Saya tertarik pada optimalisasi aliran data dan grafik aliran kontrol dan khususnya yang lebih kompleks secara komputasional. Tetapi juga akan menarik untuk mengetahui tentang penemuan terbaru di bidang optimasi lubang intip.
Saya tertarik pada optimalisasi aliran data dan grafik aliran kontrol dan khususnya yang lebih kompleks secara komputasional. Tetapi juga akan menarik untuk mengetahui tentang penemuan terbaru di bidang optimasi lubang intip.
Jawaban:
Saya tidak yakin bagaimana novel itu, atau jika terlalu banyak di sisi yang diterapkan untuk kepentingan Anda, tetapi Hoopl menunjukkan bagaimana pengoptimalan aliran kontrol / data dapat dimodulasi, dengan penyebaran fakta tentang simpul grafik kontrol yang independen dari pengoptimalan bahasa dan spesifik.
Mereka merujuk algoritma 2002 Lerner, Grove dan Chambers yang menyusun optimasi sederhana menjadi "superoptimisasi".
Saya kira teknik Saturasi Kesetaraan , sebagai pendekatan yang berbeda untuk masalah optimasi melalui pemesanan, akan relevan. Sepengetahuan saya, itu belum terbukti praktis dengan implementasi konkret dalam kompiler penuh. Pengoptimalan Pengumpul Kompilasi berikut dari Bukti juga mungkin menarik.
Ada sedikit kebangkitan dalam kompiler pengoptimal yang terverifikasi. Selain kertas Lerner (disebutkan dalam komentar sebelumnya), Anda mungkin melihat proyek CompCert yang dipimpin oleh Xavier Leroy. Mereka telah melakukan beberapa hal keren dengan menetapkan optimasi sebagai bukti yang dapat diperiksa oleh mesin (menggunakan Coq ). Saya belum membaca makalah, tetapi proyek The Verified Software Toolchain di Princeton juga tampaknya menghasilkan hasil yang menarik di bidang ini.
Menyadari bahwa baz [i] + = force (foo [i], foo [j]) dalam loop FOR ganda memiliki hasil independen untuk (i, j) dan menyusun ulang panggilan ke dalam kurva pengisian ruang pada (i, j) ke mengurangi kesalahan cache.
Tidak cukup "lubang intip" tetapi mendapatkan perilaku lupa cache untuk "gratis" itu bagus.