在工程、军事、经济管理等诸多领域都随处可见无约束优化问题的广泛应用。随着生产和科学研究迅速地发展，特别是计算机的发展，最优化问题的研究因为有了有力的求解工具，从而许多大规模问题的求解变得轻而易举。共轭梯度法作为最优化中常用且有效的方法之一，它算法简单、存储空间需求小，适合求解一些大规模非线性优化问题。随着近年来实际问题中大规模优化问题的不断涌现，非线性共轭梯度法逐渐引起人们的重视。　　 本文集中对共轭梯度法进行了讨论，共三章内容:　　 第一章简要介绍非线性共轭梯度法的研究背景、内容及现状。　　 第二章给出了一种混合共轭梯度算法，我们研究了新公式的几个性质，并给出了相应算法的收敛性定理。　　 第三章在共轭下降法的基础上我们给出了一簇共轭梯度公式，在强Wolfe条件下证明了全局收敛性，丰富了共轭下降法的研究。最后我们对本文所提出的两种新算法进行数值试验并比较在不同函数下的数值表现。