在微电子芯片制造前,精确估计芯片热分布和识别芯片内部的局部热点在验证和预测芯片的性能和可靠性方面是非常重要的,因为VLSI芯片以极快的时钟速度工作,可能造成芯片灾难性热断裂。在精确估计芯片热分析中,以前有很多文献假设热扩散器和散热片具有与芯片相同的尺寸。然而,如果不考虑芯片下面的热扩散器、散热片的真实几何形状,实验表明,会造成数十度的温度误差。本文对基于金字塔热分析模型的串行随机行走算法进行了深入研究和改进。首先对金字塔模型进行预刻画转移区域概率表,然后利用子域编码和掩码技术对随机行走的跳转过程做了简化。对于离散程度很高的热模型,串行随机行走算法计算效率很低,因为进行一次随机行走跳转的次数会随着模型离散程度升高而急剧增加。本文建立了基于CUDA的随机行走算法的并行化模型,并对并行随机行走算法进行了深入研究,解决了三维数组在GPU中的初始化问题,随机数的处理问题,加锁机制和线程束发散等问题。然后对实现的并行随机行走算法进行了优化,得出了最佳配置。将串行算法与并行算法在执行效率和准确度两个方面进行了对比实验,并分析了串行和并行随机行走算法的时间复杂度。实验结果表明,与串行随机行走算法相比,本文设计的并行随机行走算法在保持准确度的前提下,提高了执行速度。对芯片结构1加速比最高可达9.97倍,对结构2加速比最高可达9.13倍。随着模型的离散程度增高,算法的加速效果越好。