Huang Zhiyi: Ein Bergsteiger, der zum höchsten „Felsenpunkt“ des „gefährlichen Gipfels“ des Algorithmus eilt!

Selbst an Tagen, an denen er nicht klettert, denkt Huang Zhiyi, außerordentlicher Professor für Informatik an der Universität Hongkong (HKU), über „Felsgriffe“ nach – wie er seine Fingerspitzen, Fußsohlen und seinen Rumpf perfekt mobilisieren und sich die Haltung der Bewegungen und die Verbindung zwischen Vorder- und Rückseite vorstellen kann. Er liebt das Klettern, vor allem, weil dieser Sport seinem Beruf ähnelt – dem Studium von Optimierungsproblemen unter unsicheren Informationen im Bereich der theoretischen Informatik.

Jede steile Felswand ist wie eine Reihe herausfordernder offener Probleme, die eine enge Zusammenarbeit zwischen Gehirn und Körper, den angemessenen Einsatz von Werkzeugen, umsichtiges Planen und Zusammenfassen sowie das gezielte Angehen mehrerer Schwierigkeiten erfordern. Dann, bei den wiederholten Stürzen und Aussetzern, Frustration und Selbstzweifel ertragen, emotionale Belastbarkeit, körperliche Willenskraft und den Glauben daran, das Ende zu erreichen, verbessern; Unter Berücksichtigung aller Arten unsicherer Informationen müssen wir sorgfältig analysieren und ständig testen, um ein ausgewogenes Gleichgewicht und eine Optimierung zu erreichen und auf die tatsächlichen Bedürfnisse der weiten Welt zu reagieren.

▲ Huang Zhiyi

Seit seinem Eintritt bei HKU im Jahr 2014 hat Huang Zhiyi durch unermüdlichen Einsatz das seit 30 Jahren ungelöste Problem des Turing-Preisträgers Richard Karp (das Anwendungen wie intelligentes Reisen und Organspenden umfasst) sowie zwei seit über zehn Jahren ungelöste Probleme in der Online-Werbung gelöst: Display-Anzeigen und Werbe-Keywords. Bisher hat er mehr als 40 Artikel auf hochkarätigen Konferenzen veröffentlicht. Im Jahr 2015 gewann er den Best Paper Award bei der Annual Conference on Parallelism in Algorithms and Architectures (SPAA) und war damit der erste Gewinner einer asiatischen Institution. Im Jahr 2020 gewann er den Best Paper Award bei der Annual Conference on Foundations of Computer Science (FOCS) und war damit der erste Gewinner einer asiatischen Institution seit fast 14 Jahren und der zweite Gewinner einer asiatischen Institution.

Die schönste Landschaft bietet sich auf den gefährlichen Gipfeln, und die schönste Landschaft liegt noch vor uns. Der Aufstieg in der algorithmischen Welt endet nie wirklich. Für Huang Zhiyi liegt die Schönheit des Kletterns in der perfekten Route, die man nach langer Suche findet, in der kurzen Freude, wenn man den Gipfel erreicht hat, in dem furchtlosen Mut, nach dem Überwinden von Strapazen und dem Berühren des höchsten „Felspunkts“ weiter in Richtung der nächsten unbekannten Klippe zu wandern, sowie in der starken Vitalität, die man dadurch entwickelt, um seinen Horizont kontinuierlich zu erweitern und nach oben zu streben.

Aufbruch ins Ungewisse

Für theoretische Informatiker kann jeder ruhige Moment ein „Brainstorming“ beinhalten. Manchmal, wenn Huang Zhiyi am Wochenende mit seinen Kindern auf dem Boden saß und spielte, schweiften seine Gedanken unbemerkt ab und er dachte über ein Algorithmusproblem nach. Seine Obsession mit der theoretischen Informatik lässt sich auf seine Studienerfahrungen in der „Yao-Klasse“ der Tsinghua-Universität (abgekürzt „Tsinghua“) vor mehr als zehn Jahren zurückführen.

