结构化大规模的凸优化问题在压缩感知,信号处理,图像处理,多任务学习等领域中都有广泛的应用,其中信号处理,图像恢复,矩阵完全化,机器学习中的许多问题都可以归结为一个在实空间上极小化若干个凸函数之和的优化问题.本文所研究的凸优化问题,其目标函数为一个强凸函数与一个线性映射的复合,加一个混合范数构成的正则项.一方面,由于目标函数的非光滑性,传统的方法不能直接用来求解这类凸优化问题.而通过借助邻近算子可以很好的解决由非光滑性带来的困难.另一方面,由于目标函数是三个可分离的凸函数之和,已有的向前-向后方法求解这类问题也变得很困难.本文给出了解决这类问题的具体的并行邻近算法,该算法利用邻近算子分别对其中的每一个函数进行“邻近”,并得到了算法的全局收敛性.最后本文还给出了该问题特殊情况下的邻近方法,并在没有假设目标函数强凸的情况下证明了算法的全局线性收敛性.本文所研究的这类凸优化问题可以很好地应用于诸如压缩感知,图像处理等实际问题中.