内存访问瓶颈一直是影响程序性能的关键因素。由于循环嵌套在程序执行中所占的时间比重非常大,通过对程序中的循环进行优化以提高程序的局部性,一直是编译优化的热点。传统的循环优化由于严格的模式匹配规则的限制和不灵活的变换次序,往往会丧失许多优化的机会。多面体优化技术是一种针对循环嵌套进行优化的编译技术,它使用多面体表示形式来表示程序及其依赖关系,基于线性代数和整数规划对程序进行变换。它能有效地克服传统的循环优化的限制,更为灵活有效地优化程序。本文旨在研究和实现龙芯编译器中的多面体优化模型。本文的主要工作和贡献如下:　　 1.设计并实现了龙芯编译器中的多面体优化模型。该模型基于已有的开源工具:静态控制结构识别工具WRaP-IT、多面体变换工具PLuTo和多面体代码生成工具CLooG,我们实现了另外的静态控制结构转换模块和中间表示生成模块,并解决了一些该模型在编译器内部的交互问题,使得龙芯编译器能有效地利用多面体技术对程序进行优化。　　 2.扩展了龙芯编译器中多面体模型能优化的程序的范围。我们在支持动态数组和形参数组、更精确地识别结构体数组等复杂的访存形式以及消去语句迭代域的Union of domains这三个方面对多面体模型进行了扩展,有效地提高了多面体模型的实用性。　　 3.利用多面体模型优化程序。实验数据表明多面体优化相比原有的循环优化具有更完备的分析和优化能力。在龙芯2F实验平台上,相比龙芯编译器中原有的循环优化,多面体优化模型可以在Polybench-2.0和Polybench-3.1测试集上分别达到2.3倍和3.6倍的加速比,在SPECCPU2000中的172.mgrid上可以获得7.2%的加速。