围绕如何利用高性能计算机的并行计算环境,本文研究“空间信息应用基础平台”的海量数据快速处理问题,并针对特定问题,着重研究如何提高算法并行效率问题。解决了包括二维和三维多分辨数据并行化快速生成、管理方法以及空间视界覆盖等实际应用中的一些关键技术问题。主要内容如下:1.提出了一种基于移动agent的空间信息应用基础平台的并行架构,为有效利用分布式计算资源和信息资源提供统一的支撑。平台包括管理中心、网络资源、高级应用等三部分。平台核心结构是运行在HPC上的管理中心部分,其可进一步细分为任务应用响应、数据管理、负载均衡、物理结构等四个层次。在数据管理层,研究了基于空间信息多级格网的多源、异构、异地的数据库的管理办法;在任务层,提出了一种描述并行任务结构的方法;在负载均衡层提出了并行计算熵的概念和并行计算熵最大化准则。2.提出了一种基于并行计算熵最大化准则的负载均衡算法。该算法以并行计算熵来衡量集群系统负载均衡的程度,以节点任务量(而不再是任务数)来度量节点的负载。从理论上分析了并行计算熵与程序执行时间之间的关系。实验证明,所提出算法相对基于任务数阀值的负载均衡算法可更有效地减少程序执行时间,提高加速比和并行效率。3.提出正射影像(DOM)和高程数据(DEM)并行化流程结构的描述方法,并从理论上对流程结构的优化方法进行了详细研究。据此,分别提出基于四叉树金字塔组织和基于小波金字塔组织的数据并行生成算法,提高了多分辨空间海量数据生成的效率。基于并行计算熵负载均衡算法研究结论之上,尝试采用Agent技术来实现多分辨数据并行算法的均衡化。分析了正射影像和三维地貌多分辨数据快速生成并行算法的复杂度并在“深超-21C”高性能计算机上进行了实验。4.作为空间信息基础平台的应用,提出了一种基于负载均衡和并行遗传算法的视界覆盖网络优化方法。该方法利用基于并行计算熵的动态负载平衡算法来提高遗传算法的搜索速度。实验证明,基于动态负载平衡的并行遗传算法在加速比、并行效率等方面都要显著高于基于静态负载平衡的并行遗传算法。