最优化问题广泛的存在于农业、国防、交通、金融、能源、通信等诸多领域.其中拟牛顿法是求解最优化问题的一类十分重要的算法,该类算法中拟牛顿矩阵Bκ的修正对算法的收敛性和收敛速度起着重要的作用.BFGS方法被认为是拟牛顿法中最为有效的一种,它只需利用目标函数值和一阶导数的信息.在一定的条件下具有较快的收敛速度.但在求解无约束最优化问题中,当目标函数非凸时,有例子表明采用Wolfe-Powell型线性搜索的BFGS算法不收敛.为此Li-Fukushima在2001.年提出了一种BFGS的修正形式-MBFGS算法,该算法用于求解非凸函数极小值问题时也具有全局收敛性.而且,Bκ的对称止定性与算法的线性搜索以及目标函数的凸性无关.　　 本文将Li-Fukushima求解无约束最优化问题的MBFGS算法加以改进,将其应用到求解线性约束优化问题中,采用可行方向与MBFGS修正相结合的方式建立算法.分别提出求解等式约束优化问题、非负约束优化问题和一般线性约束优化问题的可行MBFGS算法,并证明在一定条件下采用.Armijo线性搜索的MBFGS算法具有全局收敛性和超线性收敛速度.特别地,对于等式约束优化问题我们将Grippo等提出的非单调线性搜索技术引入到MBFGS算法中.这种技术可以减少线性搜索试探步,获得较大步长.最后,通过数值实验来验证以上算法,结果表明本文的算法具有较好的数值效果.　　 本文算法的优点在于算法产生的点列是可行点序列,且直接利用目标函数作为效益函数,可以有效地避免Maratos效用.