分子对接旨在预测研发许多疾病药物的先导化合物，这在生物信息学的药物设计过程中有着举足轻重的作用。然而，其需要巨大的计算成本。为此，缩短分子对接时间消耗将有效的加速药物研发，提高研发水平。现有的iFitDock(Induced fit docking program)程序包含半柔性对接和柔性对接流程，随着构象数量和种群大小的增长，其工作负载增加显著。因此，需要对iFitDock进行加速。　　论文提出了基于CPU-GPU异构计算的半柔性和柔性分子对接模拟。首先对iFitDock的串行半柔性和柔性分子对接流程进行时间统计和分析，结果表明种群个体的空间变化和目标函数计算都是计算密集型部分。在半柔性对接中，将小分子构象变化计算按种群大小分配相应的GPU线程同时执行，目标函数计算按计算能量的原子对数量进行线程分配。在柔性对接中，除与小分子相关的计算在GPU上执行外，还要考虑蛋白质残基的构象变化和相应的目标函数在GPU上的计算。两类对接的其余部分留在CPU上处理，GPU和CPU之间的数据交流通过内存拷贝进行。在此基础上，构建半柔性对接和柔性对接的CPU-GPU异构计算模型，并在统一计算设备架构CUDA中实现并行计算。　　分别针对半柔性对接和柔性对接做了分子对接并行化实验，并进行了加速比计算。实验结果中，半柔性对接根据两种实验的输入模型的不同，分别实现了最高大约～20×（理论加速比的34.5％）和～22×（理论加速比的52.4％）的加速比，柔性对接实现了最高约～17×（理论加速比的78.0％）的加速比。结果表明在iFitDock中使用CPU-GPU异构计算用于半柔性分子对接和柔性分子对接都有较高的效率且随着种群数量增大，加速比的增加趋势合理。