中子输运方程在经过离散纵标方法(SN)数值离散后,简化为线性方程组或矩阵特征值问题,大多采用迭代方法进行求解。源迭代方法(SI)因为其清晰的物理解释和严格的收敛性分析,成为了求解离散后中子输运方程最经典的方法。但同时,SI也存在相应缺点:在求解光学厚度较大且散射比较高的中子输运问题时,收敛速度较慢,计算耗时长。由于SN对输运方程中的能量、空间和角度等多维自变量进行直接离散,需要庞大的计算量和数据存储空间,计算时间成本较大。因此,对源迭代加速方法的研究是必要的。本课题以偏流再平衡方法(PCR)和四重角度网格方法(AMG)为主要研究内容,对两者进行理论公式推导并编程实现。运用傅里叶方法对PCR进行稳定性分析,并通过算例对两者加速效果测试分析。对PCR加速方法中的两个关键参数再平衡因子收敛准则(EPS-F)和最大迭代次数(MaxIter-F)对PCR加速效果的敏感性进行测试分析。对PCR和AMG的加速特性进行对比分析。基于两种加速方法不同的加速特性,将二者耦合得到PCR&AMG耦合加速方法,编程实现了分层自适应源迭代加速。采用自设例题对PCR&AMG耦合加速方法加速效果测试分析。测试结果表明:PCR能够有效加速源迭代。在多群输运问题中,对热中子区的加速效果尤为明显,迭代次数加速比可达到4到17倍。EPS-F和MaxIter-F可以通过影响再平衡因子Fi,j,k的精度从而影响PCR加速效果,当EPS-F取值较小(1 ×10-3),MaxIter-F取值适中(30～50)时,PCR具有较好的稳定性和理想的加速效果。对比分析PCR和AMG发现:AMG较PCR具有更好的加速稳定性;PCR在源迭代前期加速效果优于AMG,而后加速效果逐渐衰减直至消失。AMG能在SI求解全过程中提供持续有效地加速。PCR&AMG耦合加速方法测试结果表明:PCR&AMG耦合方法相较于PCR和AMG具有更好的加速效果,实现了PCR和AMG的分层自适应加速,为源迭代提供了更稳定且更高效的加速,有效提高了屏蔽计算效率。