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
更多

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

2007年9月—2010年6月，湖南大学计算数学博士，导师:李董辉教授、戚厚铎教授。
2005年9月—2007年7月，湖南大学运筹学硕士
2001年9月—2005年7月，湖南大学信息与计算科学专业本科

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

中文论著:
[1] 《凸分析讲义》，李庆娜，李萌萌，于盼盼，科学出版社，2019.1.
[2] 《多维标度分析》, 李庆娜 科学出版社 2019.4, ISBN 978-7-03-060963-2
[3] 《凸分析讲义-共轭函数及其相关函数》, 李庆娜，科学出版社，2020.12. ISBN 978-7-03-066877-6
[4] 《最优化方法》，李学文，闫桂峰，李庆娜，北京理工大学出版社，2018
英文论著:
[1] Li Q.N. and Qi H.D., A sequential semismooth Newton method for the nearest low-rank correlation matrix problem, SIAM Journal on Optimization, 21(2011). 1641-1666
[2] Li Q.N., Li D.H. and Qi H.D., Newton's method for computing the nearest correlation matrix with a simple upper bound, Journal on Optimization Theory and Applications，147(2010)，546-568
[3] Li Q.N., Qi H.D.* and Xiu N.H., Block relaxation and majorization methods for the nearest correlation matrix with factor structure, Computational Optimization and Applications, 50 (2011), 327-349.
[4] Li Q.N. and Li D.H., A class of derivative-free methods for large-scale nonlinear monotone equations, IMA Journal on Numerical Analysis, 35(2011), 1625-1635.
[5] Cui C.F., Li Q.N.*, Qi L.Q. and Yan H., A quadratic penalty method for hypergraph matching, Journal of Global Optimization, 2018， 70（1），237-259.
[6] Yin J. and Li Q.N.*, A Semismooth Newton Method for Support Vector Classification and Regression, Computational Optimization and Applications., 2019, 73(2) ， 477-508
[7] Tongyao Pang, Li Q.N., and Zaiwen Wen, Zuowei Shen, Phase retrieval: a data-driven wavelet frame-based approach, Applied and Computational Harmonic Analysis, 49(2020), 971-1000, access number :20192407032578
[8] Yan Y. Q. and Li Q.N.*, An efficient augmented Lagrangian method for support vector machine, Optimization Methods and Software, 35, 2020，855-883
[9] L. Wang, J.F. Shi, Q.N. Li, et al, Epidemiological and economic evaluation of breast cancer screening in urban population in China: a multitarget calibrated modelling study, Lancet, 2019, 394:S58.
[10] Zhao P.-F., Li Q.-N.*, Chen W.-K. and Liu Y.-F., An efficient quadratic programming relaxation-based algorithm for large-scale MIMO detection, SIAM Journal on Optimization, 2021，31（2），1519-1545
[11] Shi H. and Li Q. N.*, A Facial Reduction Approach to the Single Source Localization Problem, Journal of Global Optimization, 2022, https://doi.org/10.1007/s10898-022-01188-2