半定规划(SDP)是由线性规划(LP)推广而来的，同时，它也是数学规划邻域中一类重要的规划问题.由于，SDP在通信、工程设计、组合优化等邻域有十分广泛的应用，因此，对它的研究是十分必要.本文研究的主要内容是在SDP中，基于弧搜索的内点算法和中心参数不固定的有效内点算法，分析了它们所具有的多项式复杂度，且作了数值实验进行比较.　　本文基于原对偶内点算法在SDP的应用主要完成了以下的工作：　　首先，概括了SDP的研究背景及进展，然后简要介绍了SDP的基础概念与求解SDP问题所应用的主要算法，接着举了几个可以转化为SDP问题求解的例子，最后说明本论文的主要工作和内容安排.　　其次，基于弧搜索内点算法在LP理论上存在较好的复杂性，并且表明沿椭圆的弧搜索内点算法比一维线性搜索好，因此，本文将文献中所提出的LP的弧搜索内点算法推广到了SDP中，且应用MTY型预估矫正算法，采用连续两步迭代分别实现改进中心性和改进最优性，并利用其中的矫正步来沿着椭圆逼近中心路径，从而寻求到最优解.在初始点是可行的情况下，本文证明了该算法所具有迭代复杂性与目前SDP中具有的最好复杂性是一致的.　　最后，由于在SDP的内点算法中，中心参数的选择对于理论上证明算法复杂度与实际中有效性是至关重要的，所以，把文献中提出的 LP有效内点算法进一步推广到了SDP上.基于宽邻域，提出了SDP上的一种有效的可行内点算法，使中心参数与步长之间有多项式的关系，从而，中心参数会随着步长而改变，同时，也是所要找的最优参数.基于NT方向，证明了这种算法无论是在理论上还是在实际中都是非常有效的，并作了数值实验进行比较.