数值试验结果表明BFGS算法有很好的数值效果，它已成为最受欢迎的拟牛顿法.然而当用于求解非凸函数极小值问题时，该算法不具有全局收敛性.为克服这个缺陷，Li和Fukusima提出了一种修正的BFGS算法（MBFGS算法），该算法在一定条件下，对于求解非凸函数极小值问题也具有全局收敛性，并且还具有超线性收敛速度.然而MBFGS算法破坏了BFGS算法的仿射不变性.为了克服MBFGS算法的这一缺陷，Liu和Li提出了一种扰动的BFGS算法（PBFGS算法），该算法求解无约束非凸函数极小值问题时，也具有全局收敛性和超线性收敛速度，并且还保留了BFGS算法的仿射不变性.　　 BFGS算法及其各种修正形式中，拟牛顿矩阵的条件数的大小对算法的数值效果影响较大，为了改善BFGS算法中拟牛顿矩阵的条件数，最近Cheng和Li提出了一种谱尺度BFGS算法，即SSBFGS算法，其基本思想是:引入谱尺度因子对原有算法中矩阵迭代公式进行修正，该算法可以改善拟牛顿矩阵的条件数.在此基础上，Li和Qiao将此技术用于MBFGS算法，提出了一种谱尺度MBFGS算法，即SSMBFGS算法.在一定条件下，SSMBFGS算法具有全局收敛性和R-线性收敛速度.　　 鉴于扰动因子与谱尺度技术的优点，本文将扰动技术与谱尺度技术结合，提出一种扰动的谱尺度BFGS算法，即PSSBFGS算法.我们证明在适当条件下，该算法用于求解无约束非凸函数极小值问题时，也有全局收敛性，还至少具有R-线性收敛速度.我们还通过数值试验对所提出的算法进行测试，结果表明，在求解较大规模问题时，本文提出的算法的数值效果要好于谱尺度MBFGS算法，更远远好于扰动BFGS算法.