为了提高求解图像处理、机器学习、变量选择、信号处理等稀疏优化模型的算法速度，我校计算机与网络安全学院程万友教授提出一种非单调谱梯度算法。
传统的求解稀疏优化模型的算法中，一般只考虑拟合函数为二次函数的特殊情况，另外对算法的收敛速度研究的不多。 基于这一点思考，程万友教授提出一种求解稀疏优化模型的一般谱梯度算法，当目标函数为凸函数时，该算法是次线性收敛的；当目标函数为强凸函数时，该算法是R阶线性收敛的。这一研究扩大了一般谱梯度算法的应用范围和求解速度。
该研究成果“Nonmonotone Spectral Gradient Method for Sparse Reconvery”发表在《Inverse Problems and Image》上。刊物为中科院JCR数据库中的SCI二区刊物、我校T类三级刊物，影响因子为1.13。
