非线性共轭梯度法是一类非常重要的优化方法。因其具有迭代简单、易于编程以及存储要求低等优点，所以特别适合用来求解大规模无约束优化问题。　　本文受Cheng和Liu的启发，利用修正的线搜索方向给出了几类不依赖线搜索条件和共轭梯度参数而具有充分下降性的谱共轭梯度法，并在相应的线搜索条件下证明了修正方法的全局收敛性。　　主要结构归纳如下：　　第一章，简单介绍了共轭梯度法及其研究现状。　　第二章，在Yao等及Zhang改进的基础上，把NHS、VLS方法推广到谱共轭梯度法，得到两种使用W-Y-L型参数的方法，SNHS和SVLS方法，并在修正的强Wolfe线搜索条件下证明了新方法的全局收敛性。数值结果表明修正方法是有效的。　　第三章，在江羡珍等改进的基础上，把JNP、JVP等一类方法推广到谱共轭梯度法，得到一类使用江羡珍型共轭梯度参数的方法，并证明了在强Wolfe线搜索条件下的全局收敛性。数值结果表明修正方法是有效的。　　第四章，受Jiang和Jian的启发，把PRP、HS和LS方法的共轭梯度参数修正为带有干扰因子的形式，并把采用这一类共轭梯度参数的方法推广到谱共轭梯度法，采用强Wolfe线搜索条件证明了修正方法全局收敛性。数值试验结果表明它们是有效的。