最优化问题，尤其是大规模优化问题广泛见于经济计划、工程管理、生产管理、国防和航天航空等重要领域，因此构造大规模优化问题的计算方法，研究这些方法的理论性质及其实际计算表现具有重要的理论意义和实际应用价值。 　　本文主要讨论求解大规模优化问题的两种修正的非线性自调比共轭梯度算法，理论上建立其全局收敛性定理，并进行大规模数值试验。因为利用了目标函数Hessian 矩阵的Rayleigh值(或其近似)作为自调比系数，该类算法又被称为谱共轭梯度方法。 　　第一章，介绍了本文所研究问题的背景对相关文献进行综述，简单介绍了共轭梯度方法的最新进展。第二章提出了一个修正的谱 Dai-Yuan (SVDY)共轭梯度法，该算法具有十分好的理论性质，由基本的Wolfe线搜索条件，可以保证算法的下降性质。进一步，在一定条件下建立了算法的全局收敛性定理。对CUTEr函数库中标准的大规模无约束优化算例来进行了大量的数值测试，结果表明该算法是有效的。 　　在第三章，我们提出了一个混合的谱共轭梯度算法(DS-HSDY)。可以证明该算法不依赖于任何线搜索条件，都具有自校正性质。 该方法虽然不能保证充分下降性在每一步都成立，但是我们可以证明充分下降性条件对大部分点列成立。进一步，在基本的Wolfe线搜索条件下，建立了算法的全局收敛性定理。对CUTEr函数库中标准的大规模无约束优化算例来进行了大量的数值测试，并与目前公认有效的HSDY算法相比较，实验结果表明DS-HSDY算法的数值表现有较大改善。