在高性能计算领域中，由于GPU硬件为人们提供了数以百计的处理核心，使其成为通用并行计算研究中的热门方向。而Fermi架构GPU的推出，更是从硬件和软件两个方面使GPU的通用并行计算能力得以大幅度地提升。所以针对Fermi架构GPU上的并行算法的研究对于进一步优化GPU并行程序以获得更好的性能加速比有着十分重要的研究意义。在研究电磁波的传播时，需要精确地计算出在复杂空间中任意时刻的电磁波的波形图。在空间中，电场与磁场的分布遵循麦克斯韦方程组，但由于麦克斯韦方程组的强耦合性使得难以获得其数值解，而计算机可以通过实现时域有限差分法（FDTD）去求解空间中的电磁场数值。然而时域有限差分法需要通过对空间中大量数值进行成千上万次的迭代，这对于计算机来说是一个巨大的挑战。结合Fermi架构GPU的特点，本文做出了如下的工作和贡献：1，本文通过对相关电磁学物理背景知识的研究，建立了FDTD实验所需要的模型。设计、实现并改进了三维空间中的基于Fermi架构GPU并行FDTD程序，并行后的FDTD程序相对于传统的串行程序获得了三十倍以上的加速比。2，然后论文分析了并行FDTD程序在Fermi架构GPU上的实验模拟结果。尤其针对Fermi架构GPU和传统GPU的差异，进行了相关结果精度和准度的比较分析、优化策略的比较。论文还从软硬件的角度详细分析造成这种差异的原因。3，最后论文针对Fermi架构GPU的特点，对FDTD并行化时产生的问题进行了延伸式地讨论，如使用L1缓存和使用共享内存的优化方法各自的优劣、不同的算法如何选择不同的优化策略。通过将算法中要处理的数据进行分类（密集型和稀疏型），得出不同类型的算法使用不同的优化策略可以方便快捷地获得令人满意的性能提升。