非线性不等式约束优化问题在最优控制问题、资源分配问题、均衡模型求解问题和结构工程问题等领域有着广泛的应用,求解不等式约束优化问题的常用方法是序列二次规划(SQP)方法,该方法需借助于某个罚函数作为效益函数来衡量迭代点的改善情况,而效益函数的值对罚参数的大小非常灵敏,目前,如何处理罚参数仍是一个比较困难的问题,在此背景下,许多学者提出了各种不使用任何罚函数的方法,但这些方法大多需要一个可行性恢复阶段来处理线性化约束不相容的问题,该阶段计算量大,且算法不容易实现.研究能够探测问题是否局部不可行,且不使用可行性恢复阶段的无惩罚型方法有着重要的理论意义和应用价值。　　本文针对非线性不等式约束优化问题提出一种带可行性探测的无惩罚型方法,该方法首先求解一个线性规划子问题,其解能够判断原始问题在当前迭代点附近是否局部不可行,在可行的情况下给出了改善当前迭代点可行性度量的程度,我们称为可行性方向。其次,算法根据所得信息进一步求解一个改进的总是相容的SQP子问题,该子问题的解主要是在保持可行性度量的前提下极小化目标函数,本质上就是改善当前迭代点的最优性度量,我们称为最优性方向,然后,算法采用可行性方向和最优性方向的某种凸组合作为直线搜索方向,在目标函数充分下降或者约束违反度充分改善的条件下,当前迭代为成功迭代.新算法无需可行性恢复阶段,在目标函数和约束函数光滑的假设条件下,算法是适定的,并且,算法或者收敛于一个不可行稳定点,或者收敛于一个MF约束规格不成立的可行点,或者收敛于原问题的一个稳定点。为了克服Maratos效应,算法采用二阶校正步技术,在通常假设条件下,所提算法是一步超线性收敛的.最后,我们给出了初步的数值实验并对结果进行了分析。