در سال ‎2005‎ ای و ژانگ برای اولین بار یک الگوریتم بهنگام سازی بزرگ بر اساس همسایگی های وسیع برای مسائل مکملی خطی اکید ارائه دادند که دارای پیچیدگی تئوری یکسان با روش های بهنگام سازی کوچک بود. ‏لیو و همکارانش با اصلاح روش ای-ژانگ، یک الگوریتم اصلاحگر مرتبه دوم برای مسائل برنامه ریزی خطی ارائه دادند. آنها برای بهبود عملکرد الگوریتم ای-ژانگ، در هر تکرار علاوه بر جهت ای-ژانگ یک جهت اصلاحگر را نیز محاسبه کردند و نشان دادند که به کار بردن گام اصلاحگر تاثیری روی پیچیدگی بدترین حالت الگوریتم ندارد. این الگوریتم اولین الگوریتم اصلاحگر مرتبه دوم در همسایگی وسیع با بهترین پیچیدگی شناخته شده برای روش های نقطه درونی است. روش های نقطه درونی را می توان بطور موثری به انواع مسائل بهینه سازی تعمیم داد. به عنوان یک نمونه، به بررسی الگوریتم اصلاحگر مرتبه دوم برای مسائل بهینه سازی نیمه معین می پردازیم.