[發(fā)明專利]多目標(biāo)編譯優(yōu)化序列選擇的代理建模方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010869346.0
• 申請(qǐng)日: 2020-08-26
• 公開（公告）號(hào): CN112035116B
• 公開（公告）日: 2021-07-16
• 發(fā)明（設(shè)計(jì)）人: 江賀;高國(guó)軍;任志磊
• 申請(qǐng)（專利權(quán)）人: 大連理工大學(xué)
• 主分類號(hào): G06F8/41
• 分類號(hào): G06F8/41;G06N3/12;G06N5/00
• 代理公司: 大連理工大學(xué)專利中心 21200
• 代理人: 李曉亮;潘迅

1.一種多目標(biāo)編譯優(yōu)化序列選擇的代理建模方法，其特征在于，包括以下步驟：

步驟1：編碼；

使用二進(jìn)制編碼來表示編譯優(yōu)化序列；針對(duì)編譯器GCC中二值型的編譯優(yōu)化選項(xiàng)，在二進(jìn)制編碼字符串中，0表示不使用對(duì)應(yīng)位置的優(yōu)化選項(xiàng)，1表示使用對(duì)應(yīng)位置的優(yōu)化選項(xiàng)，采用固定順序的二進(jìn)制編碼即可滿足實(shí)際需求；

步驟2：采用隨機(jī)方法產(chǎn)生初始種群；

步驟3：構(gòu)造適應(yīng)度函數(shù)；

針對(duì)編譯后可執(zhí)行代碼的運(yùn)行速度以及代碼規(guī)模進(jìn)行優(yōu)化：若使用編譯優(yōu)化序列進(jìn)行編譯后得到的程序大小為Size_i，其運(yùn)行速度為Speed_i，未使用任何編譯優(yōu)化序列進(jìn)行編譯后得到的程序代碼規(guī)模和運(yùn)行速度分別為Size₀、Speed₀，則針對(duì)目標(biāo)可執(zhí)行代碼規(guī)模的適應(yīng)度函數(shù)為(Size₀-Size_i)/Size₀，針對(duì)目標(biāo)可執(zhí)行代碼運(yùn)行速度的適應(yīng)度函數(shù)為Speed_i/Speed₀；

步驟4：構(gòu)造代理模型數(shù)據(jù)集

隨機(jī)初始化種群之后，首先，對(duì)種群中每一個(gè)個(gè)體編碼對(duì)應(yīng)的編譯優(yōu)化序列，使用編譯優(yōu)化序列編譯程序，并執(zhí)行編譯后代碼獲取其運(yùn)行速度值以及代碼規(guī)模值；然后，由編譯優(yōu)化序列對(duì)應(yīng)的選項(xiàng)作為自變量，采用步驟3構(gòu)造的兩個(gè)適應(yīng)度函數(shù)獲得對(duì)應(yīng)運(yùn)行速度以及代碼規(guī)模的適應(yīng)度值，將其作為因變量，即編譯優(yōu)化序列選項(xiàng)為數(shù)據(jù)集中的特征值，運(yùn)行速度以及代碼規(guī)模對(duì)應(yīng)的適應(yīng)度值為數(shù)據(jù)集中的目標(biāo)值；最終，構(gòu)造得到用作訓(xùn)練代理模型的數(shù)據(jù)集；

步驟5：構(gòu)造代理模型

針對(duì)運(yùn)行速度和代碼規(guī)模兩個(gè)目標(biāo)分別構(gòu)造隨機(jī)森林模型作為代理模型，具體為：5.1)，有放回的從步驟4構(gòu)造的數(shù)據(jù)集中隨機(jī)選擇與種群規(guī)模大小一致的數(shù)據(jù)用來訓(xùn)練一個(gè)決策樹；5.2)，在決策樹的每個(gè)節(jié)點(diǎn)需要分裂時(shí)選擇一個(gè)特征作為該節(jié)點(diǎn)的分裂特征；5.3)，決策樹的形成過程中每個(gè)節(jié)點(diǎn)按照上一步來分裂，一直到不能再分裂為止；最后，按照步驟5.1)-5.3)建立大量的決策樹，構(gòu)成得到隨機(jī)森林；

步驟6：快速非支配排序

根據(jù)種群中個(gè)體的非劣解對(duì)種群進(jìn)行分層，使搜索向Pareto最優(yōu)解集方向進(jìn)行，具體為：找出種群中的非支配解集，即第一非支配層；將第一非支配層中所有個(gè)體從整個(gè)種群中刪除，繼續(xù)從剩余種群中找到非支配解集，即第二非支配層；如此循環(huán)往復(fù)直至種群中所有個(gè)體都被分層，而同一分層內(nèi)所有個(gè)體具有同樣的非支配序值，進(jìn)而區(qū)分優(yōu)秀解和非優(yōu)秀解；

步驟7：進(jìn)行選擇、進(jìn)化操作得到子種群

7.1)：選擇操作

采用競(jìng)標(biāo)賽選擇方式選擇下一代個(gè)體，7.1.1)，從種群中隨機(jī)選擇兩個(gè)個(gè)體構(gòu)成一組；7.1.2)，根據(jù)每個(gè)個(gè)體的適應(yīng)度值，選擇其中適應(yīng)度值最好的個(gè)體進(jìn)入子代種群；最后，重復(fù)7.1.1)-7.1.2)步驟直至構(gòu)造好子種群；

7.2)進(jìn)化操作

采用單點(diǎn)交叉的方式進(jìn)行交叉操作，在種群中每個(gè)個(gè)體對(duì)應(yīng)的二進(jìn)制編碼串中隨機(jī)設(shè)置一個(gè)交叉點(diǎn)，然后交換兩個(gè)配對(duì)個(gè)體的部分編碼串，最終每個(gè)個(gè)體形成兩個(gè)新的個(gè)體；

步驟8：采用代理模型計(jì)算新種群的近似適應(yīng)度值

采用運(yùn)行速度和代碼規(guī)模兩個(gè)目標(biāo)對(duì)應(yīng)的代理模型計(jì)算經(jīng)過步驟7選擇、交叉后產(chǎn)生的新種群中所有個(gè)體的近似適應(yīng)度值，針對(duì)新種群中的優(yōu)秀解通過實(shí)際編譯獲取其實(shí)際適應(yīng)度值；

步驟9：更新代理模型；

將新種群中優(yōu)秀解的實(shí)際適應(yīng)度值與原有種群所有編譯優(yōu)化序列優(yōu)化效果數(shù)據(jù)合并，進(jìn)而更新代理模型；

步驟10：產(chǎn)生下一代種群

將原種群與新種群合并，并對(duì)其進(jìn)行快速非支配排序，選擇效果更優(yōu)的個(gè)體組成下一代種群；

步驟11：判斷是否達(dá)到迭代終止條件，即算法運(yùn)行過程中實(shí)際適應(yīng)度值計(jì)算次數(shù)到達(dá)指定次數(shù)；若達(dá)到了終止條件，則終止迭代；否則，轉(zhuǎn)到步驟6，繼續(xù)迭代過程；

步驟12：迭代終止，獲得Pareto最優(yōu)解集，進(jìn)而獲得待編譯程序在代碼規(guī)模和運(yùn)行速度兩個(gè)目標(biāo)上合適的編譯優(yōu)化序列。

2.根據(jù)權(quán)利要求1所述的一種多目標(biāo)編譯優(yōu)化序列選擇的代理建模方法，其特征在于，所述步驟2中，在構(gòu)造代理模型的過程中采用支持向量機(jī)或Kriging模型作為代理模型。