سهیلا نوبهاری کوزه کنان - دانشگاه آزاد اسلامی واحد شبستر
شهریار لطفی - دانشگاه تبریز گروه علوم و کامپیوتر

موازی سازی حلقه ها در محاسبات علمی که در صنعت کاربرد زیادی دارند، مسئله مهمی میباشد. در کل موازی سازی حلقه های تودرتو با وابستگیهای تکرار-متقابل غیر یکنواخت، سخت است. برای موازیسازی حلقه های تودرتو ابتدا باید وابستگیهای دادهای در بین تکرارهای حلقه مشخص شود. حاصل این تحلیل، بردارهای وابستگی بین تکرارهای حلقه در فضای تکرارهای حلقه است. برای تسهیل در تولید کد موازی حلقه های تودرتو بهتر است فضای غیر یکنواخت تکرار حلقهها به فضای یکنواخت با بردارهای پایه و ثابت تبدیل شود. هدف، کاهش این بردارها در فضای جدید است و اندازه مخروط وابستگی بردارهای پایه کمینه باشد. در این مقاله، یک روش جدید با بهکارگیری یک رویکرد تکاملی برای یکنواختسازی فضای تکرار غیر یکنواخت برای غلبه بر مشکلات در موازیسازی یک حلقه تودرتوی دو بعدی ارایه شده است. اساس روش ارایه شده، بر روی مفهوم تجزیه بردار است؛ به طوریکه، یک مجموعه ساده و کوچکی از وابستگیهای پایه برای پوشاندن همه وابستگیهای غیر یکنواخت ممکن در حلقه تودرتو جستجو میشود. در روشهای قبلی بردارهای پایه، بیشتر بهصورت بردارهای یکه و یا بردارهایی با مولفه x منفی بودند. بهعبارت دیگر، به جهت بردارها توجهی نشده است. ولی در روش ارایه شده در این مقاله، این ایرادها برطرف شده است.

الگوریتمهای ژنتیک، تجزیه بردار، فضاهای تکرار یکنواخت و غیر یکنواخت حلقه، موازیسازی حلقه، یکنواختسازی