随着Internet的迅速发展,网络的规模也随之变大,结构也越来越复杂,所以对大规模的网络进行研究已成为网络研究的必然。由于网络模拟成本比较低,易于使用等优点,所以网络模拟技术应用广泛。但是由于单机模拟的能力已无法应对大规模网络模拟,这就使得并行网络模拟成为当代网络研究的有效工具之一。并行网络模拟是多机模拟的一个过程,所以它需要将模拟任务进行划分,通常使用拓扑划分的方法来实现划分。拓扑划分的实质是任务的分配,而在模拟前网络拓扑每个节点和链路的任务量是不所知的,所以需要首先对网络拓扑节点和链路的任务量进行估计,称之为任务估计阶段;然后针对划分目标对任务进行划分,称之为任务划分阶段。合理的任务分配可以提高模拟性能,所以对拓扑划分的研究是很重要的。本文在拓扑划分的任务估计阶段提出并实现了基于扫描方式的权值估计算法,在拓扑划分的任务划分阶段提出并实现了基于多点移动的划分优化算法。基于扫描方式的权值估计算法依据节点和链路的任务量越多,权值越大的原则,具体方法是:首先分析安全事件的扫描方式,根据不同的扫描方式,估计攻击源和攻击目的,遍历每对攻击源和攻击目的,寻求攻击源和攻击目的的最短路径,同时对于经过这个路径的节点和链路权值增加,攻击源和攻击目的的权值也增加,遍历完毕后最终获得整个网络拓扑的权值。任务划分阶段的工作是使用图划分工具METIS中的KMETIS方法来实现的,基于多点移动的划分优化算法改进了KMETIS优化阶段的不足,具体方法是:通过定义前提条件负载均衡和节点均衡,在满足这前提条件的范围内,对一系列节点进行移动处理,针对划分的目标,包括切割边权值和、子网数、负载均衡和节点均衡的改进,寻求最优可移动节点处,对于最优可移动节点处以后的节点移回到原处。