高层体系结构(HLA)是IEEE分布式仿真的框架标准。它建立了一个通用的仿真技术框架，支持不同仿真模型之间的互操作及仿真组件的可重用性。数据分发管理服务(DDM)，是仿真中提供HLA联邦成员的六种服务之一，其最初目的是控制仿真运行过程中大量无用的数据交换，从而降低仿真主体的负载。不同的DDM通过不同的方式实现这个目的，但是有效DDM的关键是限制成员只接收它需要的那部分数据的更新。本文在介绍了HLA规则、接口规范和对象模版后，重点分析了分布式交互仿真中数据分发管理服务，通过对现有的几种DDM——基于类的DDM、基于区域的DDM、基于网格的DDM和基于移动Agent的DDM适用范围、优点及不足的分析和比较，得出传统的基于客户／服务器模式下基于HLA技术的分布式交互仿真系统在可扩展性和协调性等方面不足的主要原因——过度依赖中心节点，一旦节点崩溃将会影响整个仿真系统的运行。为了找出一种更有效的，可扩展性强的DDM解决方案，本文提出了一种基于对等网络(Peer to Peer，简称P2P)的DDM，利用P2P网络经济、可扩展性好、容错性高等方面的优势，指定基于小世界现象的超级节点完成区域的订购和发布以及更深层次的过滤机制，降低RTI的负载，增强系统容错性，达到协调仿真系统的目的。本文提出的基于对等网络的DDM包括了模型定义、算法描述和分析。本文从数据过滤效率、区域匹配次数两方面，将基于对等网络的DDM同基于类的DDM以及基于区域的DDM进行对比仿真实验，通过Red Hat Linux 9．0下NS2的网络模拟仿真试验得出：在相同网络环境下，基于对等网络的DDM比基于区域的DDM和基于类的DDM，具有更好的稳定性和容错性，且基于对等网络的DDM更适用于大规模复杂系统的仿真。