网络模拟,尤其是大规模的网络模拟通常都需要巨大的计算资源。当前普通的单机模拟器由于计算能力的限制,往往网络模拟的规模不能够满足实际的研究需要。因此,当前大规模的网络模拟通常都采用并行分布式的网络模拟器,即通过将一个大规模网络的模拟任务进行划分,然后计算集群中的每一个节点负责模拟该网络的一个部分,从而扩大网络模拟的规模和强度。然而,模拟拓扑划分方式的好坏往往导致巨大的模拟效率差异。当前,并行模拟的拓扑划分通常采用拓扑图划分方法,就是将实际的网络模拟任务规约成一个带权值的拓扑图,然后采用某些图划分工具完成模拟任务的划分,如METIS,Chaco。这些传统工具通常能够在同构的模拟环境下得到很好的划分结果,划分生成的模拟拓扑通常都能在较优的时间内完成。但是当模拟平台的各节点计算能力并不相同,且物理模拟节点之间的连接构成一个复杂的拓扑网络时,此时如果不考虑模拟平台自身的拓扑构成,简单的采用传统的拓扑划分方法,将要模拟的网络拓扑粗略分割到平台的节点上进行模拟,此时,整个平台的模拟效率将难以达到最优,造成计算能力的极大浪费。本文在简要介绍当前的主要网络模拟拓扑划分算法的基础上,给出一种基于聚类指导,在异构平台上的并行网络模拟的拓扑划分方法,极大的提高了整个模拟系统在异构平台上的模拟效率,并在此基础上,实现了一个自动化的模拟拓扑划分系统,能够将普通的单机网络模拟拓扑生成在并行模拟平台上执行的模拟脚本,较之传统的半手工的划分方式,提高了工作效率。