分布式系统的一个重要的基本问题是选举算法。本文主要对这个问题展开研究,通过对松散稳定型选举算法(Loosly-Stabilizing Leader Election,LSLE)进行仿真模拟实验,对算法进行各方面验证,进一步优化松散稳定型选举算法的参数设置,并且提出一种改进的松散稳定型选举算法。选举算法作为分布式系统的基本问题,一直受到众多研究者的关注。但是,目前的研究较少涉及到选举算法的自稳定性。自稳定型选举算法(Self-Stabilizing Leader Election,SSLE)的定义可总结为两条特性:(1)收敛特性。算法保证开始运行于任意一个初始状态,逐渐收敛到符合期望的状态,这个期望状态即为在群体中选择出唯一的领导者。(2)保持特性。在达到期望稳定状态以后,算法能够永远保持这个状态。虽然自稳定型选举算法表现出极高的容错率,但是由于其极其严格的要求,导致设计自稳定型选举算法是极其困难的,有时甚至是不可能实现的。松散稳定型选举算法放松了自稳定型选举算法的部分要求,松散稳定型选举算法从一个任意初始状态运行,保证能够在有限的时间内收敛到期望稳定状态,但是并不保证永远保持这个稳定状态,只保持极长的时间。在本文中,我们通过对基于群体协议模型的松散稳定型选举算法展开仿真模拟实验,在实验规模内确定一个新的timer最大值s的实验下限值,这个下限值能够在不影响算法保持特性的情况下,明显降低算法的收敛时间。其次,本文还提出一种改进的松散稳定型选举算法(Improved Loosely-Stabilizing Leader Election,ILSLE),通过对新算法的仿真模拟实验,验证了新算法比原算法表现出更优的收敛时间复杂度。