update

README.md

@@ -7,7 +7,7 @@
 主要就是约束方程了：
 
 $$
-min\{ \sum_{i \le i \lt j \le n} X_i^T C_{ij} X_j + \sum_{i=1}^n s_i X_i \}
+min\{ \sum_{i \le i \lt j \le n} X_i^T C_{ij} X_j + \sum_{i=1}^n X_i^T \vec{cost(t_i)} \}
 $$
 
 - $X_i = (x_{i, sp}, x_{i, r_1}, x_{i, r_2}, ..., x_{i, r_K})^T$
@@ -18,8 +18,29 @@ $$
   - i === j? (不一定，比方说在传参的时候，i 可以放到 a0， 但是 j 是不能放到 a0 的)
   - 但是我有一种想法: 就是我认为还是要把 32 个寄存器全部摆上台面的，如果不能用，我认为可以相应的可以设置为 $\infin$ ，这显然可能会变成一个 稀疏矩阵，然后是不是可以进行 凸优化啥的。如果 i!=j 并且有: $R_i$ ^ $R_j \ne \phi$ 那这可能需要对齐，可能有点麻烦
   - 如果 i === j，那么可以做一件事情：将 $c_{ij}$ 的对角线设置为 负数。对角线意味着: virtual reg $t_i$ 和 $t_j$ 是可接合的，可以分配到 同一个 physical reg 的，负数的 语义 是：鼓励接合(代价总是越小越好)
-- $s_i = (\vec{cost(i)}, \vec0, ..., \vec0)$
-  - $\vec{cost(t_i)}$ : $t_i$(virtual reg) 溢出的代价。如果每个 $t_i$ 都选择了 spill ，那么相当于是: $\forall t_i, X_i = (1, 0, ..., 0)$，那么 $\sum_{i=1}^n s_i X_i = \sum_{i=1}^n cost(t_i)$
+- $\vec{cost(t_i)}$ : $t_i$(virtual reg) 溢出的代价。如果每个 $t_i$ 都选择了 spill ，那么相当于是: $\forall t_i, X_i = (1, 0, ..., 0)$，那么 $\sum_{i=1}^n s_i X_i = \sum_{i=1}^n cost(t_i)$
+
+## 启发式 规约求解
+
+### reduce 1
+
+如果只有 $K^2$ 的完全图，有两个节点 X 和 Y ，
+那么上面的约束方程可以写成:
+
+$$
+min\{ X^T C Y + X^T \vec{cost(x)} + Y^T \vec{cost(y)} \}
+$$
+
+最终经过一通数学计算可以得到：
+（如何求解？ 一个关键步骤是: 令 某一串式子 = 0 ）
+
+$$
+Y^T ( \vec{cost(y)} + ( ... min\{ X + C_{,k} \}_{ 1 \le k \le i } ... )_{i} )
+$$
+
+### reduce 2
+
+### reduce N
 
 ## 伪代码