非光滑优化在图像去噪、神经网络学习、经济学及计算化学和物理学等领域广泛使用，按目标函数与约束函数的凸性可分为凸非光滑优化和非凸非光滑优化.本学位论文研究一类非凸非光滑无约束优化问题，其目标函数具有一种特殊结构，它是由一个非凸函数及一个凸函数构成的和函数.此类问题应用非常广泛，如图像的恢复处理、压缩感知、最优控制、系统识别等.因此，研究这类问题的求解具有理论意义和实用价值.　　本文提出了一种邻近交替束方法来求解由非凸函数和凸函数构成的和函数的非凸非光滑优化问题.首先，利用局部凸化技术对非凸函数进行局部凸化处理，即将目标函数中的非凸函数项增加一个二次项;其次，构造局部凸化函数的割平面模型近似非凸函数项;最后，通过交替线性化方法分别对割平面模型和凸函数交替线性化得到两个简单的子问题.在算法的设计中，每一次迭代仅需求解两个简单的子问题.此方法将传统的交替线性束方法由凸推广到非凸情形.此外，在算法中我们设计新型邻近参数和凸化参数的调整策略，以保证算法的全局收敛性.　　本文的最后，我们对所提出的算法进行数值试验，数值结果验证了算法的可行性、有效性及稳定性.