2026年6月23日，重庆交通大学数学与统计学院在科学城校区致远楼404会议室成功举办优化前沿问题学术报告会。东北大学张立卫教授、南京大学杨俊锋教授、西北工业大学白建超副教授应邀担任主讲。学院优化研究团队师生积极参加，院长王其林教授主持。
张立卫教授首先作了题为“A Quadratic-Approximation-Based Stochastic Approximation Method for Weakly Convex Stochastic Programming”的学术报告。他围绕弱凸随机规划问题，介绍了一类基于二次近似思想的随机逼近方法。张教授从随机优化中的期望函数、弱凸结构和可行性条件出发，系统阐述了算法设计思路及其在KKT相关度量下的收敛性质，并结合数值实验展示了该方法在随机规划问题求解中的实际表现，为师生理解随机近似算法的理论基础和应用价值提供了有益参考。
随后，杨俊锋教授以“New Adaptive Gradient Methods for Convex and Nonconvex Optimization”为题展开报告。杨教授从传统梯度方法在参数选取和线搜索过程中的局限出发，介绍了基于Barzilai-Borwein步长思想的新型自适应梯度方法。报告中，他就步长选取、迭代复杂性和收敛性分析等问题展开讲解，并进一步介绍了该方法在局部强凸优化、复合凸优化和光滑非凸优化中的推广应用。通过低秩矩阵完整化、神经网络等问题的数值实例，杨教授展示了该类算法在实际计算中的有效性和应用潜力。
白建超副教授则作了“Double-proximal Augmented Lagrangian Methods with Improved Convergence Condition”专题报告。他围绕带线性约束凸优化问题，介绍了收敛条件改进后的双近端增广拉格朗日方法。白老师结合增广拉格朗日方法及分裂收缩算法的发展背景，从预测—校正框架出发，阐释了算法设计的基本思路，重点讲解了双近端结构、参数选取和收敛性分析中的关键问题。他还通过鞍点问题的变分刻画和矩阵正定性分析，说明了该方法收敛条件改进的理论依据，并展示了DP-ALM在大规模稀疏优化问题中的数值表现，为相关方向的模型求解和算法改进提供了有益启发。
此次系列学术报告为学院师生搭建了高水平的学术交流平台，有助于师生了解优化领域前沿动态，提升科研思维和问题意识。数学与统计学院将继续坚持以高质量学术活动服务人才培养，持续营造崇尚学术、鼓励探索、注重创新的育人环境，引导师生在学术积累与科研实践中不断成长。
