变分不等式问题是优化领域中一类重要的问题，并且在实际生活中，有许多问题都可以转化为变分不等式问题，如凸规划问题，互补问题，不动点问题，交通平衡问题等。目前，对于求解变分不等式问题已经有一系列的算法，如邻近点算法，投影收缩算法，增广拉格朗日法，交替方向法等。这些算法在统计学习，图像处理，交通优化，矩阵优化等领域都有着广泛的应用。　　随着信息技术的飞速发展，研究具有特殊结构的大规模的问题已发展成为数学规划领域的一个重要研究热点，因而，本文的目的就是设计有效的算法来求解这类特殊问题。基于此，本文的主要研究工作如下：　　①针对可分离结构型变分不等式问题，Chen在参考文献[44]中提出了一种非精确交替方向法。当数据维数非常大的时候，并行分裂算法比交替方向法更为有效，在此基础上，本文提出了一种新的非精确并行分裂算法，并且将其应用到交通平衡问题中。新算法的特点在于求解子变分不等式时采用Jacobi型，并且引入一个非精确项来进行求解，由此得到一个预测步，然后校正预测步中的解，使其逼近于真实解，它也可以称为预测校正法。在合理的假设下，我们给出了算法的收敛性证明，同时数值结果表明了算法的有效性。　　②由于上述非精确交替方向法和新的非精确并行分裂算法有类似的结构，因此提出了一个既具有非精确交替算法又具有非精确并行分裂算法的统一结构的新算法，在合理的假设下我们还证明了算法的收敛性和有效性。　　③仍然考虑在参考文献[44]的基础上，我们将校正步中两个方向d1(wk, w?k)和d2(wk, w?k)通过线性组合为一个新方向，通过校正已得到的预测点，使得预测点更加接近于真实解，并且新算法的收敛性及有效性都得到了证明。