马玉雪，计算数学专业2020级硕士生，研究方向为大数据凸优化算法：交替方向法，参赛成果为基于部分LQP正则项的交替方向乘子法的迭代复杂度分析，指导教师为白建超副教授、孙浩教授。

成果简介：本论文主要针对多分块可分离结构的凸优化问题，通过在部分子问题中添加具有合适邻近参数的对数二次邻近正则项（LQP），提出了一种基于部分LQP正则项的交替方向乘子法（ADMM-LQP），其中，对偶变量更新两次，步长比经典的步长取值范围更大。用预测-校正的方法分析了ADMM-LQP算法生成迭代点的性质，建立了它在新的遍历和非遍历意义下的全局收敛性和次线性收敛速度。除此之外，我们还将该算法扩展到非光滑复合凸优化，并建立了与ADMM-LQP相似的收敛结果。