Im Jahr 2004 kehrte der mit dem Turing Award ausgezeichnete Akademiker Yao Qizhi in Vollzeit an die Tsinghua-Universität zurück, um dort in der Fakultät für Informatik und Wissenschaft und Technologie zu unterrichten. Während dieser Zeit kam er auf die Idee, die „Tsinghua Academy Computer Science Experimental Class“ zu gründen. Im folgenden Jahr bestand er die Auswahlprüfung und bildete offiziell eine Klasse mit 30 Spitzenschülern in Mathematik und Informatik. Dies war die erste „Yao-Klasse“. Huang Zhiyi war ein Junior, als er in die erste „Yao-Klasse“ kam. Aufgrund seiner herausragenden Leistungen bei Mathematikwettbewerben an der High School wurde er in die Fakultät für Informatik der Tsinghua-Universität aufgenommen. Später belegte er aufgrund seines Interesses an Mathematik und Physik Kurse im „Mathematik- und Physik-Experimentalkurs“ des Colleges. Diese legten unbeabsichtigt eine gewisse Grundlage für seine Aufnahme in die „Yao-Klasse“.

Die „Yao Class“ hat sich zum Ziel gesetzt, innovative Informatiktalente der Spitzenklasse heranzubilden, die ebenso wettbewerbsfähig oder sogar noch wettbewerbsfähiger sind als Absolventen von Weltklasse-Universitäten wie dem Massachusetts Institute of Technology und der Princeton University und weltweit führend sind. Der Akademiker Yao Qizhi entwickelte speziell für die Studenten der Klasse ein Trainingsprogramm, insbesondere den von ihm unterrichteten theoretischen Algorithmenkurs, der erfrischend war. Gleichzeitig lud er auch Forscher von Microsoft Research Asia ein, den Studenten Kurse zu Themen wie verteiltes Rechnen und Betriebssysteme zu geben. Die Lehrmaterialien und Übungen waren für die damalige Zeit sehr fortschrittlich. Mit hervorragenden Lehrern und intelligenten Klassenkameraden hat sich in der „Yao-Klasse“ eine herzliche Lernatmosphäre entwickelt. Huang Zhiyi war davon stark beeinflusst und interessierte sich allmählich für die theoretische Informatik, die von Akademiker Yao Qizhi studiert wurde. Die theoretische Informatik, also die mathematischen Grundlagen der Informatik, umfasst den Algorithmenentwurf verschiedener Rechenprobleme und die mathematische Analyse ihrer zeitlichen und räumlichen Komplexität usw., was sehr gut mit den Interessen und dem Fachwissen von Huang Zhiyi übereinstimmt.

Nach seinem Abschluss im Jahr 2008 ging Huang Zhiyi an die University of Pennsylvania in den USA, um dort sein Doktoratsstudium fortzusetzen. Mein Mentor, Sampath Kannan, ist Mitglied der American Computer Association. Mein anderer Mentor, Aaron Roth, ist Sloan-Award-Gewinner. Beide Mentoren haben in ihren jeweiligen Forschungsgebieten außergewöhnliche Leistungen erbracht. Während dieser Zeit pflegte Huang Zhiyi einen aktiven akademischen Austausch, kam mit mehreren Richtungen im Bereich der theoretischen Informatik in Kontakt, führte umfangreiche Forschungen zu Online-Algorithmen und algorithmischer Spieltheorie durch und kooperierte mit Google Research und Microsoft Research. Darüber hinaus schlug er während seines Doktoratsstudiums das repräsentative Ergebnis einer „allgemeinen Methode zur Konvertierung von Algorithmen in anreizkompatible Mechanismen“ vor und gewann nacheinander wichtige Auszeichnungen, wie beispielsweise das Simons Theoretical Computer Science Scholarship 2012 (insgesamt 5 Gewinner in den Vereinigten Staaten) und den Rabinov Doctoral Dissertation Award 2013.

