半定规划是近20年以来发展起来的一个新的数学规划分支.随着半定规划的发展，实际生活很多领域中的问题可以转化为半定规划模型来求解，例如：经济、金融、工程、管理等.由于它的约束条件是非线性的和凸的，因此，半定规划是一个非光滑凸优化问题.内点算法是求解半定规划问题的一种非常有效的算法，由于其具有较低的理论复杂度和较好的实验效果，吸引了国内外众多学者的研究，并迅速成为了数学规划领域中的研究热点.　　内点算法依据初始点是否可行，可以分为可行内点算法和不可行内点算法；依据算法迭代邻域的大小，可以分为宽邻域内点算法和窄邻域内点算法.众所周知，宽邻域内点算法具有较好的实验效果但是理论复杂度相对较高，而窄邻域内点算法具有较低的理论复杂度但是实验效果相对较差.本文主要研究的是半定规划的不可行内点算法，其目的在于缩小宽邻域算法和窄邻域算法之间的这种矛盾.本论文所做的主要工作如下：　　一方面，针对M型预估矫正内点算法，将冯增哲和房亮提出的半定规划的一种可行内点算法推广到不可行的情形中，并改进了算法的迭代邻域.理论上证明了迭代点列在新的宽邻域中是收敛的，并且证明了当取Nesterov-Todd(NT)方向时，算法的迭代复杂度是O(rTr(X0S0)/ε)，其中r是问题的维数，(X0,S0)是迭代初始点，ε为算法要求的精度.这与半定规划的不可行内点算法当前最好的理论复杂度一致.　　另一方面，针对MTY型预估矫正内点算法，Sungwoo Park提出了半定规划的一种减少约束的MTY型预估矫正内点算法.基于此框架，对算法的迭代邻域进行了改进，即将邻域中的矩阵F范数改为矩阵2范数.通过数值实验，对算法运行的迭代次数、迭代时间以及算法终止时的计算结果与改进之前的算法进行了对比.数值实验结果表明，改进之后的算法是有效的.