所有根据流模式实际上都是具有有限高度的可分配框架的简单例子。这样,迭代算法的前向或逆向版本可以用来解决这些问题,并求出每个问题的MOP解。我们将深人研究一个具有更多有趣性质的有用的数据流框架。
回忆一下常量传播(或者说“常量折叠”),即把那些在每次运行时总是得到相同常量值的表达式替换为该常量值。下面描述的常量传播框架和至今已经讨论的数据流问题都有所不同。不同之处在于:
1)它的可能数据流值的集合是无界的。即使对于一个确定的流图也是如此。
2)它不是可分配的。
所有根据流模式实际上都是具有有限高度的可分配框架的简单例子。这样,迭代算法的前向或逆向版本可以用来解决这些问题,并求出每个问题的MOP解。我们将深人研究一个具有更多有趣性质的有用的数据流框架。
回忆一下常量传播(或者说“常量折叠”),即把那些在每次运行时总是得到相同常量值的表达式替换为该常量值。下面描述的常量传播框架和至今已经讨论的数据流问题都有所不同。不同之处在于:
1)它的可能数据流值的集合是无界的。即使对于一个确定的流图也是如此。
2)它不是可分配的。