李庆娜-北京理工大学数学与统计学院

师资队伍

应用数学系

李庆娜 职称：教授博士生导师 电子邮箱：qnl@bit.edu.cn

本人主要研究最优化理论与方法及其在人工智能、医学、通信等领域的应用。欢迎有意读博的学生联系我：） ResearchGate: https://www.researchgate.net/profile/Qing-Na-Li (可以从上面的链接下载我的论文及代码) 个人主页: https://math.bit.edu.cn/szdw/jgml/sxgcx/lqn/index.htm

教育背景

博士（计算数学），2010，湖南大学

学士（信息与计算科学），2005，湖南大学

工作经历

2021年7月至今, 北京理工大学数学与统计学院教授

2019年3月至今, 北京理工大学数学与统计学院博士导师

2013年7月—2021年6月，北京理工大学数学与统计学院副教授

2012年6月—2013年6月，北京理工大学数学与统计学院助理教授

2010年9月—2012年6月，中国科学院计算数学与科学/工程计算研究所博士后, 导师:袁亚湘教授

研究方向

优化方法和理论，尤其是矩阵优化、稀疏优化, 在金融、统计、信号处理等方面的应用

代表论著

[1] 李庆娜, 《凸分析讲义——凸集的表示及相关性质》, 科学出版社, 2023.

[2] Q. N. Li, Modern Optimization Methods, EDP Press, Paris, 2023.

[3] 李庆娜, 《凸分析讲义——共轭函数及其相关函数》, 科学出版社, 2020.

[4] 李庆娜, 李萌萌，于盼盼, 《凸分析讲义》, 科学出版社, 2019.

[5] 李庆娜, 《多维标度方法》,科学出版社, 2019.

[6] 李学文，闫桂峰，李庆娜, 《最优化方法》, 北京理工大学出版社, 2018.

[7] W. S. Teng and Q. N. Li, An efficient quadratic penalty method for a class of graph clustering problems. Optimization and Engineering, 2025. https://doi.org/10.1007/ s11081-025-10042-9

[8] W. S. Teng and Q. N. Li, A matrix optimization method for blind extraction of external equitable partitions from low pass graph signals. Journal of Computational Mathematics, 2025. https://global-sci.org/index.php/JCM/article/view/22899

[9] Y. G. Ye and Q. N. Li, Modified block Newton algorithm for sub-regularized optimization. Optimization, 2025. https://doi.org/10.1080/02331934.2025.2574469

[10] Z. W. Wang, X. W. Liu and Q. N. Li, A Euclidean distance matrix model for convex clustering, Journal of Optimization Theory and Applicatons, 2025, https://doi.org/ 10.1007/s10957-025-02616-5

[11] Y. X. Wang and Q. N. Li, A fast smoothing Newton method for bilevel hyperparameter optimization for SVC with Logistic loss, Optimization, 2024, 74(12): 2793–2822.

[12] H. Shi and Q. N. Li, A Facial Reduction Approach to the Single Source Localization Problem. Journal of Global Optimization, 2023, 87(2): 831-855.

[13] S. T. Lu and Q. N. Li, A majorization penalty method to SVM with sparse constraint. Optimization Method and Software, 2023, 38(3): 474-494.

[14] P. F. Zhao, Q. N. Li, W. K. Chen and Y. F. Liu, An efficient quadratic programming relaxation-based algorithm for large-scale MIMO detection. SIAM Journal on Optimization, 2021, 31(2): 1519-1545.

[15] Q. N. Li, Z. Li and A. B. Zemkoho, Bilevel hyperparameter optimization for support vector classification: theoretical analysis and a solution method. Mathematical Methods of Operations Research, 2022, 96(3): 315-350.

[16] Y. Q. Yan and Q. N. Li, An efficient augmented Lagrangian method for support vector machine. Optimization Methods and Software, 2020, 35: 855-883.

[17] J. Yin and Q. N. Li, A semismooth Newton method for support vector classification and regression. Computational Optimization and Applications, 2019, 73(2): 477-508.

[18] C. F. Cui, Q. N. Li, L. Q. Qi and H. Yan, A quadratic penalty method for hypergraph matching. Journal of Global Optimization, 2018, 70(1): 237-259.

[19] Q. N. Li and D. H. Li, A class of derivative-free methods for large-scale nonlinear monotone equations. IMA Journal on Numerical Analysis, 2011, 31(4): 1625-1635.

[20] Q. N. Li and H. D. Qi, A sequential semismooth Newton method for the nearest low-rank correlation matrix problem. SIAM Journal on Optimization, 2011, 21(4): 1641-1666.

[21] Q. N. Li, D. H. Li. and H. D. Qi, Newton's method for computing the nearest correlation matrix with a simple upper bound. Journal on Optimization Theory and Applications, 2010, 147(3): 546-568.