本文对非线性约束优化问题的一些理论与算法进行了研究.给出一般约束最优化的一个修正的共轭投影梯度算法和一个带信赖域的SQP算法.在适当的假设条件下,详细分析和论证两个算法的全局收敛性及超线性收敛性.最后,数值试验表明所给算法是有效的.　　第一章主要介绍了约束优化算法的研究现状、发展方向,并指出了有待研究的课题.　　在第二章里,投影梯度方法由于其结构简单,数值效果好,而一直作为求解约束优化问题的基本方法之一.我们针对非线性等式和不等式约束优化问题,结合罚函数法,提出了一个共轭投影梯度法.在适当的条件下,证明了此方法的全局收敛性及强收敛性.由于使用了目标函数的二阶导数信息,该算法的超线性收敛速度也得到保证.　　在第三章里,结合信赖域技巧和广义梯度投影技巧,给出一个可行下降SQP(序列二次规划)来处理非线性等式和不等式约束优化问题.该算法的主要特点:(1).借助一种可微价值函数处理等式约束得到一个只含不等式约束的等价的QP子问题.(2).信赖域是一系列以原点为内点的紧集.在适当的条件下,证明了此方法的全局收敛性、强收敛性及超线性收敛性.　　在第四章里,对给出的两个算法进行了一定的数值试验,试验结果表明算法在实际计算中是行之有效的.　　最后的一章对全文进行了总结,并就研究中还没有解决和未涉及的问题以及今后的研究方向进行了说明。