不。

在信任域方法中，您使用目标函数的局部二次（甚至线性模型）来找到无约束问题的最小值。在算法的每次迭代中，您都会在作为当前信任区域的球或椭球上找到此二次模型的最小值。然后，您移动到该点并重复该过程。当二次近似运行良好时，信任区域的大小会增加，而当它表现不佳时，信任区域的大小会减小。

在椭球方法中，您从一个椭球开始，该椭球包含凸最小化问题的最优解，该问题也可以包括凸约束。在每次迭代中，您都会找到一个超平面，使得最优解被限制在椭圆体与超平面定义的半空间的交点内。您构建了一个新的更小的椭球，其中包含一个围绕未被超平面截断的点的最优解。

虽然这两种算法都涉及椭球体，但其基本思想却大不相同。例如，信任区域方法中的椭圆信任区域通常在迭代结束之前不包含原始问题的最优解，而在椭圆方法中，最优解始终包含在椭圆体内。

您理解的最佳方法是花时间深入研究这两种方法。Chvatal 关于线性规划的书中对椭球方法有很好的介绍。信任域方法在大多数非线性规划的教科书中都有描述。