复杂系统仿真包含大量的实体,基于实体分发的负载划分技术影响着并行离散事件仿真(PDES)的运行效率。图划分算法是PDES静态负载均衡技术的重要研究方向,现有的基于图划分的静态负载均衡技术大都缺乏对实体模型计算与交互行为的统一描述,划分的过程没有考虑实体的动态运行特征,导致划分不够均衡,并行仿真的运行效率不够理想。因此,开展基于图划分的PDES静态负载均衡技术的研究与实现,对提升负载划分的均衡性、提高PDES应用的运行效率具有重要的理论和实践意义。论文针对PDES负载均衡的需求,在综合分析已有负载划分相关成果的基础上,以提高负载划分的均衡性为目标,围绕面向PDES的实体计算与通信负载参数化模拟技术、基于向量权值的PDES静态图负载划分技术、基于蚁群算法改进的PDES静态图负载划分技术等关键问题展开研究,主要工作及创新点如下:1)现有的负载划分算法大都需要多次运行实际仿真应用,然后根据反馈信息作进一步优化,对于复杂系统仿真,这需要大量的时间成本。为此,论文提出了面向PDES实体计算与通信负载的参数化模拟技术,用高效的模拟过程代替实际应用的运行以加快算法的优化过程。该技术在基准测试程序Phold的基础上进行改进,通过设置实体运行时的相关参数控制Phold的模拟过程,为负载均衡算法的评估和优化提供了支持,测试结果表明,该技术能有效地模拟PDES实体不同的计算与通信负载分布。2)图划分算法用顶点和边分别表示实体和实体间的交互,是实现PDES应用静态负载划分的一个重要手段,现有的图构建方法都是用标量值表示顶点和边的权值,缺失了实体动态运行的信息,导致划分的结果不符合实际的运行情况。为此,论文提出了一种基于向量权值的PDES静态图负载划分技术,将仿真不同时间段的运行信息组合成一个模型解算时间向量和一个交互时间向量,用这两个向量表示顶点和边的权值,在一定程度上描述了实体的动态信息,缩小了静态表示和实体动态行为之间的差距,改进了负载划分的效果,测试结果表明,该技术在模拟实验中分别获得了1.551的加速比,相比普通图划分算法提高了22%。3)现有的图划分算法大都采用相对随机和贪婪的方式进行划分,缺乏对实体运行信息和全局划分效果的考量,削弱了划分的均衡性。为此,论文提出了一种基于蚁群算法改进的PDES静态图负载划分技术,在基本的图划分过程中嵌入蚁群算法,利用蚁群算法良好的全局搜索能力,使得划分结果能更好地反映全局的负载需求,提高了整体的划分均衡性;同时,论文利用参数化Phold模拟技术加速了算法的优化过程。测试表明,该技术在模拟实验中获得了1.677的加速比,相比于传统图划分算法和基于向量权值的图划分算法分别提高了32%和8%。在上述关键技术的基础上,设计并实现了基于图划分的PDES静态负载均衡技术,并通过一个PDES应用实例测试和评估论文所提负载均衡技术的综合性能,测试结果表明,基于向量权值的静态图划分技术和基于蚁群算法改进的静态图负载划分技术在该应用实例上最高分别获得了1.30和1.34,相比于普通的图划分算法分别提高了4%和7%。