新型网络结构、业务模式以及网络安全等研究由于缺乏大规模测试环境的支持很难展开深入的研究与验证，导致研究成果缺乏说服力。面向上述研究的大规模网络模拟技术对计算机网络科学研究与应用均具有重要意义，尤其是并行网络模拟技术作为提高模拟性能、扩大模拟规模的关键手段更是被广泛研究和使用。目前，并行网络模拟仍存在诸多问题亟待解决与完善。在模拟性能方面，由于缺乏对并行模拟过程的有效形式化方法，对模拟性能的分析评价多为经验性的，使性能优化缺乏客观依据；而且并行模拟中关键的同步算法和任务划分算法尚缺乏与网络模拟特点的有效结合，使进一步改善性能成为可能。在模型规模方面，低存储开销的路由模拟技术也有待突破。本文以提高并行网络模拟的性能为主线，对其中若干关键问题进行了研究。论文的主要贡献与创新点包括以下几方面：　　 针对并行网络模拟的性能分析问题，提出了一种基于自动机网络的状态因果关系分析模型。在传统的关键路径分析模型中，分析的对象为模拟产生的离散事件，其假设为所有事件已知。然而在实际模拟中，该假设并不成立。本文将分析对象从不可预测的离散事件改为可探测的逻辑进程状态，一定程度上克服了传统模型分析结果不完整的缺陷。利用该模型可验证一些经验性结论，同时通过试验分析，模型能够预测多种客观因素对模拟任务并行性的影响，从而为认识模拟任务的并行特性提供了一个有效的分析工具，为同步算法的性能评价与优化提供了依据。　　 针对并行网络模拟的同步问题，提出了一种基于局部保守同步的微同步算法。该算法不仅在传统的逻辑进程间同步，也自适应的在逻辑进程内进行微同步。在逻辑进程间通过一种改进的CMB空消息算法实现空消息的条件发送，并对大量的进程间消息进行汇聚，降低了I/O开销。另外，结合网络模拟特点与形式化分析，创新性的提出了利用逻辑进程内并行性的松弛串行事件调度算法，并证明了其正确性。试验表明算法能够比主流同步算法具有更好的性能；在处理能力不均衡的运行环境下，微同步机制能够取得明显的性能改善。　　 针对并行网络模拟的任务划分问题，提出了一种面向大规模互联网模拟的k-way任务划分算法。传统的图划分算法主要求解随机图或有限元网格的划分问题，这类图结构与计算机网络拓扑相差甚远。本文指出上述结构差异，并通过分析互联网拓扑特征及其与已有算法划分解的关系，发现了划分边界的结构稳定性。在此基础上，本文提出了k-way划分边界交叉迭代遗传算法。由于引入了较强的拓扑结构信息，因此收敛速度快。试验表明算法能够取得比传统划分算法更优的划分解。　　 最后，完成一套并行网络模拟系统NSME(Network Security Modeling Environment)。作为一款完整的包级(Packet-level)并行离散事件网络模拟系统，NSME不仅综合了上述所有研究成果，也在可视化、自动化配置、监控等方面有较大改善，且从抽象粒度看具有比传统网络模拟系统更高的保真度。目前利用该系统已经对网络流量、蠕虫防治以及P2P流媒体应用等进行了试验研究，结果具有重要参考价值。