Biblioteca Digital da UEM: Sistema Nou-Rau
Pgina Principal  Portugus   English  Español   Aumentar Texto  Texto Normal  Diminuir Texto
  Principal | Apresentao | Objetivos | Instrues Autores | Estatsticas | Outras Bibliotecas Digitais
  Sistema Integrado de Bibliotecas - SIB / UEM
Entrar | acessos | verso 1.1  
ndice
Pgina principal
Documentos
Novidades
Usurios

Aes
Consultar
Procurar
Exibir estatsticas

Procurar por:
Procura avanada

Dvidas e sugestes


Consultar: Programa de Ps-Graduao em Cincia da Computao

Incio > Dissertaes e Teses > Cincias Exatas e da Terra > Cincia da Computao > Programa de Ps-Graduao em Cincia da Computao

Ttulo [PT]: Uma soluo hbrida para mitigao do problema de seleo de otimizaes
Ttulo [EN]: An hibryd solution to mitigation of optimization selection problem
Autor(es): Nilton Luiz Queiroz Junior
Palavras-chave [PT]:

Problema de Seleo de Otimizaes (PSO). Mitigao. Aprendizagem de mquina. Compilao iterativa, Compiladores. Otimizao. Brasil.
Palavras-chave [EN]:
Mitigation of Optimization Selection Problem. Machine Learning. Iterative Compilation. Brazil.
Titulao: Mestre em Cincia da Computao
Banca:
Anderson Faustino da Silva [Orientador] - UEM
Ronaldo Augusto de Lara Gonalves - UEM
Luiz Gustavo Alemida Martins - FACOM/UFU
Resumo:
Resumo: Otimizaes de compiladores so transformaes, geralmente nvel de representao intermediaria, que buscam melhorar a performance do executvel gerado. Selecionar uma seqncia dessas transformaes, que deixe o cdigo em seu melhor estado possvel, uma tarefa complexa, e muitas vezes invivel. Desse modo, tenta-se mitigar o problema de selecionar tal seqncia. No contexto do problema de seleo de otimizaes para os programas so aplicadas duas abordagens mais conhecidas: a compilao iterativa e a aprendizagem de maquina. Este trabalho apresenta uma abordagem que mistura as duas, aplicando compilao iterativa nos resultados selecionados pela aprendizagem de maquina. Os resultados obtidos por essa abordagem, utilizando support vector machine para a seleo das seqncias com um algoritmo gentico, se mostraram superiores a uma compilao iterativa pura feita com um algoritmo gentico, alcanando um speedup mdio de 2,115x sobre o programa sem nenhuma otimizao, enquanto a compilao iterativa pura alcanou 2,074x.

Abstract: Compiler optimizations are transformations, usually in intermediate representation of the code, that tries to improve the performance of the executable program. Choosing one sequence of these transformations, that change the code to its best possible state, is a complex task, and generally inviable. So, it is usually tried to mitigate the problem. In the context of Optimization Selection Problem, are applied two known approaches: iterative compilation and machine learning. This work shows an approach that mixes those two, applying iterative compilation in machine learning results. The obtained results with this approach, using support vector machine with genetic algorithm, show better results than a pure iterative compilation using a genetic algorithm, reaching speedups of 2,115x over program without optimizations, while a pure iterative compilation reached 2,074x.
Data da defesa: 02/08/2016
Cdigo: vtls000223811
Informaes adicionais:
Idioma: Portugus
Data de Publicao: 2016
Local de Publicao: Maring, PR
Orientador: Prof. Dr. Anderson Faustino da Silva
Instituio: Universidade Estadual de Maring . Centro de Tecnologia . Programa de Ps-Graduao em Cincia da Computao
Nvel: Dissertao (mestrado em Cincia da Computao )/
UEM: Departamento de Informtica

Responsavel: beth
Categoria: Aplicao
Formato: Documento PDF
Arquivo: Dissertacao PG 47545.pdf
Tamanho: 721 Kb (738647 bytes)
Criado: 23-09-2016 15:14
Atualizado: 23-09-2016 15:18
Visitas: 280
Downloads: 9

[Visualizar]  [Download]

Todo material disponvel neste sistema de propriedade e responsabilidade de seus autores.