Nach seiner Promotion forschte Huang Zhiyi ein Jahr lang als Postdoc an der Stanford University unter der Leitung des Gödel-Preisträgers Tim Roughgarden und dachte während dieser Zeit ernsthaft über seinen nächsten wissenschaftlichen Forschungsplan nach. Zu dieser Zeit steckte die theoretische Informatikforschung in China gerade erst in den Kinderschuhen. Als Schüler der ersten „Yao-Klasse“ hoffte Huang Zhiyi immer, nach seinem Abschluss nach China zurückkehren zu können, um dort zu dienen, genau wie Akademiker Yao Qizhi. Daher beschloss er im Jahr 2014, nach China zurückzukehren und als Dozent an der University of Hong Kong (im Folgenden „HKU“) zu unterrichten, einer Universität mit langer Geschichte in der Nähe seiner Heimatstadt Guangdong. Kurz nach seinem Eintritt in das Unternehmen stach er aus 359 Bewerbern für das Outstanding Young Scholars Program hervor und wurde einer der 22 Gewinner des Early Career Award, der 2014–2015 vom Hong Kong Research Grants Council verliehen wurde. In der starken akademischen Atmosphäre des HKU-Campus begann Huang Zhiyi, Optimierungsprobleme unter unsicheren Informationen zu studieren.

Optimierungsprobleme unter unsicheren Informationen gehen in eine andere Richtung als die traditionelle Algorithmenforschung. In der traditionellen Algorithmenforschung wird untersucht, wie verschiedene Computerprobleme unter den Einschränkungen von Computerressourcen wie Zeit und Speicherplatz gelöst werden können. Während das Optimierungsproblem bei unsicheren Informationen darin besteht, Algorithmen zu entwickeln, die das Problem unter der Einschränkung unzureichender Informationen lösen und dabei die Informationen selbst als Rechenressource behandeln. Nehmen wir als Beispiel das Problem der Zuordnung von Suchanfragen und Werbetreibenden in Suchmaschinen: Einerseits kann der Algorithmus beim Abgleichen einer bestimmten Suchanfrage nicht genau vorhersagen, welche Art von Anfragen in Zukunft gestellt werden wird, sodass diese Art von Problem mit zukünftigen Unsicherheiten umgehen muss. Um andererseits eine gute Übereinstimmung zu finden, möchte der Algorithmus die Wertbewertung verschiedener Schlüsselwörter durch den Werbetreibenden kennen. Diese Informationen sind jedoch nur dem Werbetreibenden selbst bekannt und für den Algorithmus ungewiss.

▲Huang Zhiyi (dritter von links in der ersten Reihe) nahm 2017 an der Shonan-Konferenz in Japan zum Thema „Algorithmen und Optimierung unter unsicheren Informationen“ teil.

Basierend auf den Arten der Informationsunsicherheit und praktischen Überlegungen führte Huang Zhiyi hauptsächlich in zwei Richtungen eingehende Forschungen durch: Online-Algorithmen und algorithmische Spieltheorie. In diesen beiden großen Algorithmenfeldern gibt es unzählige wissenschaftliche Forschungsgipfel, von denen jeder natürlicherweise mehrere Klippen aufweist. Seit Jahrzehnten ist die Region von Dornen, Nebel und Geheimnissen umgeben und zieht „Entdecker“ und „Kletterer“ an, die sich mit Leidenschaft für die theoretische Informatik von nah und fern anreisen, um die Region zu besuchen, nachzudenken und zu praktizieren, in der Hoffnung, den Gipfel zu erreichen. Huang Zhiyi stürzte sich mit großem Interesse darauf und machte sich offiziell auf den Weg ins ungewisse Unbekannte.

Probleme lösen und Anwendungen fördern

Im Bereich der Online-Algorithmen hat sich Huang Zhiyi auf Online-Optimierungsprobleme nichtlinearer Zielfunktionen, traditionelle Online-Matching-Probleme und vollständige Online-Matching-Probleme konzentriert. Auf dem Gebiet der algorithmischen Spieltheorie hat er in den letzten Jahren eine Reihe innovativer Studien zu einem Forschungsschwerpunkt durchgeführt: der Frage, wie Mechanismen in Szenarien entworfen werden können, in denen nicht genügend Informationen über die Wahrscheinlichkeitsverteilung des Käuferwerts vorliegen. Seine Arbeiten wurden auf den wichtigsten Konferenzen der theoretischen Informatik veröffentlicht, der Annual Conference on the Theory of Computing (STOC) und der Annual Conference on the Foundations of Computer Science (FOCS).

