本文主要讨论了求解非线性规划问题的两种新的方法。这两种方法都是以滤子技术为基础,同时结合优化问题的两种常用算法而得到。第一种方法是在滤子判别准则条件下加入了填充函数求解。填充函数求解过程分为两个阶段,极小化阶段和填充阶段。在本文里首先建立了一个新的填充函数并证明了其填充性质,然后给出了滤子参与下的填充滤子算法,在计算过程中滤子接受那些靠近可行域或者有更好的极小值的迭代点。为了适应填充函数的运算法则,此时滤子的维数为三维,使得这一判别准则在填充阶段有效。第二种方法是尝试将滤子方法与现代进化算法中的遗传算法相结合,用滤子作为种群中个体优劣的判别准则,这样可以应用于含约束条件的优化问题。遗传算法的进化准则使得迭代不陷入局部最优点,而滤子准则保证了点的极小。最终按文中的算法进行了数值实验,计算结果说明了算法的有效性。然后文章尝试将上述求解不等式约束优化问题的方法扩展到一般优化问题,把等式约束和不等式约束分开考虑,建立两个约束违反度函数,形成滤子中的两个维度,与目标函数一起,形成了一个三维滤子,同时说明了进入滤子的那些数对所对应的点列最终是收敛的。