半定规划也称为带有半正定锥约束的线性规划，其退化情形包括线性规划和凸二次规划.半定规划广泛地存在于系统与控制理论、金融工程、量子化学和信号处理等诸多领域.半定规划的多项式内点算法为求解组合优化领域的某些中小规模的NP难问题（如著名的旅行商问题和最大割问题）提供了有效的解决途径.如何为大规模的半定规划问题的求解设计有效的算法？从上世纪九十年代初至今，大量优化界的学者围绕这一核心问题，对半定规划的各种算法，尤其是内点算法展开了深入广泛的研究.在此基础上，本文主要考虑半定规划的宽邻域不可行内点算法和预估矫正内点算法，具体地：　　1.针对宽邻域不可行内点算法，进一步拓宽文献[25,26]中的宽邻域并增大迭代步长α,设计出一种精确的宽邻域不可行内点算法，在适当的假设条件下，证明了该算法具有 O(nL)的迭代复杂界.利用文献[29]中的宽邻域和文献[36,44]中的修正牛顿方向，提出一个新的宽邻域不可行内点算法,证明了该算法的迭代复杂界为O(√￣nL),且该算法无需在每一迭代步求解牛顿方向的正部和负部.最后，利用M ATLAB编程，给出算法基于NT方向的数值实验结果.　　2.对于预估矫正内点算法，通过引入矩阵V,对给定的宽邻域N(T,β),类似文献[44,45]中的搜索方向，提出一种新的预估内点算法，当尺度矩阵选用KM方向时，证明该算法的迭代复杂界为O(√￣nL).类似文献[46-49]中的安全策略，对新提出的算法增加一个矫正步，从而建立一种预估矫正内点算法.最后，取定宽邻域N-∞(1-γ),类似文献[50,51]对新提出的预估矫正内点算法的矫正步进行修正，给出一个带有矫正步长安全策略和预估步长削减策略的预估矫正算法，并证明该算法的迭代复杂界为O(nL).最后，给出数值算例，利用MATLAB编程所得的数值实验结果验证了算法的有效性.