广义纳什均衡问题，简称GNEP，是非合作博弈论中一类重要问题.与经典的纳什均衡问题相比，最大的不同在于每一个参与者的策略集都依赖于其他参与者的决策.广义纳什均衡问题之所以备受关注，是由于其在经济学、数学和工程学等方面的广泛应用，涵盖了无线电通信、结构工程学、计算机科学以及污染处理等课题.如此广泛的应用使得其潜在的重要性不容小觑，然而，对广义纳什均衡问题数值算法的研究还很欠缺.　　当考虑到更一般形式的广义纳什均衡问题时，现有的可证明收敛性的数值算法大多适用于求解一些特殊的问题，见参考文献[32].近年来，一些学者提出了利用惩罚技巧来求解广义纳什均衡问题，这为GNEP的研究开辟了一条新的路径.其中，文献[10，11]给出了简单易行的惩罚框架和罚参数更新准则，从而保证算法收敛到广义纳什均衡问题的解.但是其收敛性分析建立在某种约束品性上，而且从数值计算角度来看子问题的不可微性也是棘手的;另外一点值得考虑的是用何种方法来求解子问题.一个很自然的想法就是如何扬长避短，并将广义纳什均衡问题的求解付诸于实践.　　本文主要提出了一种新的罚算法来求解一般的广义纳什均衡问题.我们利用内点惩罚框架来定义罚参数的更新准则，即利用非线性规划中的惩罚技巧来消去问题中某些复杂的约束，将广义纳什均衡问题转化为带有简单约束的经典纳什均衡问题.接着，根据纳什均衡问题相对应的变分不等式形式，利用交替方向法这一有效工具来进行求解.在一定的条件下，我们证明了新算法的全局收敛性.多个数值例子的实验结果表明算法是有效的.