线性方程组的求解开销往往是实际复杂应用在数值模拟时的主要开销。预处理迭代方法是求解大规模稀疏线性方程组的常用求解方法,常见的预处理方法和迭代方法往往聚焦于方法的通用性能而缺乏对于实际应用数值模拟特征的考虑。惯性约束聚变是一类强非线性、强间断、大变形、多介质的辐射流体应用,其在数值模拟时表现出各种特征:一方面,在模拟的一段时间内,一些物理量在局部计算区域内发生剧烈的变化,而在其他区域内变化不大;另一方面,强间断和大变形等特点使得其离散所得到的系数矩阵元素大小存在量级上的差异。水下航行器则是一类不可压流体应用,在数值模拟中通常使用分离迭代方法求解不可压NS方程,分离迭代算法使得该应用在模拟时表现出数值震荡的特点。本文主要瞄准惯性约束聚变和水下航行器两类应用,利用其数值模拟特征,驱动模拟中所产生线性方程组高效求解。本文的主要贡献和创新如下:（1）针对数值模拟应用的局部特征,本文提出了一种基于局部特征的线性方程组求解方法。该方法是一种代数方法,主要包含三个步骤:首先,提取变化剧烈的局部区域;其次,求解局部区域对应的局部线性子系统;最后,求解整体线性方程组。本文对局部特征进行了数学抽象,给出了局部特征线性方程组定义和相关性质;并给出了基于梯度和基于残差两种局部区域提取方法。本文在二维热传导方程、多群辐射扩散方程、三温能量方程等问题中验证了该方法的有效性,该方法在多群辐射扩散方程和三温能量方程的线性方程组测试集中分别能达到1.61倍和1.65倍的加速比。（2）针对数值模拟应用的多尺度特征,本文提出了一种基于多尺度特征的预处理矩阵元素过滤方法。该方法首先根据元素的相对大小来建立求解变量之间的弱依赖关系矩阵,然后根据弱依赖矩阵以及一定的过滤策略来删除预处理矩阵中的元素。本文提供了四种过滤策略,包括双侧对称过滤、单侧非对称过滤以及两种相应的对角线修正策略。本文在泊松类方程、多群辐射扩散方程、三温能量方程等问题中验证了该方法的有效性,该方法在多群辐射扩散方程和三温能量方程中的线性方程组测试集中分别能达到1.47倍和1.55倍的加速比。（3）针对数值模拟应用的间断特征,本文提出了一种基于混合粗化策略的代数多重网格预处理方法。该方法的粗化算法主要包含两个步骤:首先,使用经典的粗化算法获得粗网格;其次,使用相容松弛迭代来衡量所得粗网格的质量,并挑选迭代中收敛较慢的细点作为粗点集合的补充。本文在间断系数的泊松类方程、三温能量方程以及三维翼身融合模拟等问题中验证了该方法的有效性。（4）针对分离迭代算法的数值震荡特征,本文提出了一种基于分离迭代算法特征的初值优化方法。该方法利用加权分组插值技术对分离迭代算法所产生的线性方程组迭代初值进行优化,主要包含三个步骤:首先,根据分离迭代算法配置特征,将所有线性方程组划分为若干泳道,并将各泳道中窗口范围内的已知解划分为若干小组;其次,每个小组内利用已知解进行初值预测;最后,将各小组的预测解进行加权平均并作为新的迭代初值。本文验证了该方法在pitz Daily、二维NACA0012、三维翼身融合等案例中的有效性,该方法在二维NACA0012和三维翼身融合等案例的数值模拟中分别能够获得2.58倍和1.87倍的加速比。