约束非线性优化问题在许多领域都有重要的应用，传统的求解方法都是借助于某个惩罚函数作为效益函数-这一类方法统称为惩罚型方法，但惩罚型方法难以选择适当的罚参数，罚参数过小方法可能不收敛，过大会使方法收敛很慢甚至计算溢出，使用非光滑罚函数时，方法还可能不接受超线性收敛步.因此，能否设计出不使用罚参数的新型方法一无惩罚型方法既有重要的理论意义，也有重大的应用价值.Fletcher等人在1997年开始提出不使用罚参数的过滤方法，是目前具有代表性的无惩罚型方法，其数值试验结果十分令人鼓舞.研究不使用滤子技巧的其它无惩罚型方法同样具有重要的理论意义和应用价值.　　 本文研究求解非线性等式约束优化问题的一类无惩罚型方法，这种新算法没有使用任何罚函数或效益函数，也不使用滤子技巧.罚函数方法是将目标函数和约束违反度函数进行线性组合，然后求解一系列无约束优化问题.与罚函数方法不同，新算法在每一步迭代中，分别对目标函数和约束违反度函数建立二次模型求解.通过建立最优性度量和可行性度量之间的平衡关系，有选择性的计算法向步和切向步，以此来减小目标函数值和改善可行性度量，迫使目标函数值在约束违反度的一个合理范围内不断减小，从而使得算法趋近于问题的最优解.在通常假设条件下分析了新算法的全局收敛性，给出了新算法的初步数值试验，其结果表明了算法的有效性.