Planung und Ressourcenzuweisung sind zwei klassische Probleme bei der Online-Optimierung nichtlinearer Zielfunktionen. Im Jahr 2014 begann Huang Zhiyi mit der Erforschung der Möglichkeit, die Prozessorgeschwindigkeit in Echtzeit anzupassen, um ein optimales Gleichgewicht zwischen Energieverbrauch und Arbeitsverarbeitungsleistung zu erreichen. Ein wichtiger Punkt hierbei ist, dass der Energieverbrauch häufig eine quadratische oder kubische Funktion der Prozessorgeschwindigkeit und keine lineare Funktion ist. Als Reaktion darauf schlug Huang Zhiyi ein auf der Fenchel-Dualität basierendes Framework für den Algorithmusentwurf und die Analyse vor und entwarf darauf basierend einen theoretisch optimalen Algorithmus für dieses Problem. Im Jahr 2015 erweiterte er die Ergebnisse auf ein kurzsichtiges Modell, das die Menge der zur Verarbeitung jeder Aufgabe erforderlichen Rechenressourcen nicht genau vorhersagen kann, und schlug unter diesem Modell einen neuen Algorithmus vor, um die algorithmische Entscheidungsfindung unter einem nicht kurzsichtigen Modell zu imitieren. Das zugehörige Papier gewann den Best Paper Award der jährlichen Konferenz zur Parallelität in Algorithmen und Architekturen (SPAA), einer Top-Konferenz auf dem Gebiet der Theorie des Hochleistungsrechnens. Im Jahr 2016 extrahierte Huang Zhiyi eine allgemeine theoretische Methode aus dem Fenchel-Dualitätsrahmen und löste damit die Überdeckungs- und Packungsprobleme einer großen Klasse nichtlinearer Zielfunktionen auf einmal. In der Zusammenfassung der Online-Algorithmen-Kolumne des Newsletters zu Algorithmen und Computertheorie der Association for Computing Machinery (ACM SIGACT News) aus dem Jahr 2016 hieß es, dass dieses Papier „viele bestehende Ergebnisse vereinheitlicht, vereinfacht und verbessert“ habe und nannte es „das auffälligste Ergebnis dieses Jahres“.

Matching ist eines der grundlegendsten Optimierungsprobleme und seine Online-Version ist auch eine der beliebtesten Richtungen in Online-Algorithmen. Herkömmliche Online-Matching-Modelle sind bei der Modellierung von Anwendungsszenarien wie Organtransplantationen und Online-Werbe-Matching sehr verbreitet. Da das in der theoretischen Informatik üblicherweise verwendete Worst-Case-Analyse-Framework die Merkmale tatsächlicher Probleme in diesen Szenarien oft nicht gut charakterisieren kann, besteht einer der Brennpunkte und Schwierigkeiten beim Online-Matching in den letzten Jahren darin, unter dieser Prämisse ein gewisses Maß an Zufälligkeit in das Modell einzuführen und Algorithmen zu entwerfen. Darüber hinaus gibt es beim herkömmlichen Online-Matching noch einige offene Probleme, die auch nach über 10 Jahren Forschung noch nicht gelöst sind. Im Jahr 2020 schlug Huang Zhiyi nach Jahren des Sammelns und Nachdenkens eine neue algorithmische Technik namens „Online-Relevanzauswahl“ für das 2005 aufgeworfene Problem der Werbeschlüsselwörter und das 2009 aufgeworfene Problem der Displaywerbung vor und überwand damit die Engpässe dieser beiden offenen Probleme auf einen Schlag. Besonders erwähnenswert ist, dass seine Arbeit zur Lösung des Display-Werbeproblems auf der Annual Conference on Foundations of Computer Science (FOCS) 2020 mit dem Best Paper Award ausgezeichnet wurde. Dies ist das zweite Mal in der Geschichte, dass ein Wissenschaftler einer asiatischen Universität den Preis gewonnen hat, und das erste Mal seit fast 14 Jahren.

