常小凯，男，1984年10月生，甘肃通渭人，2022年获得甘肃省杰出青年基金，2024年入选甘肃省陇原青年英才。2019年12月博士毕业于西安电子科技大学应用数学专业。现为兰州理工大学理学院数学系副教授，硕士研究生导师。

邮箱：xkchang@lut.edu.cn  办公室地址：兰州理工大学（西校区）文理楼544

主要从事交替方向乘子法(ADMM)，原始-对偶混合梯度法（PDHG）和算子分裂（Operator Splitting）算法及其应用的研究。突破经典分裂算法使用Polyak 和Nesterov 等开创的外推技术，利用序列凸组合提出了原始对偶分裂算法的新范式：“凸组合+大步长”，取得了系列卓越成果。在《SIAM Journal on Optimization》、《Journal of Scientific Computing》、 《Journal of Optimization Theory and Applications》、 《Numerical Algorithms》《Calcolo》、 《Journal of Computational and Applied Mathematics》、 《Optimization》、 《Optimization Methods and Software》、 《计算数学》等国际顶级和知名学术期刊上发表高水平学术论文20余篇，所设计的算法在图像处理上的应用获得 2017 年陕西省第三届研究生创新成果一等奖。

（1）2024年，入选省级人才计划：甘肃省陇原青年英才；

（2）2023年，兰州理工大学教学质量卓越奖（二层次）；

（1）国家自然科学基金项目（33万，编号12161053），基于序列凸组合技术的新型原始-对偶混合梯度算法及其应用研究，时间2022年1月——2025年12月；

（2）甘肃省杰出青年基金项目（40万，编号22JR5RA223），极小极大问题的黄金比率算法及应用，时间2022年10月——2025年9月；

（3）甘肃省教育厅科研项目（2.5万，编号2020A022），多分块交替方向乘子法及其大数据应用研究, 时间2020年1月——2021年12月。

（4）兰州理工大学博士科研启动经费（10万）；

[1] X. Chang(常小凯), J. Yang, and H. Zhang. Golden ratio primal-dual algorithm with linesearch. SIAM Journal on Optimization，Vol. 32, No. 3, pp. 1584—1613, 2022.

[2] X. Chang(常小凯) , J. Yang. GRPDA Revisited: Relaxed Condition and Connection to Chambolle-Pock’s Primal-Dual Algorithm, Journal of Scientific Computing, (2022) 93:70.

[3] X. Chang(常小凯) , J. Yang. A golden ratio primal-dual algorithm for structured convex optimization.  Journal of Scientific Computing, (2021) 87:47.

[4] X. Chang(常小凯), L. Xu, and J. Cao. A splitting preconditioned primal-dual algorithm with interpolation and extrapolation for bilinear saddle point problem. Numerical Algorithms, 2024. 

[5] X. Chang(常小凯) , J. Bai. A projected extrapolated gradient method with larger step size for monotone variational inequalities. Journal of Optimization Theory and Applications, 190, 602—627 (2021).

[6] X. Chang(常小凯) , J. Bai, D. Song, S. Liu. Linearized symmetric multi-block ADMM with indefinite proximal regularization and optimal proximal parameter. Calcolo, 2020.

[7] X. Chang(常小凯), S. Liu, P. Zhao, X. Li. Convergent prediction-correction-based ADMM for multi-block separable convex programming. Journal of Computational and Applied Mathematics, 2018.

已发表文章中使用的部分code分享在网址：https://github.com/cxk9369010 请下载测试并提出宝贵意见。