83 lines
2.6 KiB
Markdown
83 lines
2.6 KiB
Markdown
|
# QBQP 算法
|
|||
|
|
|
|||
|
|
寄存器分配算法。
|
|||
|
|
|
|||
|
|
## 约束方程的含义
|
|||
|
|
|
|||
|
|
主要就是约束方程了：
|
|||
|
|
|
|||
|
|
$$
|
|||
|
|
min\{ \sum_{i \le i \lt j \le n} X_i^T C_{ij} X_j + \sum_{i=1}^n s_i X_i \}
|
|||
|
|
$$
|
|||
|
|
|
|||
|
|
- $X_i = (x_{i, sp}, x_{i, r_1}, x_{i, r_2}, ..., x_{i, r_K})^T$
|
|||
|
|
- 这里 $x_{i, sp}$ 表示将 $t_i$ spill -> stack 的代价。
|
|||
|
|
- $X_i = (x, xxx, ..., x)^T$ 只有一个 分量=1，其他都是 0
|
|||
|
|
- K 表示 $t_i$ 有 K 个可选的寄存器(不一定是所有的 physical reg，这是显然的，比方说不想要破坏到 callee-saved 寄存器)。
|
|||
|
|
- $C_{ij}$ 量化了 $t_i$ 和 $t_j$ 之间的相互影响
|
|||
|
|
- i === j? (不一定，比方说在传参的时候，i 可以放到 a0， 但是 j 是不能放到 a0 的)
|
|||
|
|
- 但是我有一种想法: 就是我认为还是要把 32 个寄存器全部摆上台面的，如果不能用，我认为可以相应的可以设置为 $\infin$ ，这显然可能会变成一个 稀疏矩阵，然后是不是可以进行 凸优化啥的。如果 i!=j 并且有: $R_i$ ^ $R_j \ne \phi$ 那这可能需要对齐，可能有点麻烦
|
|||
|
|
- 如果 i === j，那么可以做一件事情：将 $c_{ij}$ 的对角线设置为 负数。对角线意味着: virtual reg $t_i$ 和 $t_j$ 是可接合的，可以分配到 同一个 physical reg 的，负数的 语义 是：鼓励接合(代价总是越小越好)
|
|||
|
|
- $s_i = (\vec{cost(i)}, \vec0, ..., \vec0)$
|
|||
|
|
- $\vec{cost(t_i)}$ : $t_i$(virtual reg) 溢出的代价。如果每个 $t_i$ 都选择了 spill ，那么相当于是: $\forall t_i, X_i = (1, 0, ..., 0)$，那么 $\sum_{i=1}^n s_i X_i = \sum_{i=1}^n cost(t_i)$
|
|||
|
|
|
|||
|
|
## 伪代码
|
|||
|
|
|
|||
|
|
伪代码 ( from 华保健 ) 如下：
|
|||
|
|
|
|||
|
|
```pseudocode
|
|||
|
|
void reduce_1(vertex x) {
|
|||
|
|
y = adj(x);
|
|||
|
|
for (i = 1; i < len(E_y); i++) {
|
|||
|
|
delta(i) = min(C_xy(i, :) + E_x);
|
|||
|
|
}
|
|||
|
|
E_y += delta;
|
|||
|
|
remote_vertex(x);
|
|||
|
|
}
|
|||
|
|
|
|||
|
|
void reduce_2(vertex x) {
|
|||
|
|
y, z = adj(x);
|
|||
|
|
for (i = 1; i < len(E_y); i++) {
|
|||
|
|
for (j = 1; j < len(E_z); j++) {
|
|||
|
|
delta(i) = min(C_xy(i, :) + C_xz(j, :) + E_x);
|
|||
|
|
}
|
|||
|
|
}
|
|||
|
|
C_yz += delta;
|
|||
|
|
remote_vertex(x);
|
|||
|
|
}
|
|||
|
|
|
|||
|
|
void reduce_N(vertex x) {
|
|||
|
|
y, z = adj(x);
|
|||
|
|
for (i = 1; i < len(E_y); i++) {
|
|||
|
|
delta(i) = 0;
|
|||
|
|
for (j = 1; j < len(E_z); j++) {
|
|||
|
|
delta(i) = min(C_xy(i, :) + E_y);
|
|||
|
|
}
|
|||
|
|
}
|
|||
|
|
min_index = get_min_index(delta);
|
|||
|
|
for y : vertex in adj(x) {
|
|||
|
|
E_y += C_xy(min_index, :);
|
|||
|
|
}
|
|||
|
|
remote_vertex(x);
|
|||
|
|
}
|
|||
|
|
|
|||
|
|
void solve_PBQP(graph pbqp_model) {
|
|||
|
|
while (pbqp_model still has edges) {
|
|||
|
|
simplify(pbqp_model);
|
|||
|
|
while (there exists any vertex x of degree 1) {
|
|||
|
|
reduce_1(x);
|
|||
|
|
}
|
|||
|
|
while (there exists any vertex x of degree 2) {
|
|||
|
|
reduce_2(x);
|
|||
|
|
}
|
|||
|
|
while (there exists any vertex x of degree >= 2) {
|
|||
|
|
reduce_N(x);
|
|||
|
|
}
|
|||
|
|
}
|
|||
|
|
}
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
### rust
|
|||
|
|
|
|||
|
|
看 src/main.rs (from gpt)
|