In this paper, the concepts of Pareto $H$-eigenvalue and Pareto $Z$-eigenvalue are introduced for studying constrained minimization problem and the necessary and sufficient conditions of such eigenvalues are given. It is proved that a symmetric tensor has at least one Pareto $H$-eigenvalue (Pareto $Z$-eigenvalue). Furthermore, the minimum Pareto $H$-eigenvalue (or Pareto $Z$-eigenvalue) of a symmetric tensor is exactly equal to the minimum value of constrained minimization problem of homogeneous polynomial deduced by such a tensor, which gives an alternative methods for solving the minimum value of constrained minimization problem. In particular, a symmetric tensor $\mathcal{A}$ is copositive if and only if every Pareto $H$-eigenvalue ($Z-$eigenvalue) of $\mathcal{A}$ is non-negative.
Eigenvalue, Quadratic Programming, and Semidefinite Programming Bounds for a Cut Minimization Problem
考虑将图的节点集划分为给定大小的$k$集，从而得到使用（去除）第$k$集得到的\emph{minimize the cut}的问题.如果得到的割具有值$0$，那么我们得到了顶点分隔符。这个问题与图的划分问题密切相关。事实上，我们使用的模型与图划分问题的模型相同，除了不同的\emph{quadratic}目标函数。我们期待在已知的和新的界限，从各种放宽这个NP-困难的问题。这包括：标准特征值界、使用邻接矩阵和拉普拉斯算子的投影特征值界、基于最近成功的二次指派问题的二次规划（QP）界的QP界、以及半定规划界。我们包括大型和\emph{huge}的问题，说明在强度和时间方面的边界的效率的数值测试。
Exact Quadratic Penalty Function for Symplectic Eigenvalue Problem
State Key Laboratory of Scientific and Engineering Computing, Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院计算数学与科学工程计算国家重点实验室）；University of Chinese Academy of Sciences（中国科学院大学）；School of Data Science, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）数据科学学院）
Convex combinations of low eigenvalues, Fraenkel asymmetries and attainable sets
本文考虑了在固定测度的$R^N$的开集之间Dirichlet-Laplacian的前两个特征值的凸组合的极小化问题。我们表明，纯粹的基本参数，根据极小条件，它是可能的，以获得信息的几何极小的凸组合：我们研究，特别是当这些极小不再是凸的，球的最优性。作为我们的结果的应用，我们研究的Dirichlet谱的可达集的边界。我们的技术涉及对称性结果à la Serrin，数量不等式中的显式常数，以及一个纯粹的几何问题：固定测度的凸集之间的Fraenkel 2-不对称性的最小化。
