非线性方程组问题是应用非常广泛的一种问题，而拟Newton算法是求解最优化问题和求解非线性方程组问题的一类非常受欢迎的方法，也是一类非常有效的算法，通常算法都具有局部超线性收敛性．尤其在求解非线性方程组问题时，在一定的条件下，通过选择适当的线性搜索方法，就可建立起拟Newton算法的全局收敛性等．Li-Fukushima对于求解对称非线性方程组问题，提出了一种基于Gauss-Newton的BFGS算法，在一定条件下算法具有全局收敛性和超线性收敛性，且算法是近似范数下降的．基于此，Gu-Li-Qi-Zhou结合BFGS的两种修正形式分别提出了范数下降的BFGS算法．　　BFGS算法的修正形式使得算法具有更强的适用性，如对函数是否为凸均适用等．通过分析两种BFGS修正形式，即修正的BFGS算法——MBFGS和谨慎的BFGS算法——CBFGS，我们发现两种方法在对算法做出修正的同时又存在着各自的缺点．基于这样的考虑，我们提出了一种混合 BFGS修正形式，该修正形式是对MBFGS和CBFGS修正形式的一个结合．文章说明了混合 BFGS算法继承了MBFGS和CBFGS的良好的性质，如对函数凸性无要求，可以保证拟牛顿矩阵序列?Bk?正定性等．　　在本文中，主要针对对称非线性方程组问题，我们利用混合 BFGS修正形式，结合合适的线搜索方法，建立了求解对称非线性方程组问题的混合 BFGS修正算法．最后，文章给出了混合 BFGS修正算法的收敛性证明．我们得到，在一定条件下，可以使算法具有全局收敛性或超线性收敛性．通过数值试验，我们可以说明算法的有效性，且对于维数较高更复杂的非线性方程组问题，混合BFGS修正算法表现更加稳定．