提交内容结构说明

• doc中包含本组所写的提交文档，包含AI for Compiler进展调研、复现效果、提出的AI for Compiler机制以及自开发算法几方面。 除此之外还包含原创承诺书。其中：
  • 调研报告&方案设计文档： AI for compiler调研报告&方案设计文档.pdf
  • 调研报告&方案设计文档： OptSeqPrePro：一种基于自适应遗传算法的优化序列选择预测方法.pdf
  • PPT： AI for compiler 调研报告.pptx
  • PPT： OptSeqPrePro：一种基于自适应遗传算法的优化序列选择预测方法.pptx
  • 承诺书： 操作系统开源创新大赛原创承诺书.pdf
• video中包含讲解视频：AI for compiler 优化挑战.mp4
• benchmarks中包含使用的benchmark
• algorithms中包含所实现的算法
• optcache是一个需要用到的库

OptSeqPrePro说明

本方法OptSeqPrePro是在方法OptimizationCache的基础上提出的，用于对程序进行优化序列选择上的预测。OptimizationCache通过不断对程序应用多种优化序列并判断哪种优化序列的效果最佳的方式形成一个预测表，达到判断相同类型程序应采取何种优化序列能达到最优效果的目的。OptimizationCache在不断应用优化序列的过程中采用了GenS遗传算法对优化序列进行种群的选择、交叉和变异，旨在发现效果更佳的优化算法。问题就出现在GenS算法的实现中。

GenS主要有以下两个不足之处：

• 其采用固定的种群交叉率和变异率，无法根据当前种群 的适应度动态调整。
• 容易陷入局部最优解。

因此我们对这两点做出了以下改进：

• 用强化学习（RL）的方式实现自适应遗传算法，自适应调整交叉率和变异率，达到动态调整操作参数，以平衡探索与利用的目的。
• 引入模拟退火的全局优化算法，以一定的概率接收表现不佳的劣质解，逐渐降低温度来减少这种行为。