本文研究了不等式约束极大极小问题的两种有效的迭代算法及其一些相关性质.在实际应用中,经常会遇到极大极小问题,比如在工程设计、经济决策、预测系统识别、控制论、对策论等领域.研究如何求解该类问题的算法逐渐成为优化领域的一个热点问题.　　首先建立了不等式约束极大极小问题的熵函数算法.由于极大极小问题是典型的不可微优化问题,运用极大熵原理构造出一种新的熵函数将其转化为可微的优化问题,重点介绍了该熵函数的一些性质,在适当的假设下,并且采用BFGS算法的条件下,对满足一定条件的一类特殊函数证明了其收敛性.　　其次提出了求解不等式约束极大极小问题的一种新的超线性收敛SQP算法,在每次迭代中,只需构造一个QP子问题来产生可行下降方向,再通过一个显示公式来产生修正方向以克服Maratos效应,从而避免求解另一个QP子问题,减少了工作量,另外采用一般的单调线性搜索产生步长,并在适当的假设条件下,证明了算法的全局收敛性和超线性收敛性.并通过经典数值例子验证算法的有效性,初步数值试验结果显示算法是可行和有效的.　　最后,对文章进行了总结,并指出了未来值得进一步去做的一些工作。