In this talk, I will survey some recent development of approximate counting algorithms based on correlation decay technique. Unlike the previous major approximate counting approach based on sampling such as Markov Chain Monte Carlo (MCMC), correlation decay based approach can give deterministic fully polynomial-time approximation scheme (FPTAS) for a number of counting problems. The algorithms have applications in statistical physics, machine learning, stochastic optimization and so on.

陆品燕，上海财经大学ダファベット 入金不要教授, 理论计算机科学研究中心主任，上海市计算机学会理论计算机科学专委会主任。2009年1月于清华大学计算机系获博士学位后加入微软亚洲研究院，历任理论组副研究员，研究员，主管研究员。2015年12月全职加盟上海财经大学，领衔组建理论计算机研究中心。他的主要研究方向是理论计算机，并注重与其它学科的交叉，包括自然科学中的统计物理以及社会科学中的经济学与社会选择理论等。有50余篇科研论文在STOC、FOCS、 SODA、, EC等顶级计算机理论及博弈论的国际会议和杂志发表，荣获ICALP2007、FAW2010、ISAAC2010 等重要国际会议最佳论文奖。2010年曾受邀在第四届国际华人数学家大会(ICCM)上给45分钟的特邀报告。担任FAW-AAIM2012、WINE2014等国际会议程序委员会联合主席，担任Journal of Discrete Algorithms等国际期刊的编委，以及多次担任STOC，FOCS，ICALP等顶级国际会议的程序委员会委员。曾荣获中国计算机学会青年科学家（2014），微软金星员工奖（2010）， 微软学者（2008），清华大学特等奖学金（2007）等荣誉。