最优化理论与方法是人们在应对实际问题时,从多种解决方法和解决途径中选取最优方案所使用的一种重要手段,最优化问题在人类社会中也是普遍存在。随着实际问题变的多元化和离散化,大量组合优化问题的求解时间呈现指数型增长。为实现对实际复杂问题的优化求解,现代优化算法在20世纪80年代兴起。引力场算法是郑明提出的一种现代优化算法,这种算法主要是模拟天体力学,依据星云盘模型(SNDM)通过数学建模获得而来。它模拟行星形成的过程来搜索最优解。虽然此优化算法相较于其它优化算法在多峰值优化问题上更有优势,但对目标最优解的精度要求较高时,则需要初始化大量的灰尘粒子参与运算,这导致算法执行效率较低。由此,本文提出一种基于多种群并行(粗粒度模型)的优化方式来加速引力场算法(GFA)。借助MATLAB的计算平台,使用其并行工具箱,主要是利用多核CPU的并行计算方式,实现并行的引力场优化算法,使得算法执行速度得到提高。同时,本文还在并行引力场优化算法(PGFA)中对移动操作和吸收操作进行改进。在提高算法执行速度的同时,提高算法求解精度。最后选取8个经典无约束优化问题的测试函数,从不同变量维度和不同分组数量以及不同初始规模三个角度的进行实验测试比较。实验结果表明PGFA相比原有的GFA的计算效率有所提高,并且能够改善算法寻优的准确性。也证明了并行引力场算法分组数对算法执行效率的影响,PGFA能够随着核数的增加进一步提升算法速度,具有很好的可扩展性,PGFA相比较于GFA在初始规模大复杂度高的求优问题中更有使用优势。