Biblioteca Digital da UEM: Sistema Nou-Rau
Página Principal  Português   English  Español   Aumentar Texto  Texto Normal  Diminuir Texto
  Principal | Apresentação | Objetivos | Instruções Autores | Estatísticas | Outras Bibliotecas Digitais
  Sistema Integrado de Bibliotecas - SIB / UEM
Entrar | acessos | versão 1.1  
Índice
Página principal
Documentos
Novidades
Usuários

Ações
Consultar
Procurar
Exibir estatísticas

Procurar por:
Procura avançada

Dúvidas e sugestões


Consultar: Programa de Pós-Graduação em Ciência da Computação

Início > Dissertações e Teses > Ciências Exatas e da Terra > Ciência da Computação > Programa de Pós-Graduação em Ciência da Computação

Título [PT]: Uma solução híbrida para mitigação do problema de seleção de otimizações
Título [EN]: An hibryd solution to mitigation of optimization selection problem
Autor(es): Nilton Luiz Queiroz Junior
Palavras-chave [PT]:

Problema de Seleção de Otimizações (PSO). Mitigação. Aprendizagem de máquina. Compilação iterativa, Compiladores. Otimização. Brasil.
Palavras-chave [EN]:
Mitigation of Optimization Selection Problem. Machine Learning. Iterative Compilation. Brazil.
Titulação: Mestre em Ciência da Computação
Banca:
Anderson Faustino da Silva [Orientador] - UEM
Ronaldo Augusto de Lara Gonçalves - UEM
Luiz Gustavo Alemida Martins - FACOM/UFU
Resumo:
Resumo: Otimizações de compiladores são transformações, geralmente à nível de representação intermediaria, que buscam melhorar a performance do executável gerado. Selecionar uma seqüência dessas transformações, que deixe o código em seu melhor estado possível, é uma tarefa complexa, e muitas vezes inviável. Desse modo, tenta-se mitigar o problema de selecionar tal seqüência. No contexto do problema de seleção de otimizações para os programas são aplicadas duas abordagens mais conhecidas: a compilação iterativa e a aprendizagem de maquina. Este trabalho apresenta uma abordagem que mistura as duas, aplicando compilação iterativa nos resultados selecionados pela aprendizagem de maquina. Os resultados obtidos por essa abordagem, utilizando support vector machine para a seleção das seqüências com um algoritmo genético, se mostraram superiores a uma compilação iterativa pura feita com um algoritmo genético, alcançando um speedup médio de 2,115x sobre o programa sem nenhuma otimização, enquanto a compilação iterativa pura alcançou 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
Código: vtls000223811
Informações adicionais:
Idioma: Português
Data de Publicação: 2016
Local de Publicação: Maringá, PR
Orientador: Prof. Dr. Anderson Faustino da Silva
Instituição: Universidade Estadual de Maringá . Centro de Tecnologia . Programa de Pós-Graduação em Ciência da Computação
Nível: Dissertação (mestrado em Ciência da Computação )/
UEM: Departamento de Informática

Responsavel: beth
Categoria: Aplicação
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: 759
Downloads: 11

[Visualizar]  [Download]

Todo material disponível neste sistema é de propriedade e responsabilidade de seus autores.