Attrot, WesleySilva, Pedro Zaffalon da2025-10-062025-10-062025-07-10https://repositorio.uel.br/handle/123456789/18959A 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.porAprendizado de máquinaSistemas de computaçãoAprendizado do computadorConjunto de DadosColoração de grafosAlocação de RegistradoresAprendizado de MáquinaOtimização de CompiladorConjunto de DadosDissertaçãoCiências Exatas e da Terra - Ciência da ComputaçãoCiências Exatas e da Terra - Ciência da ComputaçãoMachine learningComputer systemsMachine learningData setsGraph coloringRegister AllocationMachine LearningCompiler OptimizationDataset