Aprendizagem contínua aplicada ao problema de seleção de otimizações com estimativa estática

• Autor(a) principal: Fabrício Filho, João
• Data de Publicação: 2016
• Outros Autores: Silva, Anderson Faustino da
• Tipo de documento: Artigo de conferência
• Idioma: por
• Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
• Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/2789
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO; Compiladores (Programas de computador); Aprendizado do computador; Inteligência artificial; Compilers (Computer programs); Machine learning; Artificial intelligence

Os compiladores modernos aplicam otimizações aos códigos, na tentativa de melhorar os códigos gerados. O problema de seleção de otimizações consiste na escolha de uma sequência de otimizações que seja capaz de gerar um código de boa qualidade. Nesse contexto, o espaço de busca é amplo, consequentemente uma busca exaustiva é impraticável. A aplicação da aprendizagem contínua de longo prazo mostra-se uma alternativa viável e prática para reduzir o custo de uma busca exaustiva. Contudo, o custo de se obter uma sequência de otimizações ainda demanda várias avaliações - compilar, executar e medir o tempo de execução do programa a cada sequência encontrada -, o que inviabiliza a aplicação de estratégias desse porte para usuários finais. O objetivo deste trabalho é aplicar aprendizagem contínua de longo prazo ao problema de seleção de otimizações, avaliando os códigos gerados sem a necessidade de uma execução real. Espera-se contribuir no intuito de aproximar tal estratégia a usuários finais, reduzindo o seu custo computacional.