提出了一种改进的条件梯度方法来解决约束凸优化问题，针对多面体进行了相应的分析及优化，降低了每次迭代时的计算及内存开销，并在实际中通过对图路径、二分图完全匹配、结构预测任务中的边际分布等多样化问题进行测试并呈现出其卓越表现。

May, 2016

研究表明，当在具有 Lipschitz 梯度的强凸函数上应用梯度下降算法时，其收敛速度由函数的条件数决定且算法收敛速度类似于一个带有离开步骤的 Frank-Wolfe 算法。在对无约束情况的良好扩展中，算法的收敛速度由函数的条件数及多面体的某个特定条件数的乘积决定。本研究为这种类型多面体调整提出了新的方法，并且认为之前的相关方法是等价的，并可通过多面体的参数进行统一，从而实现算法的线性收敛。此外，对于凸二次目标，研究表明收敛速度取决于相应缩放多面体的条件数。

Dec, 2015

本研究利用简单的对偶算法和相应的误差边界提供了一种新的算法和分析，可以在紧凑型多面体集上最小化一个包含线性和强凸函数和线性转换组合的函数，同时具有线性收敛速度和附加线性项，允许通过条件梯度方法求解。

Apr, 2015

本研究介绍了一种基于条件梯度算法的优化模型，可用于求解线性优化问题和非线性凸优化问题，并给出了一种基于此算法的在线凸优化算法，具有线性收敛速度和最优的遗憾保证。

Jan, 2013

本文研究了具有仿射约束的通用凸优化模板，提出了一种新的基于平滑和增广 Lagrangian 框架统一处理的条件梯度算法，证明了该方法在目标残差和可行性差距方面具有 O (1 / 根号 k) 的收敛速率，特别适用于各种半定规划应用。

Jan, 2019

为了解决鲁棒矩阵恢复问题，本论文提出了一种基于条件梯度法的优化问题求解方法，针对两块变量分别进行约束优化，在满足特定条件下获得比传统方法更快的收敛速度，特别适用于其中一块变量为低秩矩阵的情况，且不需对数据进行任何统计假设前提。

Feb, 2018

本文研究了一种无需投影的方法，即非凸条件梯度滑动（NCGS）在分批、随机和有限和非凸问题中的应用，并提出了一种非凸条件梯度滑动方法，该方法在批处理、随机和有限和设置中优于非凸 Frank-Wolfe 方法。

Aug, 2017

该论文提出了基于随机条件梯度方法的优化问题求解算法，用于解决大规模维度下的凸函数、连续子模型等多种问题，并证明了当问题维度高时，该方法较与传统的随机梯度下降法更加稳定，同时计算时间复杂度也得到了有效降低。

Apr, 2018

我们提出了一个基于条件梯度法的复合凸优化模板，该方法结合了平滑和同伦技术，在 CGM 框架下实现了最优的 O（1 /sqrt（k））收敛速度，并证明了在线性子问题具有加法或乘法误差时，同样的速率保持不变。此外，与相关工作相比，我们能够描述非平滑项为指示函数时的收敛性质。

Apr, 2018

本文提出了一种条件梯度类型（CGT）方法，用于解决一类由（弱）光滑项和（强）凸正则化项组成的复合优化问题，该方法在实现时不需要额外计算（子）梯度且具有较优度收敛率，并且还将这些方法推广到了随机设置中。

Feb, 2016