杨磊

教师简介: 

杨磊，博导，中山大学“百人计划”引进副教授，中国运筹学会数学规划分会青年理事，广东省运筹学会理事，广东省计算科学重点实验室成员。博士毕业于香港理工大学，博士毕业后先后在新加坡国立大学和香港理工大学从事博士后研究工作。主要从事大规模优化理论和方法研究，特别专注于为人工智能、机器学习、数据科学、图像处理等应用领域中出现的大规模优化问题设计和分析高效稳健的优化算法，以及相关求解器的开发。已在 SIOPT, MOR, JMLR, JSC, TSP, ICML, AAAI 等国际顶级及重要期刊和会议上发表多篇论文；荣获《香港数学会最佳博士学位论文奖》和《亚洲运筹学会联合会青年学者最佳论文奖》；主持国家级、省部级以及市级等各级项目多项；入选教育部海外引进青年人才计划、广东省重大人才工程青年学者。

【课题组招生】

我们课题组的研究风格是“慢”科研，重视优化算法的理论基础与可靠性，希望通过相对严谨的数学分析与推导建立较完备的理论保证，确保算法在实际应用中的稳定性与可靠性，旨在将数学优化真正“用”出去，促进当代人工智能、数据科学等重要应用领域的发展。

欢迎对数学优化有浓厚兴趣，喜欢算法设计、理论分析、计算实践与应用的同学（研究生和本科生）加入我们的优化小组（SYSU-OptTeam）！

研究兴趣: 

大规模优化理论与方法

具体来说：可实现非精确算法的设计与分析，致力于面向当代重要应用领域（人工智能、数据科学、最优传输、图像处理等）中出现的大规模优化问题，构建计算可落地、高效稳健且具有理论保证的优化算法，推动相关优化算法软件包开发。

教育背景: 

• 2014/08 – 2017/09，香港理工大学，应用数学系，博士
• 2011/09 – 2014/07，天津大学，运筹学与控制论，硕士
• 2007/09 – 2011/07，天津大学，数学与应用数学系，学士；南开大学，金融学，学士（双学位）

工作经历: 

• 2022.08 至今，中山大学，副教授
• 2021.09 ~ 2022.07,  香港理工大学，Research Fellow
• 2018.01 ~ 2021.05，新加坡国立大学，Research Fellow

获奖及荣誉: 

• APORS Young Researcher Best Paper Award，2024
• 中国运筹学会数学规划分会第十四届全国数学优化学术会议暨第七次会员代表大会青年邀请报告， 2023
• Hong Kong Mathematical Society Best Thesis Award, 2019
• SIAM Certificate Award, 2017

科研项目: 

• 教育部海外引才专项
• 广东省重大人才工程青年学者
• 主持国家级、省部级以及市级等各级项目多项

主要学术兼职: 

• 中国运筹学会数学规划分会青年理事
• 广东省运筹学会理事

代表性论著: 

主要论文列表，*代表通讯作者。

1. Lei Yang* and Kim-Chuan Toh. Inexact Bregman proximal gradient method and its inertial variant with absolute and partial relative stopping criteria. Mathematics of Operations Research, 51(1): 686-714, 2026.
2. Lei Yang, Jingjing Hu* and Kim-Chuan Toh. An inexact Bregman proximal difference-of-convex algorithm with two types of relative stopping criteria. Journal of Scientific Computing, 103, article number 91, 2025. 
3. Lei Yang, Ling Liang*, Hong T. M. Chu and Kim-Chuan Toh. A corrected inexact proximal augmented Lagrangian method with a relative error criterion for a class of group-quadratic regularized optimal transport problems. Journal of Scientific Computing, 99, article number 79, 2024.
4. Lei Yang*. Proximal gradient method with extrapolation and line search for a class of nonconvex and nonsmooth problems. Journal of Optimization Theory and Applications, 200(1): 68--103, 2024.
5. Hong T. M. Chu, Ling Liang, Kim-Chuan Toh and Lei Yang*. An efficient implementable inexact entropic proximal point algorithm for a class of linear programming problems. Computational Optimization and Applications, 85(1): 107--146, 2023
6. Lei Yang* and Kim-Chuan Toh. Bregman proximal point algorithm revisited: A new inexact version and its inertial variant. SIAM Journal on Optimization, 32(3): 1523--1554, 2022.
7. Lei Yang*, Xiaojun Chen and Shuhuang Xiang. Sparse solutions of a class of constrained optimization problems. Mathematics of Operations Research, 47(3): 1707--2545, 2022.
8. Lei Yang*, Jia Li, Defeng Sun and Kim-Chuan Toh. A fast globally linearly convergent algorithm for the computation of Wasserstein barycenters. Journal of Machine Learning Research, 22(21): 1--37, 2021.
9. Lei Yang*, Ting Kei Pong and Xiaojun Chen. A non-monotone alternating updating method for a class of matrix factorization problems. SIAM Journal on Optimization, 28(4): 3402--3430, 2018.
10. Lei Yang*, Ting Kei Pong and Xiaojun Chen. Alternating direction method of multipliers for a class of nonconvex and nonsmooth problems with applications to background/foreground extraction. SIAM Journal on Imaging Science, 10(1): 74--110, 2017. (ESI高被引)
11. Lei Yang, Zheng-Hai Huang*, Shenglong Hu, Jiye Han. An iterative algorithm for third-order tensor multi-rank minimization. Computational Optimization and Applications, 63(1): 169--202, 2016.
12. Lei Yang, Zheng-Hai Huang*, Xianjun Shi. A fixed point iterative method for low n-rank tensor pursuit. IEEE Transactions on Signal Processing, 61(11): 2952--2962, 2013.