约束非线性规划在经济金融、工程控制、技术物理、物流配送、计算机科学及生物工程等各个领域有着广泛的应用。近年来，随着理论研究的深入和计算机技术的普及和发展，人们开始尝试把一些计算复杂度小、稳定性好、收敛性强的算法拓展到求解非线性规划问题。其中，内点算法的研究尤为引人注目。内点算法的基本思想是从问题可行域中的某一点出发，沿着中心路径进行搜索，直达问题的最优解。不过，内点算法在非线性规划中的实际研究、证明和测试中还是遇到了许多的障碍。 首先，对于具有大规模约束的问题，如何寻找一个初始的可行点是内点法中研究的课题。在线性规划问题中，我们可以采用一些非可行内点算法的技巧，例如在某一步迭代过程中选取全牛顿步长等等。研究表明，在锥优化模型中，可以通过引入自对偶嵌入模型来克服初始点选取的困难。但这些技巧不适用于一般的非线性规划问题。其次，在路径跟踪内点算法中，由于正交性条件的不满足，如何证明算法的收敛性，也是要进行探索的问题。 本文主要的工作是结合内外罚函数给出了求解约束非线性规划的内点方法。针对上的问题，我们作了以下二方面的工作，一、通过引入辅助变量来构造原问题的等价问题，从而克服了初始点选取的难题。然后，给出相应的KKT条件和罚内点算法，并采用Wolf条件设计了一个可调的内嵌算法，进一步证明了算法的收敛性，数值试验也说明了新给出的算法是可行的、有效的。二、在前工作的基础上，构造修正的KKT条件，给出了大步长路径跟踪内点算法，通过添加关系不等式条件，给出并证明路径跟踪算法的收敛性定理，相应的数值算例也说明了新给出的算法是可行的、有效的。 本文结构共分为四章，在第一及第二章，我们简单介绍了内点算法基本概念、发展历史及分类，并对对数障碍函数法和原对偶-路径跟踪法的思想作了较详细的介绍。第三章，给出了线搜索下的罚内点算法，并证明了算法的收敛性，第四章，给出了大步长路径跟踪内点算法，并证明了算法的全局收敛性。相应的数值算例也说明了新给出的算法是可行的、有效的。