最优化是一门应用广泛、发展迅速的学科，而无约束优化问题是最优化问题的基础。最基本的无约束优化方法包括最速下降法、牛顿法、共轭梯度法、拟牛顿法。本文主要考虑求解大规模无约束优化问题的共轭梯度法，它具有所需存储量小、算法简单又易于编程等特点，是最优化中最常用的方法之一。它在航天航空、石油勘探、大气模拟和工程设计等领域都有广泛的应用。　　本论文在国内外研究成果的基础上进行深入思考，对共轭梯度算法做了大量研究，主要研究结果归纳如下：　　第一章简单介绍了几种常见的求解无约束优化问题的最优化方法，并对共轭梯度法的相关知识进行了简要介绍。　　第二章基于VPRP共轭梯度法提出了几种带干扰因子的修正共轭梯度法，证明了这些新方法在一般线搜索，如广义Wolfe线搜索等条件下具有充分下降性和全局收敛性。数值试验结果表明这些新方法是有效的。　　第三章分别针对PRP和FR，HS和DY，LS和CD共轭梯度法各自的优缺点，结合对共轭梯度参数作非负限制和混合共轭梯度法的思想，提出了三个新的混合参数公式，证明了这些新参数对应的共轭梯度法在强Wolfe线搜索下具有充分下降性和全局收敛性。数值试验结果表明这些新方法是有效的。　　第四章充分利用各共轭参数中因子的作用，提出了一个新的混合参数公式，进而得到了一种不依赖任何线搜索就具有充分下降性的共轭梯度法。文章证明了新方法在标准Wolfe线搜索下全局收敛，数值试验结果表明新方法是有效的。