德梅萃·P. 博赛卡斯

德梅萃·博赛卡斯（希腊语：Δημήτρης Παντελής Μπερτσεκάς，罗马化：Dimitri Panteli Bertsekas，1942年—2026年6月3日），是一名希腊应用数学家、电气工程师和计算机科学家，麻省理工学院工程学院电气工程和计算机科学系的迈克菲教授，以及亚利桑那州立大学计算决策富尔顿教授。

基本介绍

博赛卡斯生于雅典，并在那里度过了童年。他在国立雅典理工大学学习五年，此后在乔治华盛顿大学就读一年半后于1969年获得电子工程硕士，1971年于麻省理工学院获得了系统科学博士学位。在 1979年加入麻省理工学院之前，他曾在斯坦福大学工程经济系统系任教3年，并在伊利诺伊大学香槟分校的电气与计算机工程系任教5年。2019年，他被任命为亚利桑那州立大学计算、信息学和决策系统工程学院的全职教授，同时保留麻省理工学院的研究职位。

博赛卡斯以其研究成果、理论和算法优化与控制以及应用概率方面的18本教科书和专著而闻名。其成果包括理论/基础研究，优化问题算法的分析和设计，以及它们在数据通信和运输网络，电力发电等领域的应用。他是CiteSeer学术数据库中引用前100名的计算机科学家。他共同创办了雅典娜科学出版公司（Athena Scientific），该公司出版了他的大部分著作。

1990年代后期，博赛卡斯对数码摄影产生了浓厚的兴趣。 他的照片曾多次在麻省理工学院展出。

奖项和荣誉

管理科学协会（INFORMS） 计算学会奖（与约翰·齐齐克利斯），1997年

希腊运筹学会国家奖，2000年

美国自动控制学会（AACC）John R. Ragazzini 教育奖，2001年

美国工程院院士，2001年

管理科学协会（INFORMS）说明写作奖，2009年美国自动控制学会（AACC）Richard E. Bellman 控制遗产奖，2014年管理科学协会（INFORMS）优化学会 Khachiyan 终身成就奖，2014年美国工业与应用数学学会（SIAM）与数学优化学会（MOS）Dantzig 奖，2015年管理科学协会（INFORMS）John von Neumann 理论奖（与约翰·齐齐克利斯），2018年电气电子工程师学会（IEEE）控制系统奖，2022年

教科书和研究专著

在他众多的教材与专著中，译作中文的包括

概率导论（Introduction to Probability）

网络优化：连续和离散模型（Network Optimization: Continuous and Discrete Models）

非线性规划（Nonlinear Programming）

凸优化理论（Convex Optimization Theory）

动态规划与最优控制（Dynamic Programming and Optimal Control）

在中国大陆授权发售的英文著作包括

抽象动态规划（Abstract Dynamic Programming）

凸优化理论（Convex Optimization Theory）

凸优化算法（Convex Optimization Algorithms）

非线性规划（Nonlinear Programming）

强化学习与最优控制（Reinforcement Learning and Optimal Control）

策略前展、策略迭代与分布式强化学习（Rollout, Policy Iteration, and Distributed Reinforcement Learning）

其他著作包括

Stochastic Optimal Control: The Discrete-Time Case (与 Steven E. Shreve 合著)

Constrained Optimization and Lagrange Multiplier Methods

Data Networks （与罗伯特·加拉格合著）

Parallel and Distributed Computation: Numerical Methods（与约翰·齐齐克利斯合著）

Dynamic Programming and Optimal Control (两卷)

Linear Network Optimization

Network Optimization: Continuous and Discrete Models

Neuro-Dynamic Programming（与约翰·齐齐克利斯合著）

Introduction to Probability（与约翰·齐齐克利斯合著）

Convex Analysis and Optimization（与 Angelia Nedic 及 Asu Ozdaglar 合著）

Lessons from AlphaZero for Optimal, Model Predictive, and Adaptive Control