计算流体力学（Computational Fluid Dynamics,CFD）在研究流体中的流动和能量交换方面是一个高效且准确的方法。在过去的几十年中,许多不同的计算流体力学的数值模拟方法被学者提出,这些方法能够有效的应用于大范围的复杂流动问题,包括有限体积法（Finite Volume Method,FVM）、有限差分法（Finite Difference Method,FDM）、有限元法（Finite Element Method,FEM）、降阶模型（Reduced Order Modeling,ROM）、基本解方法（Method of Fundamental Solution,MFS）、格子玻尔兹曼方法（Lattice Boltzmann Method,LBM）等。其中,格子玻尔兹曼方法在进行数值计算时,是进行局部计算的,具有很高的并行性,因此可以采用并行计算的方法,对格子玻尔兹曼方法的数值模拟进行加速。在计算流体中浸入物体产生的力时,引入了浸入边界法（Immersed Boundary Method,IBM）,与格子玻尔兹曼方法相结合,形成浸入边界-格子玻尔兹曼方法（Immersed Boundary-Lattice Boltzmann Method,IB-LBM）,已经成为研究流固耦合（FluidStructure Interaction,FSI）问题的热门方法。根据LBM的计算特点,IB-BLM方法可以进行很好的并行加速模拟。本文主要针对IB-LBM方法,在不同的编程模型下的并行算法的研究及应用,主要研究内容如下:（1）使用OpenMP（Open Multi-Processing）对IB-LBM进行多线程并行模拟。Open MP中存在三种不同的任务调度方式:static任务调度、dynamic任务调度、guide任务调度。根据三种任务调度方式,对IB-LBM在不同的演化步骤时,进行了不同的并行优化。在进行流场演化时,不同的计算过程的计算量是不同的,在优化的过程中混合使用三种任务调度方式,可以弥补仅仅使用单一任务调度所造成的负载不均衡的问题。将IB-LBM的演化过程进行结构分解,对每一个结构部分进行不同任务调度的性能测试,选择最佳的任务调度组合。同时,进行不同线程数的并行模拟时进行同样的测试,得出不同并行规模的情况下任务调度方式的最佳组合。（2）使用图形处理器（Graphics Processing Unit,GPU）对IB-LBM进行加速模拟。使用CUDA编程模型可以实现在GPU上对IB-LBM进行多线程并行模拟。传统的GPU加速IB-LBM的算法是在GPU上计算整个计算过程,根据CUDA编程模型的特点,本文提出了新的并行算法。在CUDA编程模型中,设备端核函数的计算与主机端是异步的,即核函数启动后,程序的控制权立即返回的CPU。根据这种特点,本文将整个演化流场划分为两个计算域——GPU计算域和CPU计算域。在GPU计算域使用CUDA进行并行模拟,CPU计算域使用Open MP进行并行模拟,可以充分利用GPU和CPU的计算资源。为了减少同步进行数据交换的次数,本文引入了缓冲区的概念,可以使用合适的缓冲区以减少同步次数,提高并行的整体性能。（3）使用消息传递接口（Message passing interface,MPI）在多个节点上对IB-LBM进行并行加速模拟。MPI是一种基于信息传递的并行编程技术,可以实现跨节点的计算。本文使用MPI在多个GPU上对IB-LBM进行并行优化,利用MPI实现GPU间的数据通信。使用多个GPU进行并行模拟,需要将整个流场进行划分,每个GPU负责一部分流场的演化。演化结束后,不同部分的流场的交界处,通过MPI进行数据交换。使用多个GPU进行模拟时,虽然多个GPU需要同步后进行数据交换,但仍可以达到很好的并行优化效果。