Ford Award in 1976 and in 2009, an honorary degree in mathematics from
the University of Augsburg in 2004, and INFORMS’s John von Neumann Theory Prize in 2013. He is the founding editor of
Mathematical Programming and a past President of the Mathematical Optimization Society. He is the author of Fair Repre-
sentation: Meeting the Ideal of One Man, One Vote (1982, reissued 2001, with H. P. Young), Le su
ffrage universel inachevé
(2004), and Majority Judgment: Measuring, Ranking and Electing (2011, with R. Laraki), and the author or co-author of
about 150 articles. His principal current interest is the design of electoral systems. One of his electoral systems is used in
several Swiss cantons.
Submodularity in mixed-integer quadratic and conic quadratic optimization
by
Alper Atamturk
, UC Berkeley, US
KEYNOTE - Fr 11:00am-12:00am
36

---

Invited Session 540
Room: DENIGES Building: C, Ground Floor , Zone: 5
Chair: Daniel Bienstock, Columbia University, US
Submodularity plays an important role in developing e
ffective methods for numerous combinatorial optimization problems.
However, its use beyond 0-1 optimization, especially for problems with continuous variables, has been limited. In this talk,
we review the recent progress in exploiting submodularity or partial submodularity in mixed 0-1 quadratic and conic quadratic
optimization for deriving strong formulations and e
ffective algorithms.
Alper Atamturk is a Professor of Industrial Engineering and Operations Research at the University of California, Berkeley.
He received his Ph.D. from the Georgia Institute of Technology in 1998 with a major in Operations Research and minor
in Computer Science. His research interests are in optimization, integer programming, optimization under uncertainty with
applications to energy, portfolio and network design, cancer therapy, and defense. Dr. Atamturk is a national security fellow
(NSSEFF) of the US Department of Defense. He serves on the editorial boards of Mathematical Programming A, Mathemati-
cal Programming C, Discrete Optimization, and Journal of Risk.
Modern Branch-and-Cut Implementation
by
Matteo Fischetti
, University of Padua, IT
KEYNOTE - Fr 11:00am-12:00am
Invited Session 542
Room: BROCA Building: W, 3rd floor , Zone: 0
Chair: Marc Pfetsch, TU Darmstadt, DE
The Branch and Cut (B and C) method was proposed in 1990’s by Manfred Padberg and Giovanni Rinaldi, and is nowadays
the method of choice for the exact solution of Mixed-Integer Linear Programs (MILPs). A typical use of the MILP technology
consists in writing a computer program (in any high-level programming language such as C
/C++, Python, Matlab, etc.) that
reads the input data, internally generates the model of interest, and solves it by invoking appropriate functions provided by the
solver. Open-source and commercial MILP solvers provide a wide set of parameters to control its execution. In some cases,
however, one is interested in customizing the solver even further, by exploiting some problem-specific knowledge. To this
end, modern MILP codes provide so-called "callback functions" that are automatically invoked by the solver at some critical
points of its execution. By default, the callbacks are not installed, meaning that they are not active and the solver uses its own
default solution strategy. By installing her own callbacks, an advanced user can then take control of the solution algorithm
and fully customize it. In the talk we will quickly describe the most-used callback functions for a generic B and C solver
for MILPs. As an example of application, we will show how callback functions can be used to allow a given MILP solver
to handle (nonconvex) bilinear terms of the form z
i
= x
i
y
i
, thus producing a fully-general B and C solver for mixed-integer
quadratic problems.
Matteo Fischetti is full professor of Operations Research at the Department of Information Engineering of the University of
Padova, Italy. He is Associate Editor of the international journals “Operations Research” and “Mathematical Programming
Computation”. He won, among others, the Best Ph.D. Dissertation on Transportation prize awarded by the Operations Re-
search Society of America (1987) and the INFORMS Edelman award (2008). In 2015 he was awarded the Harold Larnder
Prize by the Canadian Operational Research Society. His research interests include Integer Programming, Combinatorial
Optimization, Railway Optimization, Vehicle Routing and Crew Scheduling Problems.
Tseng Memorial Lectureship in Continuous Optimization
SEMI - Fr 11:00am-12:00am
Invited Session 549
Room: Auditorium Building: Symphony Hall, Zone: 0
Chair: Yaxiang Yuan, Chinese Academy of Sciences, CN
37

---