基本线性代数函数库BLAS(Basic Linear Algebra Subprograms)是高性能计算中最基本最重要的数学库之一，它的性能对超级计算机的性能有着极大的影响。目前BLAS库已经成为初等线性代数运算事实上的标准，它广泛用于科学及工程计算，是许多数学软件的基本核心，因此BLAS库的性能的优化对提高程序运行速度、发挥计算机的运算能力有很重要的意义。龙芯系列处理器是中国科学院计算技术研究所自主研发的，兼容MIPS指令集的高性能通用处理器。2009年研制成功的龙芯3A四核处理器是一款多核通用CPU，基于可伸缩的多核互连架构设计，在单个芯片上集成4个高性能处理器核以及大量的2级cache，主要面向服务器和高性能机应用。为了充分发挥龙芯处理器的优势，推动龙芯在高性能计算领域的应用，亟需开发一套高性能的BLAS数学库。单核BLAS库的性能和处理器的体系结构严重相关，需要针对不同平台进行优化。　　 本文根据龙芯3A的体系结构和各级BLAS函数的特征，总结、提出并实验了一系列方法来优化单核BLAS库的性能。对于BLAS1，2级函数，由于其瓶颈主要在于内存访问上，所以实验通过SIMD访存指令、循环展开、分块算法、数据预取来尽量减少内存访问次数，提高cache命中率，使用计算来掩盖访存时间，达到优化指令和访存流水线的目的。而且实验中发现BLAS1，2级函数对内存带宽和外围存储结构的非常敏感，提出了一种基于存储模型的自适应优化方法，可以使BLAS1，2级函数在不同的CPU平台上都能呈现出最好的性能。在龙芯3A实验平台上，优化后的单核BLAS1，2级函数，例如最具代表性的AXPY和GEMV较之GotoBLAS的原始版本分别提高了约40％和90％的性能。而多核并行方面，受内存带宽限制的BLAS1，2在双通道内存平台上四核加速比从原始的1.3提高到了1.9。对于BLAS3级函数，本文的工作主要集中于多核并行方面。通用CPU的多核并行最高效的方式就是多线程并行，可以根据应用选择Pthread或OpenMP的并行方式。实验中发现，BLAS1，2级函数的并行瓶颈主要在于内存带宽和线程间cache冲突，BLAS3级函数的并行瓶颈则主要在线程间cache冲突。Pthread的方式并行开销更小，能够比较有效的控制线程行为，减少线程间cache冲突。本文对核心的BLAS3函数提出了新的数据划分方法，使龙芯3A的并行加速比从GotoBLAS的3.0提高到3.6。