.png){kind=icon}
返回
Interaction-aware multi-objective optimization method for LLVM compiler option sequences
.png){kind=icon}
PRE
AI
DOI：10.1016/j.peva.2026.102543.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在优化LLVM编译器选项序列以改善代码大小、执行时间和能耗等非功能属性方面已取得显著进展。然而，选项间的交互、选项与目标间的交互以及目标间的交互使得在广阔搜索空间中高效识别多目标非支配序列具有挑战性。本文提出IMOOM，一种面向嵌入式程序执行时间和能耗的交互感知多目标优化方法。IMOOM采用两阶段操作。第一阶段，IMOOM-SL通过拉丁超立方采样捕获选项交互，利用非支配排序和超体积指标对样本进行划分，并通过决策表确认选定的选项，从而在保持解质量的同时缩小搜索空间。第二阶段，IMOOM-SQ构建编码交互频率和目标标注的项目交互图（IIG），以预测两个目标，并将此预测模型与NSGA-II集成，高效获得高质量的非支配序列。在五个领域八个嵌入式程序上的广泛评估表明，IMOOM在超体积、覆盖率指标和反转代距离上优于四种最新方法。IMOOM-SL以80.6%的空间缩减率达到94.5%的选择准确率，而基于IIG的优化在IMOOM-SQ中的有效性得到了经验验证。
Keyword:
Compiler optimization
LLVM option sequence optimization
Multi-objective optimization
Execution time
Energy consumption
期刊
P
IF:
0.8
论文数:
38
被引数:
851
机构
引用论文
Multiobjective evolutionary algorithms: A comparative case study and the Strength Pareto approach多目标进化算法: 比较案例研究和强度帕累托方法
.png){kind=icon}
PREAI
分享收藏Learning based compilation of embedded applications targeting minimal energy consumption以最小能耗为目标的嵌入式应用程序的基于学习的编译
PREAI
分享收藏A tutorial on multiobjective optimization: fundamentals and evolutionary methods多目标优化教程: 基础和进化方法
OAAI
OAAI分享收藏
分享收藏
查看更多内容