本项目在最优子集选择问题获得突破性成果。最优子集选择是超高维数据的变量选择的一个核心问题，其求解是一类混合整数规划问题，是公认的NP-hard问题。研究团队利用对偶原理给出原始对偶互补集，分别对两类子集的元素进行排序，打破互补集间的元素等可能交换，这样无需遍历所有的集合，得到一种计算有效的算法。在合适条件下，计算复杂度是多项式的、可以复原真实子集、算法解是全局最优的。研究在回归分析、计算机科学和医学在内的各个领域具有重要和必要的意义。

研究成果：Junxian Zhu; Canhong Wen; Jin Zhu; Heping Zhang; Xueqin Wang. A polynomial algorithm for best-subset selection problem, Proceedings of the National Academy of Sciences of the United States of America, 2020, 117(52), 33117-33123. (SCIE Q1, IF=9.4)