1. 编译器优化：启用高级优化选项
使用gfortran等编译器时，通过优化标志提升代码性能。基础优化用-O2（平衡编译时间与性能），更高强度用-O3（最大化性能）；-march=native针对当前CPU架构生成特化代码，提升指令级并行；-funroll-loops展开循环减少控制开销；-ffast-math放宽数学运算标准（如允许不精确的浮点结果），换取更快的计算速度。示例命令：gfortran -O3 -march=native -funroll-loops -o myprogram myprogram.f90。
2. 循环优化：减少开销与提升并行性
循环是科学计算的核心，优化重点是降低控制成本与增强数据并行。减少嵌套层数（如将多层循环扁平化）、移出不变计算（将循环内不变的变量计算移到外部）、使用内置函数（如sin、exp等Fortran内置函数比自定义代码更高效）。此外，通过-funroll-loops编译器选项或手动展开循环，减少循环跳转开销。示例：将do i=1,n; sum=sum+i; end do改为sum = (n*(n+1))/2（数学公式替代循环）。
3. 内存访问优化：提升缓存利用率
内存访问模式直接影响性能，关键是保证连续内存访问（如按行遍历二维数组，而非按列），减少缓存未命中。调整循环顺序，使内存访问符合数组存储布局（Fortran是列优先，故优先遍历列）。避免不必要的内存分配，重用静态数组（如提前分配大数组并在循环中复用），减少动态内存分配的开销。示例：将do j=1,m; do i=1,n; a(i,j)=...; end do; end do改为do i=1,n; do j=1,m; a(i,j)=...; end do; end do（按行遍历）。
4. 并行计算：利用多核架构
通过并行编程模型利用多核CPU/GPU资源，显著提升大规模计算性能。OpenMP（共享内存并行）：使用!$omp parallel do指令并行化循环，编译时添加-fopenmp选项。示例：program example; !$omp parallel do reduction(+:sum); do i=1,n; sum=sum+i; end do; !$omp end parallel do。MPI（分布式内存并行）：适用于跨节点计算，使用MPI_Init/MPI_Finalize初始化通信，编译时用mpif90命令。示例：use mpi; call MPI_Init(ierr); call MPI_Comm_rank(MPI_COMM_WORLD,rank,ierr); ...; call MPI_Finalize(ierr)。
5. 使用高性能库：避免重复造轮子
利用优化过的科学计算库，提升特定任务的性能。例如：BLAS/LAPACK（线性代数运算，如矩阵乘法、求逆）、FFTW（快速傅里叶变换）、ARPACK（大型稀疏矩阵特征值问题）。这些库用C/Fortran编写并针对硬件优化，比自定义代码更高效。示例：用LAPACK求解线性方程组dgesv（双精度实数矩阵）。
6. 性能分析与瓶颈识别：精准定位问题
使用工具识别代码中的性能瓶颈，针对性优化。gprof：生成函数调用图与执行时间，命令：gfortran -pg -o myprogram myprogram.f90; ./myprogram; gprof myprogram gmon.out > analysis.txt。Valgrind：通过Callgrind工具分析函数调用与缓存使用，命令：valgrind --tool=callgrind ./myprogram; kcachegrind callgrind.out.pid。perf：Linux内置工具，监控硬件性能计数器（如缓存命中率、指令周期），命令：perf record -g ./myprogram; perf report。
7. 数据类型与I/O优化：减少资源消耗
选择合适的数据类型：在数值范围允许的情况下，用real(kind=4)（单精度）代替real(kind=8)（双精度），减少内存占用与计算时间。优化I/O操作：减少读写次数（如批量读取数据），使用缓冲I/O（如open语句中设置buffered='yes'），大规模数据用并行I/O（如MPI-IO）。示例：将do i=1,n; write(*,*) a(i); end do改为write(*,*) a（批量输出）。