针对当前自然计算模型中普遍存在的全局与局域搜索过程之间的平衡问题，本文通过借鉴自然界下雨及雨滴受重力影响沿地形垂直径向局部流动的动态过程;探讨了一种雨滴计算模型的实现方法。　　 该模型的主要思想是模拟雨滴的形成、扩散、流动和在地表面凹点处的自然聚合等自然现象，采用基于相对距离的凝结方式产生雨滴，在此基础上采用半确定搜索模式，即雨滴随机产生使全局搜索具有不确定性，而扩散操作作用于邻域使局部搜索方向确定，并将搜索全局最优解和局部极值的过程处于并行计算状态，同时利用不同时间段雨滴群的隐含信息以确保计算过程的稳定性和算法的全局收敛性。　　 该模型的主要步骤：首先，自然界雨滴的成因，使得雨滴在某一特定的连续时间区间内不会过于频繁地落在同一地表面位置，进而不断产生的新雨滴实现对未知领域的搜索；其次，雨滴本身具有一定的质量，使其在地表面发生扩散，实现对局部邻域的搜索；然后，受重力影响的雨滴不断径向流动，延续了局部搜索的过程，并且向局部极值流动；最终，汇聚到地表面凹点处的雨滴尽可能的包含了所求复杂问题的全部解的信息。模型中雨滴以群的方式存在，实现全局和局部搜索的并行，该模型是建立在深入细致的观察和分析整个下雨过程以及雨滴自身特征等的工作基础之上。　　 本文进一步对模型进行理论分析，证明其收敛性，得到了其计算复杂度，并使用该模型应用于经典的多模函数优化问题。通过大量的标准多模测试函数的仿真计算，结果表明该模型在求解多模函数优化问题时优于以opt-aiNet为代表的自然计算方法。同时，在收敛速度、计算复杂度等方面具有潜在的优势。