تکنیک های یادگیری ماشین در بهینه سازی کد برنامه ها

هدف از بهینه سازی می تواند تقلیل حجم و افزایش سرعت اجرایی برنامه ها باشد. بسیاری از مسایل مهم بهینه سازی کامپایلر NP-Hard می باشند. نویسندگان کامپایلر انتظار دارند تا راه حلهای موثر و ارزانی را برای این مسائل مانند زمانبندی دستورالعمل ها و تخصیص ثبات ها بیابند. استفاده از یادگیری ماشین می تواند بطور موثری مشکل را حل کند. تکنیکهایی برای اتوماتیک کردن و ساده سازی فرآیند بهینه سازی ضروری است . بنابراین باید تکنیکهای هوشمندی بکاربریم که به سرعت، راه حل تقریبی مناسب را برای دسته بزرگی از برنامه ها پیدا کند. استفاده از یادگیری ماشین می تواند بطور موثری مشکل را حل کند . با استفاده از روشهای یادگیری ماشین بهبودهایی در کامپایلر حاصل شده است و برای رسیدن به نتیجه مطلوب انتخاب روشهای مناسب و انتخاب ویژگیها از اهمیت بسیاری برخوردار است. در این مقاله تکنیک های یادگیری ماشین در بهینه سازی کد بررسی شده است.

کلیدواژه ها:

بهینه سازی کامپایلر ، یادگیری ماشین ، Code Optimization ، Machine Learning