10月26日，应学院邀请，浙江大学李冲教授在启智楼80602作题为“Linearized proximal algorithms for convex composite optimization with applications”的学术报告。报告由龙宪军教授主持，学院师生代表参加了此次学术交流活动。
报告中，李冲教授围绕凸复合优化问题的求解，系统介绍了一类线性化邻近算法（LPA），涵盖常数步长与自适应步长两种情形。他指出，该算法在每次迭代中对凸复合函数的内层函数在当前迭代点处进行线性化，并求解相应的邻近极小化子问题。LPA具有显著的计算优势：每个子问题的解为单点，从而避免了高斯-牛顿方法在其子问题极小点集合中寻找最小范数解的困难，同时仍保持与高斯-牛顿方法相同的局部收敛速率。此外，李冲教授还介绍了基于回溯线搜索的全局化策略以及LPA的非精确版本，进一步拓展了算法的适用范围。
报告结束后，李冲教授与在场师生就算法的收敛性、步长选取及实际应用等问题进行了深入交流与讨论。本次报告内容丰富、深入浅出，为学院师生了解凸复合优化领域的前沿方法提供了良好契机，对营造浓厚学术氛围、促进相关方向研究起到了积极作用。
