MPS(Moving Particle Semi-implicit)法能够有效的处理溃坝、晃荡等自由面大变形流动问题。在三维MPS方法中,粒子数量的急剧增加会导致其计算效率的降低并限制其在大规模流动问题中的应用。为了克服这一问题,本文基于自主开发的MPS求解器MLParticle-SJTU,对如何使用GPU并行来加速三维MPS方法进行了研究。通过对GPU并行和MPS理论的研究,本文采用了两种GPU并行加速方案:部分GPU化和全GPU化。在部分GPU化方案中,本文对求解过程中耗时最多的邻居粒子搜寻和泊松方程求解两个模块采用了GPU并行加速策略,详细探讨了CPU+GPU,即部分GPU化,在这两个模块上的实现。以三维晃荡和三维溃坝这两种典型的自由面大变形流动为例,比较了CPU+GPU相对于MLParticle-SJTU串行求解时的加速情况,结果表明CPU+GPU加速在邻居粒子和泊松方程这两个模块最高能达到十倍左右的加速比。对于全GPU化,本文在结合GPU编程特点的基础上,重新设计了MPS的数值计算流程。通过对带障碍物溃坝问题的模拟,本文所编写的MPSGPU求解器获得了较部分GPU化更高的加速比,同时计算结果也较好的吻合了实验值。最后,本文分析了部分GPU化和全GPU化的优缺点,并提出了一些改进方向。本文的研究给提高三维MPS的计算效率提供了一定的参考。