传统的药物发现过程不仅花费巨大而且周期较长,风险较高。计算机辅助药物设计尤其是虚拟筛选等技术的发展在很大程度上提高了药物发现的效率。在虚拟筛选技术中最常使用的方法就是计算分子相似性,多核CPU以及GPU技术的发展为海量化合物的高速筛选提供了便利。本课题研究了两种分子相似性计算方法的并行化策略：一种是基于高斯形状的分子相似性计算方法,另一种基于分子形状和化学特征来计算。在实验过程中对于前者的算法加以实现,提出并分别实现了CPU和GPU协同计算以及完全基于GPU计算的并行策略,比较了各个策略的并行性能并加以分析；对于后者实现了CPU下的加速方案,并在前面实验的基础上提出GPU下的并行策略。考虑到分子相似性计算中分子和原子数据独立性的特点,本文最后根据对两个实验结果的分析总结出了解决分子相似性计算问题的三类并行方案并分析各个方案所适用的范围。