علی متقی - استادیار، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی دانشگاه دامغان، دامغان
رضا مرتضوی - استادیار، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی دانشگاه دامغان، دامغان

با وجود افزایش قدرت سخت افزارهای امروزی نسبت به گذشته، استفاده بهینه از منابع و افزایش سرعت برنامه ها همچنان برای برنامه نویسان اهمیت دارد. از جمله مهم ترین عوامل موثر در زمان و حافظه مصرف شده برنامه ها، الگوریتم، جزئیات پیاده سازی و نیز کامپایلر مورد استفاده است. بسیاری از کامپایلرها مانند gcc دارای سویچ هایی متنوعی هستند که برنامه نویس می تواند با انتخاب آنها نیازهای خود را برای چگونگی ترجمه به کامپایلر بگوید. زبان های C و C++ به دلیل پیچیدگی ساختاری می توانند به اشکال متنوعی بهینه سازی شوند که نتیجه ی اعمال این بهینه سازی ها الزاما در همه ی موارد منجر به کاهش زمان اجرا نمی شود؛ حتی بر روی یک ماشین ثابت نیز، مجموعه ای از سوئیچ های بهینه سازی مطلوب برای یک برنامه الزاما برای برنامه ی دیگر مناسب نخواهد بود. با توجه به فضای جستجوی بسیار بزرگ برای این سوئیچ ها، استفاده از روش های جستجوی فضای حالت هوشمند مربوط به الگوریتم های تکاملی توجیه پذیر است؛ در بین این روش ها، الگوریتم ژنتیک با توجه به امکان اجرای موازی و نتایج معمولا خوبی که به دست می آورد از جایگاه ویژه ای برخوردار هست. در این مقاله الگوریتم ژنتیک با هدف کمینه سازی زمان اجرای بعدای برنامه محاسباتی پایه به صورت موازی پیاده سازی شده است و نتایج آن با حالت های پیش فرض بهینه سازی خود کامپایلر و نیز روش شبیه سازی ذوب فلزات مقایسه شده است. نتایج حاصل نشان دهنده بهبود زمان اجرا در همه موارد نسبت به پیش فرض های کامپایلر تا حدود ۸٪ می شود. به علاوه پیاده سازی فوق نشان از بهبود زمان کل فرآیند بهینه سازی نسبت به شبیه سازی ذوب فلزات به اندازه حداقل ۳ برابر می باشد که می تواند برای کاربردهای عملی مخصوصا در محاسبات علمی مورد توجه باشد.

بهینه سازی ترجمه، الگوریتم ژنتیک، کامپایلرgcc،سوئیچ های کامپایلر، موازی سازی