انتخاب سوییچ‌های بهینه‌سازی مناسب برای کامپایلر gcc با هدف افزایش سرعت اجرای برنامه‌های محاسباتی با استفاده از الگوریتم ژنتیک موازی

با وجود افزایش قدرت سخت‌افزارهای امروزی نسبت به گذشته، استفاده بهینه از منابع و افزایش سرعت برنامه‌ها همچنان برای برنامه‌نویسان اهمیّت دارد. از جمله مهم‌ترین عوامل موثر در زمان و حافظه مصرف شده برنامه‌ها، الگوریتم، جزئیات پیاده‌سازی و نیز کامپایلر مورد استفاده است. بسیاری از کامپایلرها مانند gcc دارای سویچ‌هایی متنوعی هستند که برنامه‌نویس می‌تواند با انتخاب آنها نیازهای خود را برای چگونگی ترجمه به کامپایلر بگوید. زبان‌های c و c++ به دلیل پیچیدگی ساختاری می‌توانند به اَشکال متنوعی بهینه‌سازی شوند که نتیجه‌ی اعمال این بهینه‌سازی‌ها الزاماً در همه‌ی موارد منجر به کاهش زمان اجرا نمی‌شود؛ حتی بر روی یک ماشین ثابت نیز، مجموعه‌ای از سوئیچ‌های بهینه‌سازی مطلوب برای یک برنامه الزاماً برای برنامه‌ی دیگر مناسب نخواهد بود. با توجه به فضای جستجوی بسیار بزرگ برای این سوئیچ‌ها، استفاده از روش‌های جستجوی فضای حالت هوشمند مربوط به الگوریتم‌های تکاملی توجیه‌پذیر است؛ در بین این روش‌ها، الگوریتم‌ ژنتیک با توجه به امکان اجرای موازی و نتایج معمولاً خوبی که به‌دست می‌آورد از جایگاه ویژه‌ای برخوردار هست. در این مقاله الگوریتم ژنتیک با هدف کمینه‌سازی زمان اجرای بعدای برنامه محاسباتی پایه به صورت موازی پیاده‌سازی شده است و نتایج آن با حالت‌های پیش‌فرض بهینه‌سازی خود کامپایلر و نیز روش شبیه‌سازی ذوب فلزات مقایسه شده است. نتایج حاصل نشان‌دهنده بهبود زمان اجرا در همه موارد نسبت به پیش‌فرض‌های کامپایلر تا حدود 8٪ می‌شود. به علاوه پیاده‌سازی فوق نشان از بهبود زمان کل فرآیند بهینه‌سازی نسبت به شبیه‌سازی ذوب فلزات به اندازه حداقل 3 برابر می‌باشد که می‌تواند برای کاربردهای عملی مخصوصاً در محاسبات علمی مورد توجّه باشد.