约束非线性规划问题是最优化领域中重要的研究课题，许多实际问题都可以归结为约束非线性规划问题。自从二十世纪七十年代后期，序列二次规划(SQP)已成为解非线性最优化问题的一种最常见、最有效的方法。滤子SQP最初是由Fletcher在[19]中提出的，是与信赖域相结合的一种算法。 在[42]中Ulbrich介绍了一种利用乘子函数来构造滤子的一个分量的方法，从而不用二次矫正步的就克服Maratos效应，而且证明了这种方法具有局部超线性收敛性。基于[42]中想法我们在本论文中我们构造了增广的拉格朗日函数Ip(x)来代替[19]中的f(x)，也同样达到不用二次矫正步就避免了Maratos效应，而且结合NCP函数来构造了滤子的另一个分量p(x)。从而我们将[19]中滤子的两个分量给替换得到新的算法。这种算法具有全局收敛性。 本文在前言中介绍了课题的研究背景和研究现状以及本文在论文中所做的工作；第二章介绍了约束非线性规划的一些基本的原理和结论，包括基本迭代公式，最优性条件和收敛速度，以及滤子方法的产生和发展等方面的内容：第三章给出了算法中滤子的构造，介绍了非线性互补函数(NCP)的定义和性质，鉴于在K-K-T点处的非线性互补条件，我们对于每个迭代点可以构造出一个新的违反约束度，这样就得到了一种新的滤子，于是通过把NCP函数放入滤子中我们构造出了一种新的滤子SQP算法。该算法的特征是用到了多目标优化里控制的思想：一个迭代点被接受当且仅当该点是否被滤子接受。在二次子问题不可行时，该算法需要可行性恢复阶段(首次在[19]中被提出)。我们证明了在假设条件下，这种新的滤子SQP算法具有全局收敛性和超线性收敛性。第四章是关于此算法的数值分析，我们通过编程实验算例得出了比较满意的数值结果，显示该算法是解决约束非线性规划的一种有效算法，而且比原来算法更有效。第五章为本文的结论与展望。