本研究提出了一种基于图的全局优化框架，解决带有非凸正则化函数的统计模型参数估计问题。该方法通过构建强凸松弛，确保收敛到全局最优，并在稀疏线性回归中展示了有效性。

本文综述非凸正则化优化的理论与算法进展，主要内容包括：基于l_p正则的无约束极小化方法及IRL1/IRL2闭式求解与收敛分析；非凸风险最小化的样本复杂度与泛化性；正则化M估计局部最优解的误差上界及近似全局最优算法；基于信赖域法的全局极小化；正则化路径追踪与避免鞍点的提纯方法、无鞍牛顿法及加权l^p线性反问题的迭代算法。