随着最优化方法这门学科的发展，它已经成功应用于许多行业之中。应用的增加，也给这门学科提出了新的需求和问题。其中之一便是有些实际问题中的变量个数非常庞大，在做无约束非线性最优化时，直接导致了目标函数的Hessian矩阵规模更加庞大，超出了许多计算机的硬件约束，使得许多传统的成熟的方法都不适用于这类问题。Limited Memory BFGS Method(L-BFGS)算法便是针对这类问题而特地构造的，它利用一阶信息构造二阶信息——Hessian矩阵，大大的节约了存储空间，使得在有限存储上就能短时间的够解决问题。本文从L-BFGS的构造思想和方法出发，再结合信赖域方法，给出一种新的无约束非线性最优化方法，该方法综合了L-BFGS的优点，同时也具有信赖域方法稳定的特点，使得在解决这类问题时能有更多的选择，同时也拓宽了最优化方法的适用范围。