对于非线性优化问题寻找快速有效的算法一直是优化专家们研究的热门方向之一。近年来，将求解无约束优化问题的拟牛顿法与求解约束问题的投影类算法相结合，文[1、6、11、12、13、14]等给出了具有超线性收敛速度的投影类拟牛顿算法。文[2]基于修正的非拟牛顿方程，给出了无约束优化的一类非拟牛顿算法。本文结合文[2]中的非拟牛顿法与投影类算法，给出了求解线性约束非线性优化问题的一类具有超线性收敛的投影非拟牛顿算法。 在第一章我们首先简要的介绍了最优化问题的提出以及判断最优解常用的最优性条件，回顾了无约束优化问题常用的几类导数下降类算法和约束优化问题的可行方向法。 在第二章中我们将梯度投影与文[2]中的非拟牛顿法相结合，给出了求解线性约束非线性优化问题的一类梯度投影非拟牛顿算法。基本思想是从可行点出发，沿可行下降方向进行搜索。可行下降方向的选取遵循以下规则：若当前迭代点在可行域D内部，沿非拟牛顿方向搜索；若当前迭代点位于D的边界上，将该点处的非拟牛顿方向或负梯度方向投影到M的零空间。其中M是在当前迭代点积极约束或部分积极约束的法向量构成的矩阵。可以证明这样的投影方向是可行下降方向。在一定条件下，我们证明了所给算法的全局收敛性及超线性收敛性。新算法推广了文[1，2]中的结果。 在第三章中我们将广义投影算法与非拟牛顿法相结合，给出了求解线性约束非线性优化问题的一类广义投影非拟牛顿算法。该算法避免了转轴运算，大大减少了计算量。并在一定条件下，证明了所给算法的全局收敛性及超线性收敛性。新算法推广了文[2，9，10，11]中的结果。