Die traditionelle Online-Matching-Theorie befasst sich nur mit dem bipartiten Graph-Matching, beispielsweise dem Matching von Suchanfragen und Werbetreibenden. In einigen neuen Anwendungsszenarien, darunter Taxiruf- und Fahrgemeinschaftsdienste, müssen sich die Algorithmen häufig mit dem Online-Abgleich allgemeiner Graphen befassen. Ausgehend von praktischen Szenarien schlug Huang Zhiyi 2018 ein vollständig online verfügbares Matching-Modell und ein entsprechendes Framework für die Algorithmusanalyse vor, wodurch theoretische Forschungen zum Online-Matching allgemeiner Graphen möglich wurden. Dies gilt als „das erste Mal, dass der vom Turing-Preisträger Richard Capa und anderen vorgeschlagene Algorithmus auf allgemeine Graphen erweitert wurde und ein Näherungsverhältnis von besser als 0,5 erreichte.“ Da die Forschung wertvoll war, verwendeten nachfolgende Forschungsgruppen der Mitfahrplattform Lyft, des MIT, der Stanford University und anderer dieses Modell als Referenz.

Darüber hinaus hat Huang Zhiyi im Bereich der algorithmischen Spieltheorie seit 2015 eine Reihe von Forschungsergebnissen zur Frage „Wie kann man aus den Daten im Rahmen des Bayes-Modells die ungefähre Form der Bayes-Vorwahrscheinlichkeitsverteilung lernen, um mit weniger Daten den ungefähr optimalen Mechanismus zur Gewinnmaximierung abzuleiten?“ vorgebracht, die sich auf die Stichprobenkomplexität des Algorithmus konzentrieren.

--Im Jahr 2015 entdeckte Huang Zhiyi den Zusammenhang zwischen diesem Problem und der statistischen Theorie des maschinellen Lernens sowie der Informationstheorie. Erstere kann zur Analyse der Obergrenze der Stichprobenkomplexität verwendet werden, während letztere zur Analyse der Untergrenze der Stichprobenkomplexität verwendet werden kann. Auf der Grundlage dieser Tools löste er das Problem der Stichprobenkomplexität im Fall eines einzelnen Käufers und eines einzelnen Artikels, was in der Branche große Aufmerksamkeit erregte.

——Im Jahr 2016 erweiterte Huang Zhiyi die auf der Theorie des statistischen maschinellen Lernens basierenden algorithmischen Ideen und Analysemethoden auf die Situation mehrerer Käufer und verbesserte so die Obergrenze der Stichprobenkomplexität.

——Im Jahr 2017 bemerkte Huang Zhiyi, dass Algorithmen in realen Szenarien ständig neue Daten verwenden müssen, um die erlernten Mechanismen und Preise zu aktualisieren, was als eine Form des Online-Lernens angesehen werden kann. Durch den Vorschlag einer neuen mehrskaligen Online-Lerntheorie entwarf er neue Algorithmen und erzielte optimale theoretische Ergebnisse. Diese neue Theorie wurde später auf das Modellauswahlproblem in der traditionellen Theorie des maschinellen Lernens angewendet.

– Im Jahr 2018 stellte Huang Zhiyi fest, dass frühere Studien im Allgemeinen davon ausgingen, dass Käufer ihr Verhalten nicht strategisch an den Algorithmus des Verkäufers anpassen würden. Einige spätere Studien wiesen jedoch darauf hin, dass diese Annahme das Problem zu stark vereinfachte und bewiesen, dass das strategische Verhalten der Käufer die durch den Algorithmus des Verkäufers erzielten Gewinne erheblich verringern könnte. Darauf aufbauend schlug er eine Reihe algorithmischer Tools auf Basis differenzieller Privatsphäre vor, die das strategische Verhalten von Käufern wirksam reduzieren können, wenn die zu erlernende Mechanismusstruktur relativ einfach ist.

-- Im Jahr 2019 schlug Huang Zhiyi auf der Grundlage früherer Untersuchungen einen neuen Satz informatikbasierter Methoden vor, die sich völlig vom vorherigen Rahmen unterschied und das Problem der Stichprobenkomplexität unter den Umständen mehrerer Käufer vollständig löste. Es wurde von der akademischen Gemeinschaft als „bahnbrechendes Ergebnis“ in Bezug auf die Stichprobenkomplexität angesehen.

——Im Jahr 2020 wandte Huang Zhiyi diese Reihe von Theorien zur Stichprobenkomplexität weiter auf das schwierigere Problem der Marktsegmentierung an und erhielt die erste Obergrenze der polynomischen Stichprobenkomplexität für dieses Problem.

