本文提出求解凸约束单调非线性方程组的一种修正Polak-Ribière-Polyak(MPRP)算法和Scaled coniugate gradient(SCALCG)算法。在较弱的条件下，证明两种算法的全局收敛性，并通过数值试验验证算法的有效性。　　 第1章，简要回顾求解无约束最优化问题的MPRP和SCALCG算法。MPRP是共轭梯度法中数值表现较好的算法之一，该算法具有收敛速度快和存储量小的优点，适合求解大规模问题。SCALCG算法可以理解为是拟牛顿法与共轭梯度法的结合算法，也适合求解大规模问题.本章还简单介绍凸约束单调非线性方程组的发展背景。　　 第2章，提出一种求解凸约束单调非线性方程组的MPRP方法。在合理的假设条件下，证明算法的全局收敛性。并通过数值试验对所提出的算法加以检验，结果表明提出的算法是有效的和稳定的。最后，我们对提出的算法进行改进，数值试验表明改进的算法比原算法有更好的数值表现。　　 第3章，提出一种求解凸约束单调非线性方程组的SCALCG方法。在较弱的条件下，证明算法的全局收敛性。我们的数值试验结果表明提出的算法是有效的和稳定的。最后，我们对提出的算法进行改进，大量的数值试验表明改进的算法比原算法有更好的数值表现。