基于多面体模型源码到源码技术

1）

自动推导，对于编译编译中的多面体，主要是做速度优化。有一点差异，操作是类似的。10年毕业 的，PLDI08。后面就没有跟了。还是用多面体，特殊形式，效率会高一点。

首先，多面体是一个不等式组，IF，赋值是等式变换，循环展开就是IF+赋值语句。

IF- ENDIF，

区间，类似的。加IF。变来变去。都可以映射到几何上的操作。

表示不等式，整数规划或者线性规划，实数。

图变来变去，一直操作这个图。把变量范围包在里面。

设置一个评价函数。平面上，多面体，程序点，用多边形包住。

数组原来一样，下标。I，J，右上角，IJ两个没有交集，不会冲突。

毕业之后 ，有什么进展不清楚。

现在还用多面体，对称多包体，还是做程序程序分析，Fortran，神经网络。

实现过多面体，后面的都自己用。

Apron, Ellinnat, 这两个库用得比较多。数学领导CCDLIB，纯做数学操作。

编译前端，IF语句，是约束。约束表示。XYZ的系数。这一部分，程序分析里面有自己这个。LLVM前端，换成，传进去。

返到程序里面，也要自己写。做过实验，做到编译优化里面。框架本身有例子了，开源的上面做更加快一点。基本上都是，实现过多面体，学习基本上也在用。文章不好出。让他们用。

没有做编译那一块，属于在传统程序分析里面。

2）

首先对输入
串行C 代码中的静态控制块进行抽取和依赖分析，通过调度变换和并行映射，
最终生成在DCU 平台主机端和设备端上运行的HIP 代码。

这个逻辑流程是对的。

3）

在程序调度计算过
程中，参数化分块大小。首先为内核调度生成一个搜索空间，生成不同次序的
候选并行调度。其次，分析线程间和线程内这两种数据重用和总访问代价，找
到最大数据重用率，在满足最大数据重用下，获得最大的性能和效率来选择最
优调度。实验结果表明，该方法有效优化程序执行效率，与使用
默认分块大小的测试结果对比，性能平均得到19%的提升。

分块大小是个比较简单的参数。

4）针对现有并行调度求解
中循环合并与循环并行化的冲突，实现了一种启发式的并行映射优化方法，在
保证循环并行优化的前提下，修改代码生成过程中调度树映射策略。以增量调
度中的约束限制为条件，对不适合并行计算的计算语句修改映射策略，重新生
成代码，降低内核函数启动开销。实验结果表明，该方法更好地利用DCU 硬件
资源，提高DCU 内核代码执行效率。与多种不同循环合并策略相对比，优化后

内核函数执行平均加速比达1.48 倍。