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、极小极大问题、互补问题以及变分不等式问题都可以转化为求解一个最大单调多值算子的零点问题，即：求x∈H使得0∈T(x)，其中H是一个希尔伯特空间，T(·)是H上的一个最大单调多值算子。求解此类问题的一种经典算法是逼近点算法，而逼近点算法需要求预解式的值。一般来说，预解式的值是不容易求的。而分裂方法的思想是把T分解为两个预解式比较好求的最大单调算子的和，这样我们可以只用这两个预解式比较好求的算子来发展一些有效的方法。Lions和Mercier在[11]中提出forward-backward分裂方法，此方法在[13，14，15，16]中被进一步研究。PaulTseng在[3]中提出了修正的forward-backward分裂方法.A.Moudafi和M.Oliny在[7]中提出一种惯性修正的forward-backward分裂方法。 在本文中我们介绍了两种新的修正forward-backward分裂方法。第一种是为了提高收敛速度我们结合Alvarez和Attouch提出的惯性修正对PaulTseng提出的方法作了修正。第二种是借鉴了单调的变分不等式中的外梯度类方法给出了一种更实际可行的算法。文中给出了在参数满足一定条件下的收敛性结果及证明。