计算技术的不断更新使计算机体系结构的发展日新月异,计算机体系结构经历着从同构计算模式到异构计算模式的转变,不同处理器厂商之间在体系结构和编程模型方面的巨大差异给计算系统的应用推广带来巨大挑战。利用编译技术自动将串行程序转换为异构并行程序是解决这个问题的一种有效手段。基于多面体模型的编译技术被认为是程序自动并行化领域的一个研究热点。本文以充分利用目标体系结构的硬件特征为目的,对面向异构系统进行多面体编译优化的关键技术展开研究,主要研究成果有:（1）以提升程序并行性和数据局部性为目标,本文研究了多面体编译优化的原理及流程,分析了多面体模型的主要特点,给出了利用多面体模型进行编译优化的主要途径。与传统的幺模矩阵模型相比,多面体模型具有更广泛的应用范围、更强大的表示能力和更全面的优化空间,同时也存在抽象层次高、实现难度大等问题。为了全面深入的了解多面体模型,本文分析了多面体模型的原理和基于多面体模型的编译流程,深入研究了多面体模型最核心的调度变换算法,给出了利用多面体模型提升程序并行性和数据局部性的主要方法。（2）为了发掘数据局部性和提升块间并行性,本文提出一种面向通用多核同构架构的循环分块算法。循环分块是提升多级缓存数据局部性最有效的循环变换技术。多面体模型实现了简单的平行四边形分块,但这种分块方法无法有效进行分块之间的并行。为了解决循环分块的块间并行问题,衍生出分裂分块、钻石分块、六角形分块等复杂的分块形状。其中,钻石分块、六角形分块已经在多面体编译器中得到实现,但分裂分块由于设计复杂,目前尚无有效的算法和实现。本文设计了一种基于平行四边形的分裂分块算法,避免了传统分裂分块依赖非仿射表达式的问题,并在PPCG编译器中对该算法进行了实现。实验对不同类型的stencil计算进行测试,结果表明,PPCG编译器采用本文提出的算法生成的Open MP并行代码相较于当前效果最好的钻石分块算法生成的代码有2%的性能提升;相较于stencil领域专用编译器Pochoir生成的代码有91%的性能提升。（3）为了生成面向异构系统的并行代码,同时降低同步开销,本文提出一种面向GPU架构的循环分块算法。钻石分块仅实现CPU上的代码生成,六角形分块仅支持面向GPU架构的代码生成,当面向不同架构时,为了达到最优的性能,需要采用不同的循环分块算法;同时,复杂分块形状提升块间并行性必然以额外的同步开销为代价,频繁的同步大大降低了程序整体性能。本文在面向CPU架构分裂分块算法的基础上,在PPCG编译器实现了分块后循环层到GPU硬件层的映射,同时实现同步最小化功能。与钻石分块相比,本文提出的算法支持各个维度分块大小不同的情况;与六角形分块相比,本文提出的算法能够处理多条语句、符号常量循环边界等多种复杂情况。实验对不同类型的stencil计算进行测试,结果表明,PPCG采用本文提出的算法生成的CUDA代码相较于当前应用最广泛的六角形分块生成的代码有64%的性能提升。（4）为了充分利用大规模并行资源,本文提出一种面向硬件并行规模的循环多维并行识别方法。随着现代处理器架构核心数目的不断增长,传统的单维并行识别方法难以提供足够的并行度,本文提出面向硬件并行规模的循环多维并行识别方法。根据并行层迭代次数和目标平台硬件资源数之间的关系,动态识别嵌套循环的多个维度为并行层,将多个并行维度的迭代空间合并后再作任务划分,以达到充分利用目标平台硬件资源的目的。该方法在PPCG中进行实现,通过对矩阵乘法、laplace方程等核心计算程序进行测试,结果表明,本文提出的方法相较于现有单维并行方法,在SW26010异构众核处理器上性能提升最高达1.8倍,在Nvidia Tesla V100平台性能提升最高达5.2倍。本文采用多面体编译优化技术实现程序自动并行化,能够同时支持Open MP、CUDA和Open CL并行代码的自动生成。通过有效地发掘循环并行性和数据局部性,有效提升了并行代码的执行效率。