本论文依托课题组承担的空间信息服务系统预研项目，进行空间计算基本算法的并行化研究。重点研究了空间邻近问题中的“所有最近邻居问题”和“Delaunay三角剖分问题”，设计并实现了上述问题的异步并行算法。论文主要工作如下：　　 论文针对空间邻近问题的异步并行基本原理展开研究。分析了空间邻近问题的独立并行性质，定义了点与点之间的顺序关系、远邻关系和远邻集合，给出了远邻集合的几何性质，并证明了远邻关系的继承性，即前驱的远邻是后继的远邻，为异步并行算法的设计提供了理论基础。　　 论文设计并实现了一种“所有最近邻居问题”的异步并行算法。将整个任务按功能分解为若干子任务，每个子任务计算各自基点的最近邻居。由于远邻关系的计算和继承之间的独立性，子任务既可以独立计算远邻关系，也可以利用其它子任务的计算结果，减少计算量。各个子任务之间并行执行，不需要同步操作。定义了远邻字典距离参数，并将其分布函数的统计特征与LogGP模型相结合，进行了算法性能分析。　　 论文设计并实现了一种快速DT近邻算法。定义了搜索区间，利用DT近邻与隶属区间的对应关系，得出搜索区间的嵌套关系等价于空间区域的包含关系的结论。基于分治原理，构造了不包含归并过程的快速DT近邻算法。并且利用DT近邻的数据并行性质，基于数据划分，将快速DT近邻算法并行化。由于算法的计算复杂度与数据分布特征相关，数据划分导致总计算量减少，并行算法呈现超线性加速比。　　 论文设计并实现了一种“Delaunay三角剖分问题”的异步并行算法。将异步并行原理与快速DT近邻算法相结合，设计了异步并行算法。　　 上述异步并行算法在多核计算平台上实现，测试结果表明，性能优于其它并行算法，相比予串行算法，呈现超线性加速比。