最大单调多值算子自从上世纪七十年代被提出以来，一直备受关注，它给出了一种求解许多非线性问题的统一框架。例如，极小化问题、互补问题、变分不等式问题，以及最小最大问题等都可以转化为求解一个最大单调多值算子的零点问题。逼近点算法(PPA)是求解最大单调多值算子零点问题的经典方法，但它在收敛速度和可实现性方面有许多困难，所以人们提出了许多改进的逼近点算法。这些方法主要有四类：增加松弛因子、增加投影步、使用增广算子替代最大单调多值算子以及惯性修正。这些改进方法的主要目的是加速算法的收敛速度或者减弱算法中苛刻的假定条件。 本文综合了上面提到的几种改进方法，提出了一种新的不精确逼近点算法(HREPPPA)，它将前面提到的增加松弛因子、投影步和增广算子等改进逼近点算法的方法结合在一个新算法(HREPPPA)中，得到了一个不同于已有各种改进算法的更一般的逼近点算法框架。本文提出改进算法采用增广算子逼近原来的最大单调算子，使得迭代步中的子问题具有更好的连续性，利于不精确地求解迭代子问题；利用增加类似于杂交投影逼近点算法中的投影步，得到了一种更宽松的误差参数约束条件，从而可以得到一种易于实际计算的新算法；同时新算法还利用了松弛因子来改善算法的收敛速度。本文提出的改进算法不同于已有的算法，它实际上包含了已有算法的各种优点，是一种更一般的不精确逼近点算法。最后，在相同条件下，本文提出的改进算法也有线性收敛速度。 另外，在本文最后给出了一种新的改进的扰动投影方法。利用Yang提出的一种比co-coercive条件更弱的weaklyco-coercive条件，我们将Paulo提出的扰动投影方法所要求的条件放松，得到了一种应用范围更广泛的算法。