针对可达性查询保持图压缩（QPGC）算法存在冗余计算的问题，提出了一种高性能压缩策略。在求解顶点的祖先后代集阶段，针对普通图数据，提出一种基于拓扑排序的求解算法TSB，首先将图数据顶点拓扑排序，然后沿拓扑序列顺序（逆序）求解顶点的祖先（后代）集，避免了求解顺序不明确导致的冗余计算；针对最长路径较短的图数据，提出一种基于图聚合运算的求解算法AGGB，可在确定次数的聚合运算内完成顶点的祖先和后代集的求解。在求解可达性等价类阶段，提出一种分段统计剪枝算法PSP，先对祖先后代集分段统计，再比较统计值以实现粗匹配，剪除了部分不必要的精细匹配。实验结果表明，与QPGC算法相比：在祖先后代集求解阶段，TSB和AGGB在不同数据集上的性能平均提升94.22%和90.00%；在求解可达性等价类阶段，PSP算法在大部分数据集上性能提升超过70%；随着数据集的增大，TSB和AGGB配合PSP算法，性能提升了近28倍。理论分析和模拟实验表明，该策略与QPGC算法相比冗余计算更少、压缩速度更快。

在使用浸入边界-格子玻尔兹曼方法（IB-LBM）求解流场时，为了得出比较精确的结果，往往需要规模较大、较密集的流场网格，这就会造成模拟过程时间长的问题。为了提高模拟的效率，利用IB-LBM局部计算的特点，结合OpenMP中三种不同的任务调度方式，给出了IB-LBM的并行优化方法。在并行优化中混合使用三种任务调度方式，以弥补单一任务调度造成的负载不均衡问题；将IB-LBM进行结构化分解，测试每一结构部分的最优调度方式，根据实验结果选择最优的调度组合方式，而在不同线程数下，最优的组合方式是不同的。优化结果通过并行加速比来检验，可以得出：在线程数较少的情况下，加速比趋近于理想状态；在线程数较多的情况下，虽然线程开辟和销毁的额外时间消耗对性能的优化产生了影响，模型的并行性能仍有了很大的提升。流场的模拟结果显示，在进行并行优化后， IB-LBM对流固耦合问题模拟的准确性并没有受到影响。