Автотьюнінг програм – це метод самоналаштування внутрішніх параметрів програми, що мають вплив на її швидкодію, з метою досягнення найвищих показників продуктивності, проте він може вимагати багато часу на випробування. В роботі запропоновано вдосконалення методу автотьюнінгу програм з використанням нейромережевих алгоритмів та статистичного моделювання. Автоматичне навчання моделі програми на результатах “традиційних” циклів тьюнінгу з подальшою підміною частини запусків автотьюнера оцінкою з апроксимаційної моделі дозволяє значно прискорити пошук оптимального варіанта програми.
Автотьюнинг программ – это метод самонастройка внутренних параметров программы, влияющие на ее быстродействие, с целью достижения высоких показателей производительности, однако он может потребовать много времени на испытания. В работе предложено совершенствование метода автотьюнинга программ с использованием нейросетевых алгоритмов и статистического моделирования. Автоматическое обучение модели программы на результатах "традиционных" циклов тьюнинга с последующей заменой части запусков автотьюнера оценкой из аппроксимационной модели позволяет значительно ускорить поиск оптимального варианта программы.
Auto-tuning of programs is a method of self-tuning of internal parameters of the program, affecting its speed, in order to achieve high performance indicators, but it can take a lot of time for testing. In this paper, we propose to improve the method of auto-tuning of programs using neural network algorithms and statistical simulation. The automatic learning of the program model on the results of the "traditional" tuning cycles with the subsequent replacement of some auto-tuner calls with an evaluation from the approximation model allows to significantly accelerate the search for the optimal program variant.
