RigSet-UEL: um conjunto de dados para alocação de registradores com aprendizado de máquina

Página do item simplificado
dc.contributor.advisorAttrot, Wesley
dc.contributor.authorSilva, Pedro Zaffalon da
dc.contributor.bancaBaldo, Tamara Angélica
dc.contributor.bancaZarpelão, Bruno Bogaz
dc.contributor.coadvisorSenefonte, Helen Cristina de Mattos
dc.coverage.extent105 p.
dc.coverage.spatialLondrina - PR
dc.date.accessioned2025-10-06T13:38:32Z
dc.date.available2025-10-06T13:38:32Z
dc.date.issued2025-07-10
dc.description.abstractA alocação de registradores é uma etapa que impacta significativamente no desempenho de códigos gerados pelo compilador. Geralmente, sua resolução é realizada através da coloração de grafo, sendo, portanto, um problema NP-completo. Devido à sua importância, várias heurísticas foram propostas para a sua resolução. Contudo, a criação delas é um processo complexo e altamente especializado. Em um contexto atual no qual aprendizado de máquina é cada vez mais aplicado em otimizações de compiladores, sua utilização para melhorar a alocação de registradores pode se tornar uma opção interessante. Porém, devido à maior dificuldade para adaptar modelos ao problema de alocação de registradores, apenas recentemente esse tema foi mais pesquisado. Por esse motivo, há uma falta de dados de treinamento voltados para essa problemática. Neste contexto, este trabalho propõe a criação do RigSet-UEL, o primeiro conjunto de dados especializado para treinamento de modelos de aprendizado de máquina aplicados no problema de alocação de registradores. Ainda, é proposto o desenvolvimento de modelos de aprendizado de máquina para a criação de heurísticas para a alocação de registradores, demonstrando o uso do RigSet-UEL e um novo método de aplicar aprendizado de máquina para o problema.
dc.description.abstractother1Register allocation is an important phase for compiler optimization, generally mapped to graph coloring, thus an NP-complete problem. Because of its impact on quality code generation, various heuristic algorithms have been proposed. However, heuristics development is a complex process and requires very specialized domain expertise. Recently, several Machine Learning-based approaches have been proposed to solve compiler optimization problems. However, due to the greater difficulty in adapting models to the register allocation problem, this topic has only recently received more research attention. As a result, there is a lack of training data specifically designed for this problem. In this context, this work proposes the creation of RigSet-UEL, the first specialized dataset for training machine learning models applied to the register allocation problem. Furthermore, it also proposes the development of machine learning models to create novel heuristics to register allocation, demonstrating the use of RigSet-UEL and a novel method for applying machine learning to the problem.
dc.identifier.urihttps://repositorio.uel.br/handle/123456789/18959
dc.language.isopor
dc.relation.departamentCCE - Departamento de Computação
dc.relation.institutionnameUniversidade Estadual de Londrina - UEL
dc.relation.ppgnamePrograma de Pós-Graduação em Ciência da Computação
dc.subjectAprendizado de máquina
dc.subjectSistemas de computação
dc.subjectAprendizado do computador
dc.subjectConjunto de Dados
dc.subjectColoração de grafos
dc.subjectAlocação de Registradores
dc.subjectAprendizado de Máquina
dc.subjectOtimização de Compilador
dc.subjectConjunto de Dados
dc.subject.capesCiências Exatas e da Terra - Ciência da Computação
dc.subject.cnpqCiências Exatas e da Terra - Ciência da Computação
dc.subject.keywordsMachine learning
dc.subject.keywordsComputer systems
dc.subject.keywordsMachine learning
dc.subject.keywordsData sets
dc.subject.keywordsGraph coloring
dc.subject.keywordsRegister Allocation
dc.subject.keywordsMachine Learning
dc.subject.keywordsCompiler Optimization
dc.subject.keywordsDataset
dc.titleRigSet-UEL: um conjunto de dados para alocação de registradores com aprendizado de máquina
dc.title.alternativeRigSet-UEL: dataset for register allocation with machine learning
dc.typeDissertação
dcterms.educationLevelMestrado Acadêmico
dcterms.provenanceCentro de Ciências Exatas

Arquivos

Pacote Original
Agora exibindo 1 - 2 de 2
Imagem de Miniatura
Nome:
CE_COM_Me_2025_Silva_Pedro_Z.pdf
Tamanho:
3.26 MB
Formato:
Adobe Portable Document Format
Descrição:
Texto completo. ID: 194046
Baixar
Nenhuma Miniatura disponível
Nome:
CE_COM_Me_2025_Silva_Pedro_Z_Termo.pdf
Tamanho:
190.3 KB
Formato:
Adobe Portable Document Format
Descrição:
Termo de autorização
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
555 B
Formato:
Item-specific license agreed to upon submission
Descrição:
Baixar

Coleções

02 - Mestrado - Ciência da Computação