基于粒子滤波的舆论动力仿真（PODS）综合集成了建模仿真方法和数据分析方法的优势,既具有可解释性又有实证数据验证,能够有效揭示舆论演化规律并准确预测舆论发展趋势。但是,单就舆论动力仿真而言,系统往往包含海量交互频繁的实体。同时,为了获得具有统计意义的结果需要多次执行。此外,为了将仿真结果与真实系统进行实时数据同化,需要在数据同化时间节点之前完成相当数量的仿真样本,这对仿真系统的超实时运算能力提出了更高需求。这些特点和需求对仿真平台的支撑能力提出新的挑战,系统的性能瓶颈会限制仿真的规模,甚至无法完成现实任务。为提高仿真样本执行效率,支撑大规模舆论动力仿真系统的正常工作以及与真实系统之间的实时数据同化,论文结合PODS的特点,从重用中间结果和充分利用计算资源两方面出发,对样本克隆方法和克隆样本高效执行两个问题进行深入分析和研究,主要工作和创新如下:1、论文提出一种基于最大扰动的仿真克隆加速方法。在粒子滤波过程中,大权重样本往往被多次采样产生多个相同的样本。这些样本中实体具有相同的状态,在仿真执行过程中存在重用中间计算结果的可能。当前仿真克隆方法依赖预先设定的克隆点,但粒子滤波方法下,样本间没有明确的决策分支或者参数空间的差异,无法人为设置克隆点,传统的仿真克隆方法不能有效发挥作用。此外,如果过度重用,则会人为地降低粒子多样性,破坏统计学基础,使得仿真样本结果的可信度大打折扣。针对上述问题,论文提出一种基于最大扰动的仿真克隆加速方法,记录可能引发系统状态显著变化的节点,并从对系统状态扰动最大的节点对仿真系统进行克隆,直到获取足够的样本数量。其中,使用关键事件评价指标发现克隆点并控制克隆样本的多样性,在此基础上通过重用中间计算提高仿真样本执行效率。实验一方面验证了仿真结果的准确性,另一方面测得相同数量的仿真样本执行完毕所需时间平均可以缩减68.5%。2、本文提出一种基于任务密取的并行调度框架以及乐观迁移一致性机制。由于舆论动力仿真的动态性和随机性,难以通过预估样本运行开销来进行合理的计算资源分配。而且,粒子滤波方法会定期地根据粒子权重进行重采样,导致各计算节点的负载发生显著变化。因此,有必要按需对样本进行动态迁移来提升计算资源利用率。然而,粒子克隆方法产生的样本之间存在较强依赖,直接迁移可能导致并行计算与串行计算的结果不一致。针对上述问题,本文提出一种基于任务密取的并行调度框架以及乐观迁移一致性机制。以“请求-应答”的密取模式在计算节点间进行仿真样本的迁移,利用一致性机制向各节点发送安全的计算配额以控制样本间并行的风险。在保证了与串行执行时样本序列一致的基础上,隐藏计算节点的空闲等待,提高了计算资源利用率。