對(duì)于超字級(jí)并行（SLP）算法不能有效地處理大型程序中并行代碼率較小，且可向量化的代碼中可能存在對(duì)向量化不利的代碼的問(wèn)題，提出了一種新型的SLP改進(jìn)算法NSLPO。首先，將程序中不能向量化的非同構(gòu)語(yǔ)句進(jìn)行同構(gòu)化處理，定位SLP丟失的向量化機(jī)會(huì)；然后，通過(guò)冗余節(jié)點(diǎn)添加構(gòu)建最大通用子圖，通過(guò)冗余刪除等優(yōu)化過(guò)程得到同構(gòu)化之后的補(bǔ)充SLP圖，提高程序中代碼的并行性；最后，運(yùn)用節(jié)流法將對(duì)向量化有害的代碼摒除在向量化之外，僅對(duì)它們進(jìn)行標(biāo)量處理，通過(guò)只向量化處理那些向量化有收益的代碼以盡可能地提升程序效率。在一組廣泛使用的內(nèi)核測(cè)試集中進(jìn)行實(shí)驗(yàn)，結(jié)果顯示，與SLP算法相比，NSLPO算法性能更優(yōu)，其執(zhí)行時(shí)間比SLP平均減少9.1%。