流体力学作为研究流体运动的基础学科,其数学模型主要分为三种:微观分子模型、介观动理学模型和宏观连续模型。介观模型既具有微观模型假设条件较少的特点,又具有宏观模型不关心细节分子运动的优势,因此介观模型广泛应用于处理多尺度、多物理的复杂流动问题。在介观模型的数值模拟方法中,格子气动机存在统计噪声、碰撞算子复杂和不满足伽利略不变性等缺点;离散格子玻尔兹曼方法虽然克服了格子气动机的缺点,但是在高雷诺数时存在数值不稳定的问题;熵离散格子玻尔兹曼方法继承了离散格子玻尔兹曼方法的优点,具有物理过程清晰,计算简单,编程容易,局部性好,良好的并行性和可扩展性等优点,适合大规模流体问题的计算,同时在玻尔兹曼H函数单调极小化的限制下,克服了数值不稳定问题,应用范围更加广泛。熵离散格子玻尔兹曼方法的演化过程主要包括松弛参数求解、碰撞和迁移过程,计算更加密集,对计算机性能有着更高要求。由于单核性能出现瓶颈,并行计算成为提高计算性能的主要途径。并行计算机从单核发展到多核、多处理器再发展到协处理器,编程模型从Open Mp到MPI再到CUDA,并行计算已成为减少科学计算模拟时间和扩大模拟规模的重要手段。本文深入研究了熵离散格子玻尔兹曼方法和并行计算的基本原理,根据串行的熵离散格子玻尔兹曼方法,分别设计了基于多核和基于GPU的并行算法,并利用设计的并行算法对顶盖驱动流进行了数值模拟,论文的主要工作如下:1)针对熵离散格子玻尔兹曼方法串行程序模拟时间长和计算效率低的问题,结合Open Mp和CUDA编程模型的特点,设计了基于多核和基于GPU的熵离散格子玻尔兹曼方法的并行算法。2)根据顶盖驱动流流场的特点,在曙光W580服务器上分别实现了基于多核和基于GPU的并行算法,并对不同网格规模、不同迭代次数、不同精度类型下的并行算法性能进行了对比分析,实验结果表明,并行算法具有良好的加速比和可扩展性,扩大了熵离散格子玻尔兹曼方法的模拟规模。3)对顶盖驱动流的模拟结果,本文利用Tecplot软件进行了可视化后处理,分别画出了不同网格规模和不同雷诺数下的流场速度矢量图和流线图以及通过几何中心轴线上的速度曲线图,结果表明模拟结果与理论分析一致,并与Fluent软件的模拟结果进行了比较,验证了模型的正确性。