近年来,通用计算图形处理器作为计算密集型应用的加速器,被科学家和工程师们广泛关注。在CPU-GPU异构并行计算平台上,诸如CUDA和OpenCL等编程框架都提供了相对底层的编程接口,以SIMT的调度方式和SPMD的编程模型解决数据并行问题。但是,使用厂商提供的底层编程语言及接口不仅要求开发者深刻理解CPU-GPU异构并行计算平台的硬件架构,存储层次和执行模型,还需要开发者手动进行大量的诸如线程同步和存储优化等工作,使得利用CPU-GPU异构并行计算平台进行科学计算应用的开发非常困难,极易出错。机器学习,数据挖掘,图像处理等领域的发展对计算能力的要求不断提升,尽管Nvidia公司发布的CUDA使开发者可以利用C语言扩展进行并行计算程序的开发,但普通开发者利用CPU-GPU异构并行计算平台的能力依旧有限,因此迫切需要开发更简单、更易用、更高效的工具。本文提出了一套用于CPU-GPU异构并行计算平台编程的工具链:1.本文设计了面向大规模线性代数运算的RoyaL脚本语言。Roya L脚本语言从类型系统上支持矩阵等相关运算操作,并支持强类型语义检查。2.本文设计了将Roya L脚本语言程序转换为经过优化的CUDA程序的Roya编译框架,实现了抽象语法树、符号表、中间表示等重要模块,并在编译时的不同阶段对输入源代码进行多种类型的优化。这些工具为用户屏蔽了底层的硬件架构,存储层次及执行模型,并以高效的方式自动地处理CPU-GPU异构并行程序设计中一些易错的细节。为用户提供高层编程模型的RoyaL脚本语言和Roya编译框架不仅进行了一系列的诸如矩阵链乘法,矩阵链加减法的领域特定优化,还能自动地检测嵌套循环中的并行模式并抽取为内核函数在GPU上执行。在此基础上,本文设计了一系列对比实验来验证多种优化方法的有效性,展现了在多种场景下Roya编译框架生成的CUDA程序在运行时间开销上的收益。最后,本文总结了Roya编译框架在类型系统及分块并行上的不足,阐述了后续研究工作中的计划。