在一般的优化模型中，通常都假定与目标函数决策变量相关的参数值或约束集合的参数值是已知的，我们求解一个优化问题就是在已知这些参数值的条件下，找到问题的最优解．然而在实际应用中有很多例子，我们只能知道参数的估计值以及从试验，观察，经验中获得的最优解，需要计算出参数的精确值．本文所要讨论的二次规划反问题就是在已知问题参数估计值的前提下，尽可能小的调整给定二次规划问题的参数值，使已知的可行解成为最优解．尽管对于反问题很多学者进行了深入的研究，做了很多工作，取得了令人瞩目的成就，但大多是组合优化发面的研究，在连续优化反问题方面进展比较小，本文对[1]中提出的一类二次规划反问题的数值求解进行探讨． 在第一章介绍了这个问题的最小化模型，它是一个正半定锥约束模型． 在第二章推导这个二次规划反问题的对偶问题，它是一个线性约束半光滑可微的凸规划问题，变量的个数比原反问题的少的多，只需求这个对偶问题的最优解就可以得到原问题的最优解．我们采用了[1]中的增广拉格朗日方法求解对偶问题，集中比较子问题的不同数值方法的求解对计算效果的影响．我们采用拟牛顿法和牛顿法两个方法对子问题求解，比较它们的数值试验的结果，发现采用拟牛顿法求解子问题的方法比采用牛顿法求解子问题的方法的计算效果好得多． 在第三章中，我们用障碍函数法重新解这个二次规划反问题的对偶问题。首先给出了关于问题的凸性的证明，说明采用障碍函数法的合理性，在障碍函数的子问题求解中，我们同样采用拟牛顿法的BFGS算法配合Armijo线搜索．同样对于这个算法也给出了数值试验检验该算法的有效性，数值结果表明障碍函数法在求解此问题时没有增广拉格朗日方法有效．