本文工作中讨论了非线性约束优化问题的求解，针对现代优化模型的复杂性和大规模性，试图设计一种简单、有效的混合算法。本文在Chin和Fletcher于2003年提出的SLP-EQP法的基础上，以SLP方法为主，以SQP法为辅，结合最新的filter思想，应用信赖域技术，提出了改进的算法。　　算法主要思想如下:　　(1)将SLP法、Robinson法以及信赖域法相结合得出新的RTR子问题，通过求解该子问题来确定迭代方向。利用Robinson法，不需要存储和更新（近似）海森矩阵，仅需要一阶导数，有利于求解现代优化问题。　　(2)如果RTR解不能满足filter接受准则，采用SLP-EQP的思想，将SLP法结合SQP法形成新的子问题，以此得到EQP解，这就克服了常规单一SLP迭代方向的弱点。　　(3)如果新的EQP解不能满足filter接受准则，则计算Cauchy方向，同时利用折线法的思想，将Cauchy方向与RTR方向进行组合，导出新的迭代方向。　　(4)如果组合方向不能满足filter接受准则时，我们则通过投影步dp进行迭代。通过这四步的处理，导出求解现代优化模型的有效改进算法。另外，针对SLP问题的弱点，当前迭代点约束条件的线性近似可能导致不相容，需要进行可行性修复。　　本文对此修复阶段进行了细节性处理，加入了Powell于1989年首先提出的Tolerant技术，有效地处理了不相容性。在常规的假设条件下，本文证明了算法的全局收敛性。大量数值试验表明本文算法的合理性和有效性。