Die oben genannten Ergebnisse wurden von berühmten Wissenschaftlern zitiert, darunter Noam Nisan, Tim Lovegarden, der Begründer der algorithmischen Spieltheorie und Gewinner des Gödel-Preises, einer hochrangigen Auszeichnung auf dem Gebiet der theoretischen Informatik, Constantinos Daskalakis, Gewinner des Nevanlinna-Preises, und Yao Qizhi, Gewinner des Turing-Preises.

▲Huang Zhiyi hielt auf der Aufklärungskonferenz der China Computer Federation (CCF) einen Vortrag zum Thema „Datengesteuertes Auktionsmechanismus-Design“.

Vom unwissenden Studenten, der am Podium den Grundkursen zuhört, zum akademischen Kollegen, der sich mit seinen Mentoren und akademischen Vorgängern unterhält: Huang Zhiyis Entwicklung ist mit bloßem Auge sichtbar. Mein Fortschritt ist untrennbar mit der Anleitung von Akademiemitglied Yao verbunden, ebenso wie mit der meiner Doktorväter Sampath Kannan und Aaron Ross, meinem Postdoktoranden-Betreuer Tim Lovegarden und meinem Mentor während meines Praktikums bei Microsoft Research, Nikhil Devanur. Auch akademische Vorgänger wie Deng Xiaotie, Teng Shanghua und Sun Xiaoming haben mir bei vielen Gelegenheiten wertvolle Anleitung und Ratschläge gegeben. Jahr für Jahr haben sich in seinem Kopf viele Probleme der realen Welt verdichtet. Durch wiederholte komplexe Schlussfolgerungen und Problemlösungen hat sich Huang Zhiyis Weg zum gefährlichen Gipfel des Algorithmus allmählich verbessert.

Mingdes Erforschung der Dinge hört nie auf

Die vier Zeichen „明德葛物“ (Mingde Gewu) sind in das Emblem der HKU eingraviert. „Mingde“ bedeutet, Tugend zu demonstrieren, und „Gewu“ bedeutet, die Prinzipien der Dinge zu erforschen. Im schnelllebigen Hongkong hat die HKU ein ruhiges und komfortables akademisches Paradies für Lehrer und Studenten geschaffen, in dem Ungestümheit vermieden wird und nicht blind dem Erledigen von Papieren nachgegangen wird. Während seiner fast zehnjährigen Karriere an der Universität Hongkong erlebte Huang Zhiyi vor allem die würdevolle akademische Freiheit.

Der Outputzyklus der theoretischen Informatikforschung ist relativ lang, aber die Hochschule hat keine starren Aufgabenindikatoren für alle Bereiche herausgegeben, sondern die disziplinären Besonderheiten aller respektiert. Die Hochschulleitung legt auch Wert darauf, die Fähigkeiten junger Lehrkräfte zur eigenständigen wissenschaftlichen Forschung zu fördern und ermutigt uns, zunächst unsere eigenen Teams und wissenschaftlichen Forschungsschwerpunkte aufzubauen, anstatt mit erfahrenen Professoren zu kooperieren, um möglichst schnell Ergebnisse zu erzielen. In dieser Atmosphäre folgte Huang Zhiyi nicht dem Trend, populäre Richtungen einzuschlagen, sondern beharrte auf seinen eigenen Forschungsinteressen, führte das Team schrittweise auf den richtigen Weg und erzielte auf natürliche Weise eine Reihe einflussreicher akademischer Errungenschaften.

Derzeit stellt das Team von Huang Zhiyi jedes Jahr durchschnittlich einen Doktoranden ein, und in der Forschungsgruppe gibt es normalerweise 4 bis 5 Doktoranden. Darüber hinaus betreut er jeden Sommer zwei bis sechs Bachelorstudenten aus dem In- und Ausland bei ihren Forschungsarbeiten. Nach Beendigung der kurzfristigen Lehrer-Schüler-Beziehung wird die gemeinsame Forschung ein Jahr lang fortgesetzt, wenn beide Seiten mit der Bewertung des jeweils anderen zufrieden sind. Einige dieser Studenten stammen aus der „Yao-Klasse“ der Tsinghua-Universität. Die „Yao-Klasse“ führt das akademische Erbe des Akademikers Yao Qizhi fort, arbeitet zusammen und ist innovativ, und bringt viele talentierte Menschen hervor.

