多计算机系统中的互连网络为处理器之间相互通信提供了一种有效的机制,是决定系统性能的重要因素之一。本文使用概率方法对基于超立方体及其四种变体结构的多计算机系统的容错性和故障诊断算法进行了研究。多计算机系统的容错性可以用互连网络中出现故障时,隔离这些故障设备后网络保持连通的概率来刻画。论文中分析了两种在多计算机系统中设备发生故障的情况:一是只考虑处理器单元以一定的概率发生故障;另一种情况是让多计算机系统中的处理器和通信链路都以一定的概率发生故障。通过仿真试验,得到如下结论:基于超立方体及其变体结构的多计算机系统均具有较好的容错性,其中,基于交叉立方体结构的多计算机系统具有最好的容错性。在多计算机系统中,系统级故障诊断是确定系统中故障处理器的一个有效方法。在基于测试的诊断方式中,相邻处理器之间通过相互测试而形成症候集,进而根据症候集来进行故障定位。本文提出了一种新的概率诊断算法。该算法利用Hopfield神经网络迭代有限步收敛的性质,并充分考虑了症候的特点。算法分为两部分:预处理阶段和神经网络算法迭代阶段。通过理论分析和计算机仿真,将本算法与其它两种经典的概率诊断算法(多数表决算法和DARS诊断算法)进行了对比,得到如下结论:神经网络诊断算法具有相对较高的正确诊断概率,并且该算法的性能不明显依赖于系统的规模和处理器的故障率。因此,神经网络算法具有一定的实用价值。