结构型变分不等式是比一般的变分不等式更切合应用背景。在求解结构型变分不等式时，学者们给出了很多切实有效的数值算法，例如罚函数法、Lagrange乘子法、增广Lagrange乘子法和邻近点算法等.由于现实中我们遇到的很多问题获取函数值是困难的或代价昂贵的，所以我们希望尽量的减少函数值的调用次数，从而减少总的成本.本文的分析是在此基础上进行的。我们知道邻近点项系数α的选取对子问题的求解有着比较重要的作用.如果选的太小，子问题的求解是比较困难的；如果选的太大，子问题容易求解，但会大量增加求解原问题的总量.本文在Chen和Teboulle平行算法的基础上，进行了改进.然后从理论上证明了改进后的算法和原算法，当邻近点项的系数因子α满足一定的条件下，两种算法均收敛，且α有了一定的增大.同时我们还给出了两种算法对应的松弛最优步长的算法.原来Chen和Teboulle的平行算法的文章，只是理论上证明了收敛性，并没有给出数值实例；本文最后给出了两个数值实例，用文中涉及到的四种算法做了数值实验，并从数值结果上可以看出改进后的算法，无论是步长为1的算法还是松弛最优步长的算法都比原来相应的算法函数值用次数有了明显的减少。　　 本研究具体安排如下：第一章，首先引入本文将要考虑的问题以及求解此类问题已有的算法；第二章，首先介绍投影映射相关知识，接着介绍变分不等式的求解方法及统一框架；第三章，主要介绍chen和Teboulle的算法收敛性的证明及该方法的松弛最优步长算法；第四章，主要介绍改进算法(包括步长为1和松弛最优步长)及收敛性证明；第五章，数值实验；最后我们总结全文并提出一些进一步研究的意见。