Aus Huang Zhiyis Sicht ist das Forschungsmodell der theoretischen Informatik in gewissem Sinne eine Lehre. Meine Studierenden und ich pflegen eine partnerschaftliche Beziehung. Der Unterschied zwischen uns liegt vielleicht darin, dass ich mehr Erfahrung und Qualifikationen habe. In der täglichen Forschung lernen sie meine Ideen zur Themenauswahl, Problemlösung und Fragestellung im Rahmen von Forschungsprojekten kennen. Dieses Forschungsmodell verfügt nicht über ein vollständiges Lehrmaterial, daher muss der Tutor die Studierenden anhand von Beispielen unterrichten.

Zu diesem Zweck stellte Huang Zhiyi den Studenten mehrere Anforderungen, die seiner Ansicht nach am wichtigsten waren. Erstens müssen wir das Bewusstsein für wertvolle und qualitativ hochwertige Themen schärfen. „Vor über zehn Jahren begann ich mein Doktoratsstudium an der University of Pennsylvania. Der Abteilungsleiter sagte bei der Einweisung viel. Der einzige Satz, an den ich mich bisher erinnere, war: ‚Das Wichtigste in diesen Jahren des Doktoratsstudiums ist, Gefallen an der Forschung zu finden und zu erkennen, ob ein Thema gut oder schlecht ist.‘“ Zweitens muss man, um theoretische Informatikforschung zu betreiben, über ausreichende Reife im mathematischen Denken und im Umgang mit mathematischen Werkzeugen verfügen, sich an Umstände anpassen und Wege finden können, die Forschung voranzutreiben. Die dritte besteht darin, gute Gewohnheiten zu entwickeln. Ich ermutige meine Studenten immer wieder, regelmäßig wissenschaftliche Arbeiten zu lesen. Neben wissenschaftlichen Arbeiten aus ihrem eigenen Fachgebiet sollten sie sich auch über die neuesten wissenschaftlichen Errungenschaften in verwandten Bereichen informieren, um ihren Wissensschatz und ihren akademischen Horizont zu erweitern. Was die Veröffentlichung von Artikeln angeht, die vielen Menschen Sorgen bereitet, sieht Huang Zhiyi die Sache entspannter. „Bei der Veröffentlichung einer Arbeit ist ein gewisses Glückselement erforderlich. Es hängt vom persönlichen Glück des Studenten ab und es besteht keine Eile.“

Auch nach vielen Jahren als Lehrer behält Huang Zhiyi stets seine Identität als Schüler im Auge. Unter den vielen Vorschlägen des Akademiemitglieds Yao Qizhi war der Vorschlag „Wer forscht, muss sich nicht immer wieder mit demselben Problem beweisen“ wie ein Stein im Feuer und löste in Huang Zhiyis Herzen Wellen aus. Später wurde es zu seinem Motto, sich selbst von Zeit zu Zeit Mut zu machen, ihn zu motivieren, es weiter zu versuchen, sich ständig selbst herauszufordern und ab und zu innezuhalten, um zu überprüfen und zusammenzufassen. Über den Erfolg einer Besteigung entscheiden oft winzige Details und ein Moment des Zögerns. Heutzutage ist Huang Zhiyi nicht mehr so ​​sehr daran interessiert, den Preis für das „Beste Papier“ zu gewinnen, sondern vielmehr daran, neue wissenschaftliche Forschungserkundungen durchzuführen und schöne wissenschaftliche Forschungsvorlieben auszuüben.

Die Probleme der Online-Algorithmenforschung liegen in der Ungewissheit darüber begründet, was in der Zukunft passieren wird, und die algorithmische Spieltheorie konzentriert sich auf Probleme im Zusammenhang mit der Ungewissheit privater Informationen über egoistische Akteure. Im breiten Kontext der Optimierung unter Unsicherheit hofft Huang Zhiyi, auch in Zukunft ungelöste Herausforderungen in verwandten Bereichen erforschen zu können. Lernen in einer strategischen Umgebung, online optimierte lineare Programmhierarchie, Integration von Online-Entscheidungsstrategien aus verschiedenen Bereichen … ein gefährlicher Gipfel nach dem anderen, eine steile Klippe nach der anderen stellen ebenfalls eine herzliche Einladung für diesen mutigen Kletterer dar.