امروزه سامانههای نرمافزاری با نیازهای فزایندهای در زمینه کارایی بالا و استفاده بهینه از حافظه مواجه هستند. روشهای سنتی بهینهسازی که اغلب بهصورت ثابت و از پیشتعریفشده پیادهسازی میشوند، در سازگاری با بارهای کاری پیچیده و پویا با دشواری روبهرو هستند. الگوریتمهای یادگیری ماشین رویکردی امیدوارکننده ارائه میدهند، زیرا میتوانند با یادگیری خودکار الگوها و اتخاذ تصمیمهای هوشمندانه، زمان اجرا (Runtime) و مصرف حافظه را بهینه کنند. این مقاله مروری جامع بر پژوهشهای اخیر در بازه ۲۰۲۱ تا ۲۰۲۵ درباره بهکارگیری تکنیکهای یادگیری ماشین، از جمله شبکههای عصبی، یادگیری تقویتی و الگوریتمهای تکاملی، در بهینهسازی عملکرد سامانههای نرمافزاری ارائه میدهد. همچنین بررسی میکنیم که راهکارهای مبتنی بر یادگیری ماشین چگونه توانستهاند بهبودهای قابلتوجهی ایجاد کنند؛ از جمله کاهش زمان اجرای برنامهها، افزایش بهرهوری حافظه و کش، و تخصیص هوشمندانه منابع در محیطهای ابری.
لینک مقاله:
