本文主要研究求解约束优化问题的Filter型算法。论文共分五部分。　　在第一章中我们首先介绍了优化问题的模型、基本求解思路以及算法的收敛性和收敛速度等一系列概念。而后，文章着重对求解约束优化问题的罚函数法进行分析，指出其中存在的缺陷与不足，从而引出Filter型算法的研究背景、发展现状以及本文的主要工作。　　论文的第二部分主要以模式识别中的SVM分类问题为实际应用背景，以求解正定二次规划的内点算法为研究对象，通过引入Filter方法，给出了一个求解正定二次规划的Filter内点算法，与现有的大多数SVM算法相比，在一定条件下，该算法在理论上可获得全局收敛的良好性质。对算法的可行性和收敛性，文章给出了详细的分析证明过程。　　论文的第三部分将Filter方法引入到半定规划问题，通过将半定规划问题序列非线性化，并结合求解非线性规划的Filter-SQP算法，给出求解半定规划的Filter型算法，在一定的假设条件下，证明了算法的全局收敛性。　　第四章以对策论中矩阵对策为实际应用背景，分析了内点算法在其中的应用。　　论文的最后一章对全文进行总结，指出文章的创新之处，并针对本文未解决的问题提出了进一步研究的方向。