本文对曲线和曲面拟合的改良缩张算法进行了研究。文章对原有的性能较好的缩张算法作了步长、中心点调整等若干改进，其中最主要改进之处在于以此算法为基础，结合数值微分技术及解析法中改良高斯-牛顿法，建立了曲线和曲面拟合的新算法——改良缩张算法。新算法主要利用缩张算法对各种类型非线性模型的通用性以及跳出局部最优陷阱的能力，实现目标函数的全局最优；利用结合改良高斯．牛顿法，加速回归统计数迭代逼近，其中曲线和曲面方程对各回归统计数的偏导函数将采用数值微分技术，既免去提供偏导函数的麻烦，又能以近似偏导函数指导寻优进程，提高非线性统计数估计的效率。以上述两个关键技术有机结合构建的新算法可将各步骤的优点充分发挥，而又能克服它们单独运用时的缺陷，极大程度地提高实现曲线和曲面拟合的能力，为非线性回归分析建立坚实的基础。本文对于新算法以MATLAB为平台编制了算法软件，以各种模拟和实例验证其功效。模拟和实例验证表明，新算法具有较高的拟合效率和唯一准确的拟合结果。