序列二次规划(SQP)算法一直是非线性约束优化研究中一个十分活跃的领域.由于它具有超线性收敛和二次收敛等良好特性,引起了许多学者的广泛关注,发展成为求解非线性约束优化问题的一类非常重要有效的方法.众多学者不断完善算法的理论和方法,同时将该算法应用到工程与经济等各种实际优化模型中,并且取得了非常显著的效果.因此,对序列二次规划的研究具有重要的理论和实际意义.　　整篇论文的主要内容如下:　　第一章,介绍了与本文有关的基础知识和序列二次规划的研究历史、现状以及文章的结构.　　第二章,对等式约束优化问题进行研究.通过求解增广Lagrange函数的New-ton法推导出一个等式约束二次子规划问题得到搜索方向.初始点可以任意选取,采用增广Lagrange函数作为效益函数并结合二阶步校正方法来克服 Maratos效应.在适当的条件下证明了算法的全局收敛性和超线性收敛性.最后通过数值实验验证了算法的有效性.　　第三章,给出了一个求解一般约束优化问题的改进序列二次规划算法.通过引进增广Lagrange函数作辅助函数,将一般约束优化问题转化为不等式约束优化问题,大大降低了问题研究的复杂性.同时利用近似积极约束集,减少二次子规划的规模,降低了计算工作量.对于搜索技巧,该算法采用两个线搜索的有机结合.首先令步长恒为1,进行试探性搜索,如果该试探性成功,则进行下一步迭代,否则沿着下降方向进行Armijo线搜索.在一定条件下证明了算法全局收敛性与超线性收敛性.最后通过数值实验检验了算法的有效性.　　第四章对全文作了总结,并对文章以后的研究和探讨的方向进行了展望。