当前,传统空间随机仿真方法已无法满足大规模、细粒度生化反应网络等研究的应用需求。首先,由于缺乏形式化表示方法,目前基于逻辑进程范型的并行仿真开发普遍基于特定的仿真平台进行,使得其执行语义与实现平台紧耦合,且难以采用形式化方法对模型行为进行分析;其次,大规模空间并行随机仿真性能对所采用的算法非常敏感,而其并发执行中模型行为的复杂性和平台物理特征等多种因素导致了难以使用计算复杂性分析手段进行有效的仿真性能评估。因此,结合形式化方法与实验算法学理论,研究提出逻辑进程范型的形式语义与算法实验性评估方法,解决空间随机仿真并行化中的结果一致性问题以及仿真算法选择问题,对于拓展并行离散事件仿真应用范围,丰富和发展并行离散事件仿真建模方法学和算法评估手段,提高空间随机仿真的运行效率等具有重要的理论和实践意义。论文以空间随机仿真的高效并行执行为需求背景和目标,对逻辑进程范型的形式语义、算法评估方法、及其在大规模空间随机仿真并行化的正确性论证和算法优选中的应用等进行了深入的研究。论文的主要工作和创新点如下:(1)提出了面向逻辑进程范型的分割事件图建模范式。当前基于逻辑进程范型的并行离散事件仿真平台由于缺乏形式化表示方法,难以实现对模型性质的形式化分析;针对这一问题,论文提出了分割事件图范式,对逻辑进程范型的事件调度、状态划分特征等进行刻画,并在时间转移系统上给出了分割事件图范式的结构操作语义。分割事件图提供了一种平台无关的语义规范,为并行离散事件仿真模型的形式化分析和模型驱动开发奠定了形式语义基础。(2)提出了逻辑进程范型的算法实验性评估方法。由于并行化的高成本以及执行性能在并行离散事件仿真中的核心地位,性能评估一直是一个研究热点。然而,采用计算复杂性理论对并行仿真算法性能的一般性评价往往无法满足仿真应用的具体需求,因此实证性方法就成为算法性能研究的重要手段。针对现有基于逻辑进程范型的仿真平台在算法实验设计的灵活性和平台的开放性上存在的不足,论文依据实验算法学思想,在离散事件建模本体框架DeMO下构建了逻辑进程范型的本体,并归纳总结了逻辑进程范型的算法体系。在此基础上,采用即插即用思想,提出了逻辑进程范型仿真算法实验性评估框架James II-LP。该框架严格区分模型表示与仿真算法,提供了实验评估的基准模型与基本仿真算法,以及灵活的仿真算法实验设计手段,为逻辑进程范型仿真算法的嵌入、实验和评估提供了一个灵活开放的平台。(3)提出了一种“模型表示-仿真算法”松耦合的空间随机仿真方法。空间随机仿真是表现生化反应网络模型中反应过程噪声和空间非齐性的重要手段,属于计算密集型应用,随着模型规模的增大,迫切要求采用并行离散事件仿真方法加速执行、满足应用的时效性需求。针对Elf等人提出的下一子空间法(NextSubvolume Method,NSM)及其衍生算法中模型表示与仿真算法紧耦合而不利于并行化的问题,论文提出了抽象下一子空间法(Abstract Next SubvolumeMethod,ANSM)对模型表示和仿真算法进行了解耦合,并证明了ANSM并发推断执行结果与NSM的统计一致性,同时在James II-LP上对其相关的随机数产生器统计特征和并行仿真性能进行了实验;理论分析和实验表明,ANSM能够在确保结果统计一致性的前提下实现模型的并行执行,从而提高仿真执行性能。(4)提出了基于分割事件图范式的模型转换方法。论文针对空间随机仿真中领域模型的并行执行需求,提出了“领域相关语言-分割事件图范式-并行仿真平台相关API”模型转换方法;以此为基础,论文在并行仿真支撑环境银河速跑(YHSUPE )上,采用ANSM方法对Lotka-Volterra系统二维空间随机模型进行了空间并行随机仿真实验。实验表明,所提方法不仅解决了领域相关语言向逻辑进程范型的转化问题,而且所生成的平台相关模型能够获得良好的并行加速比。论文属于建模仿真基础理论研究与前沿性应用研究的结合。论文研究虽然以空间随机仿真的高效并行执行为需求背景,但其在逻辑进程范型的形式化建模范式和算法实验评估方面的研究成果对基于逻辑进程的并行离散事件仿真具有重要的理论价值和普遍的指导意义,在空间随机仿真的并行化应用成果对其它类似应用具有重要的借鉴作用。