植物作为一种现实生活中的常见自然景观,其三维模型的构建一直是计算机图形学应用领域的研究热点,并且它已经在电影特效,农业教育,计算机动画等领域中得到了广泛的应用。当前如何利用计算机高效、准确地模拟出形态模型是计算机图形学研究中一个热点和难点。在植物的形态模拟中,L系统是最经典的基于规则建模的方法,但是该过程主要采用字符串递归迭代的方式进行L系统文法的扩展,因此其文法生成效率是一个不可忽视的关键点。针对这一问题,论文的主要研究内容和结论如下:(1)提出了L系统文法并行分解算法。该算法可以通过L系统文法的特征进行分类,根据不同类型的L系统分别采用不同的分解算法处理其相关推导规则。对于非分支型L系统,算法可以根据矩阵的乘法结合性动态地处理并行化,解决并行化所带来的字符文法偏移问题。对于分支型L系统,算法可以根据入栈、出栈字符串文法规则,解决分支结构带来的并行化计算,控制其字符的入栈、出栈时间,并将其字符串文法的层次深度进行分类,将处于同一层次的文法进行并行加速并迭代到上一层次中,从而宏观地将分解的字符文法进行多线程处理,提高了文法的生成效率。对于随机化L系统,算法可以根据字符文法的随机性,采用一个由模块字符串的位置索引进行动态调整。(2)利用CUDA运算平台进行L系统文法迭代的并行化加速。该方法以L系统的初始文法和迭代规则为前提,分别对6种不同类型的经典L系统文法进行建模。最后对于建模结果,本文给出了CUDA并行分解算法和多线程并行算法与单核高密度CPU算法的效率对比。(3)根据设计的并行化算法和建立的并行化L系统模型,本文设计并开发了基于CUDA运算平台的L系统。该系统通过应用L系统并行化分解算法,多线程算法和串行化算法,分别对不同数量级的L系统文法进行了实验比对。实验结果表明,对于不同字符串文法数量级,文法提升的效率是不同的。当L系统字符串文法数量级规模达到百万级时,并行化算法的效率比高密度单核CPU算法迭代效率提高17%-27%。