我们提出并研究了用于凸优化方法的加速梯度流的一种归一化参数化。该参数化引入了一个正的尺度参数，使得时间尺度变换、阻尼、Lyapunov耗散与离散稳定性之间的相互作用变得显式可见。在连续时间情形下，该归一化流满足一个具有指数收敛率的Lyapunov衰减估计。基于这一归一化表述，我们导出了一族保结构离散格式，包括隐式、半隐式、预测-校正以及梯度校正格式。我们进一步将该框架推广到复合优化问题，并提出了基于速度的近端分裂格式：其中先将近端算子作用于与速度相关的变量，再通过流关系恢复位置变量的更新。最后，我们在若干代表性测试问题上进行了数值实验，展示了尺度参数对收敛行为的影响。

袁景，本科和硕士分别毕业于武汉大学和北京大学，博士毕业于德国海德堡大学数学与计算机科学系（是该系唯一一个博士毕业论文获优异的非欧盟员工）。于加拿大Western University计算机系完成两年博士后研究，后被Western University的Robarts研究所聘为副研究员（2011.8-2012.7）、研究员（2012.8-2016.7），同时被Western University的Schulich医学院聘为特聘研究教授（2014.3-2016.7）。2016年9月回国，于西安电子科技大学数学与统计学院聘为教授，2017年获国家高层次回国人才资助。同时，在英国伦敦国王学院KCL工程学院、加拿大魁北克大学高等工程学院、中国南方科技大学数学学院任客座教授。代表性成果发表在各相关顶级学术期刊，包括中科院认证一、二区期刊文章40多篇，另有超过30篇文章发表在各项级国际学术会议，如CVPR、ECCV、AAAI、MICCAI、SSVM等。目前，发表各类学术文章超过100篇，3篇专著章节，总期刊影响因子超过300。