22、嵌入式系统中程序切片标准的识别与移除以实现代码大小缩减

嵌入式系统中程序切片标准的识别与移除以实现代码大小缩减

1. 静态代码占用空间最小化技术

多年来,出现了三种基本的减少可执行代码大小(即“占用空间”)的技术:
1. 规范子集化 :从标准共享库、API 或类层次结构中移除不常用的功能。
2. 条件编译 :使用预处理器指令,针对每个应用手动移除功能。
3. 代码缩减 :通过修剪所有可能执行路径的图来自动移除死代码。

为了评估这些方法,确定了三个标准:
| 标准 | 描述 |
| — | — |
| 灵活性(标准 1) | 灵活的方法给予开发者自由选择满足设计要求所需功能的权利。 |
| 可维护性(标准 2) | 可维护的方法在应用程序规模增长时仍易于管理,需要某种自动化形式以避免随着代码库增加而导致生产力下降。 |
| 运行时感知(标准 3) | “运行时感知”的方法考虑特定应用的需求,并明确移除开发者认为在运行时永远不需要的功能。 |

1.1 规范子集化

软件架构师为现有软件库指定简化的配置文件(如 API 或类层次结构),以适应资源受限的嵌入式设备。这是通过从标准库规范中移除功能来实现的。例如 Java 2 平台微型版(J2ME),它移除了标准 Java 类库的大部分内容并提供简化的虚拟机解释器,满足了许多嵌入式系统的严格要求。然而,其缺点是简化的配置文件是预先定义的,无法适应意外的应用需求,并且不利用系统运行时条件的知识。

1.2 条件编译

预处理器检查编译时配置标志,

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值