现实生活中处处存在着随机性，在生产实践及科学研宄中随机模型也有着非常重要的作用。随着科学的发展，随机模型已被渐渐应用到经济学、物理学、金融学、生物学、传播学等很多领域，然而，很多情况下随机微分方程都很难得到其解析解，这样从理论和应用领域研宄其数值解法的性质就显得很有意义。　　在实际应用中，我们在研宄问题时不仅需要对象当前时刻的信息，通常还会涉及到对象过去某一时刻的状态，即历史信息。在随机微分方程的研宄中，可以加入延迟项来刻画这类问题。本文简要介绍了随机微分方程的应用背景，给出了一些现阶段对于随机延迟微分方程的研宄成果，例如随机比例方程（SPEs).研宄了对于非自治的非线性随机比例微分方程的两种数值方法:分步0法（SS0)和单腿分步0法。　　研宄了分步0法的收敛性和均方稳定性。证明了在漂移系数f和扩散系数g满足全局Lipschitz条件、线性增长条件及多项式条件下，由分步0法得到的数值解是以|阶强收敛于解析解的。我们还证明了，在满足一定条件下，当|是正整数时，分步0法是均方稳定的。特别地，当0=1时，数值解对于所有的步长都是均方稳定的。我们给出了数值算例来印证主要结论。　　研宄了单腿分步0法的收敛性和均方稳定性。与分步0法的情况相比，在相同的条件下我们可以得到相同的强收敛阶。然而，在微分方程满足解析解均方稳定的条件下，当*是正整数时，单腿分步0法的均方稳定性可以被提升到|<0<1,且对步长无要求。我们给出了数值算例来验证结论。