本文研究交替方向乘子法 (ADMM) 用于多个非光滑凸可分函数的线性约束约束下极小化问题的收敛速率，通过引入一种新的与其它满足该问题的近似算法有所不同的证明手段，我们在不限制强凸性的情况下，建立了全局线性收敛性的证明方案，表明 ADMM 的线性收敛性可以在三个以上的可分函数的情况下适用，包括 LASSO，Group LASSO 和 Sparse Group LASSO 等当代应用。

Aug, 2012

本文提出了一种使用不确定的近似项的 ADMM 算法，以解决包含非光滑和光滑凸函数和线性约束的二块凸优化问题，并通过理论和数值实验证明了其全局收敛性和收敛速度。

Dec, 2014

本文介绍了一种半线性交替方向乘子法（ADMM）的优化算法，特别适用于求解包含线性相等约束、半正定锥和简单凸多面体集约束的凸二次半定规划（QSDP）问题，通过实验验证了算法的有效性。

Sep, 2014

本论文提出了一种新的证明交替方向乘子方法（ADMM）在一个目标项强凸时线性收敛的方法，并在一个数值示例上演示了通过选择算法参数来最小化收敛速率的做法，同时构造了一个接近匹配的收敛率下界。

Feb, 2015

提出一种新颖的框架 AADMM，用于加速线性化交替方向乘子法 (ADMM)，对于一类具有线性约束的凸复合优化问题，AADMM 的收敛速度比线性化 ADMM 更快，而且当相应的鞍点问题有解时，AADMM 能够处理无边界的可行域，并提出了一种回溯算法来提高实际性能。

Jan, 2014

该研究分析了 ADMM 算法在解决一些非凸共识和共享问题时的收敛性，发现当增广拉格朗日乘数的惩罚参数足够大时，经典 ADMM 算法会收敛到静止解的集合。对于共享问题，我们发现 ADMM 无论变量块的数量如何，都是收敛的。该分析不对算法生成的迭代强加任何假设，并且广泛适用于涉及近端更新规则和各种灵活的块选择规则的 ADMM 变体。

Oct, 2014

本篇论文提出两种针对非凸非光滑目标函数的扩展线性交替方向乘子法 (ADMM)，均在较少的前提下保证收敛，并且可以使用多个块来并行计算协同变量以更有效地求解问题。

May, 2017

本文旨在通过寻找最优算法参数，最小化 ADMM 迭代的收敛因子，来定量表征算法参数对于优化收敛时间的影响。我们在 L2 正则化最小化和约束二次规划的背景下，得出最优参数选择规则，并通过数值实验表明，这些规则显著优于现有文献中的替代方案。

Jun, 2013

本文提出了一种新的 proximal ADMM 算法，使用平滑后的原始迭代的序列并在每次迭代时向增广拉格朗日函数中引入一个二次近似项。该算法的迭代收敛到这个问题的一个站点，特别是当目标函数是二次函数时，证明算法的线性收敛性。

Dec, 2018

本文分析了交替方向乘子法（ADMM）在非凸优化中的收敛性，并提供了针对特定情形的收敛保证。同时，通过例子和分析，本文表明 ADMM 有望比增广拉格朗日方法（ALM）更适用于某些非凸非光滑问题。

Nov, 2015