在AMG算法中，启动阶段（setup）的粗网格构造和迭代阶段的粗网格访问是导致AMG并行可扩展性能损失两个主要因素。在粗网格构造中，需要通过三个矩阵乘积来计算粗网格矩阵。随着粗化进行，矩阵越来越稠密，影响并行效率。在迭代阶段的一个Cycle中，需要在最细网格与最粗网格之间逐层访问。由于粗网格计算粒度变小，通信模式变复杂，且各网格层的访问是串行执行的，严重影响并行可扩展性。在实际数值模拟应用中，往往需要数万甚至数十万个时间积分步。在时间积分过程中，物理性质、网格等应用特征将发生变化，矩阵性质也随之发生变化。在这个报告中，我们介绍如何利用时间积分过程中矩阵性质的变化情况，自适应地构造AMG算法的各个组件，从而减少粗网格的构造和访问次数，提高数值模拟的整体并行可扩展性。为了达到这个目的，我们设计了AMG组件的自适应策略，同时，还改变了传统AMG算法的计算流程。最后，给出在数千处理器核上辐射流体力学数值模拟中的应用效果。