系统生物学的发展使得生物建模和计算机模拟成为生物过程模拟的重要手段，可以有力地支持生物学家及其他研究人员在医学和制药等领域的研究。为建模和模拟像代谢路径、遗传调控网络和细胞信号传导路径这样的复杂生物系统，在过去几年已经发展了多种成功的方法。而且，对于建模活体内的反应，随机建模已经成为一种物理上更实际的选择。　　为了正确而有效地建模和模拟生物学系统，我们构建了一个基于随机Petri网的生物模拟软件系统CELLMATLAB，在这个系统中实现了多种随机算法，用于模拟随机Petri网表示的随机生物过程。　　本文主要实现了三类不同的模拟算法，即精确的随机模拟算法(SSA)、随机跳步算法和混合模拟算法，并指出其优点和存在的缺陷。SSA具有很高的计算精度，但是计算代价很大；随机跳步算法的模拟效率很高，但是存在一定的精度损失，而且应用范围有限；混合模拟算法介于前两者之间，适于刚性系统的模拟。　　这些算法彼此之间虽然存在一定的差异，但都是以分子物种的个数为变量。对于大型的复杂系统，尤其是刚性系统，反应速度和分子数量均在几个数量级上变化，那么这种表示方式显得不够实际。于是，本文提出了一种改进的动态混合模拟算法，根据反应的速度和分子物种的浓度将系统分为连续反应体系和离散反应体系，分别使用一组描述分子物种浓度的瞬时变化的微分方程和精确的随机模拟算法来求解。对于数量很高的分子物种，这种浓度的表示方法更为实际，而且可以近似为连续的过程；对于数量很低的分子，仍旧使用分子数量来表示，看作是离散的个体。由于确定性反应常数和随机性反应常数之间存在一定的转换关系，那么根据反应物的状态来调整其使用的模拟方法是完全可行的。这种动态的混合模拟，既能反映大数量物种的连续性，又能及时捕获少量分子的波动性，在性能上获得了很大的提高。　　最后，本文通过简单的四个反应模型、细胞内病毒动力学的模型和E.Coli的热休克模型这三个示例，不仅验证了各种算法的效率和精确度，而且证明本文提出的改进算法是正确的和可用的，尤其适于刚性系统的模拟。