作为当今计算机发展炙手可热的技术，并行计算及以其为基础的云计算已经成为了解决大数据量，复杂运算问题的首选方法，越来越多的应用被从单机搬到了云端。并行计算的发展使得我们能更好的整合计算和存储资源，扩大系统的计算和存储能力。耗散粒子动力学（Dissipative ParticleDynamics, DPD）是一种基于介观体系的分子模拟方法。如今，DPD已经被广泛应用到高分子化学、生命科学等相关领域的研究中。但DPD所模拟的问题大多是大规模的，完成一个普通的DPD模拟一般都要消耗大量的时间。为了有效的缩短DPD模拟的计算时间，本文将并行计算和DPD进行了结合，提出了耗散粒子动力学的平衡并行算法(BPDPD)，经高性能计算集群上的实际测试，不但能有效的缩短DPD的计算时间，还能很好的平衡各计算节点间的负载，并减少计算节点间消息传递的信息量。本文首先对DPD的基本原理以及并行计算的理论与实现做了简要的介绍，随后详细说明了耗散粒子动力学模拟的平衡并行算法，及其实现方式，然后介绍了作为本文模拟重要测试实例的锚定蛋白质的聚集现象，最后在Linux集群上对程序进行了测试，并对实验结果进行了分析。