共扼梯度法是最优化理论中重要的组成部分,是求解无约束优化问题非常有效的数学工具,共扼梯度法因其不需要求解二阶偏导数、收敛速度快、所需存储空间小、算法简单和易于编程等特点,尤其适合对大规模优化问题的求解。取得收敛性和数值表现更好的共轭梯度法是当前研究的热点。本文主要是在Wolfe线搜索条件下对共轭梯度法进行研究,研究取得的结果如下:1、通过对经典共轭梯度法的研究,逐步推导出一种新的算法公式,并且在Wolfe线搜索条件的基础上构造出一种改进的线搜索条件,在新搜索条件下证明了算法的充分下降性与全局收敛性。2、对MHS共轭梯度法和NHS共轭梯度法及杂交共轭梯度法进一步研究,分别提出一种修正的HS共轭梯度法和新的杂交共轭梯度法,且新算法在Wolfe线搜索条件下都具有全局收敛性与充分下降性,数值实验表明算法可行有效。