1. 研究目的与意义
3. 课题研究目的及意义研究安卓环境下如何评估分析分支预测器的性能，在不同的workload（工作集）下软件控制流（分支复杂度）对特定分支预测器的压力，通过熵的概念引入信息熵[4]并借助其概念方法获得分支熵，评估不同workload下的分支熵的具体变化情况；以及探索出不同workload下分支熵与分支预测准确率之间的具体关系。
使之以后在只知道某个workload的分支熵的情况下，就可以相对准确的预测该workload下分支预测准确率。
2. 国内外研究现状分析
二、国内外研究现状、发展动态上层软件设计过程中引入的控制指令，如if,while,switch-case等，以及面向对象的编程语言中引入的多态、模板等编程模型，也增加了程序执行过程中可能的执行分支；硬件设计中，目前的分支预测器设计思路和cache的理念类似，都是基于历史的，受面积、功耗、程序多样性等因素的影响，预测精度受限。
同时间接分支的引入以及乱序机制的应用增加了指令执行过程的复杂度，也带来了分支预测失败时，其惩罚时间的增加。
一类研究致力于将分支指令分类，针对不同的类别使用不同的分支预测器，从而提高分支预测器的预测精度。
3. 研究的基本内容与计划
安卓应用下分支行为特征的分析与量化三、主要内容及计划 1、主要内容整个课题主要分为两个阶段：(一)提取分支熵[4][6]；(二)比较不同的workload的分支熵的变化，并验证它和分支预测准确率的关系。
基于现有已有硬件arm-android（分支预测器）、网页浏览器（目标应用），分析对象是不同网页的渲染程度（直观来讲就是网页内容的丰富度）；(一)通过模拟器获得各个网页所有的trace流数据，将获得的数据用1948年香农借用热力学第二定律里熵的概念，引入信息熵：表征信息以何种概率产生的量参考文献中的方法[4][5][6][12]，提取分支熵（branch entropy）(描述软件分支预测的复杂度的量化形式)；(二)再用不同的网页即不同的workload（工作集）获得各自的分支熵，评估不同网页下的分支熵的具体变化情况，并突出各个不同workload时对应的分支熵的量化关系（例如：workload1时分支熵0.10(分支熵可能不拘于这种百分比的简单形式也有可能是矩阵等其他量化形式)，workload2时分支熵0.22，workload3时分支熵0.78等类似的具体关系）。
并继续探索和验证获得的分支熵是否有价值，即看它和对应的分支预测准确率之间的关系，明确两者的量化关系。
4. 研究创新点
四、特色与创新在现有硬件的基础上、通过分析对象（软件）在目标应用上的运行，由模拟器获得trace流数据；1948年香农借用热力学第二定律里熵的概念，引入信息熵：表征信息以何种概率产生的量[11]。
即，有限状态集中{S1,S2,S3,,Sn}，已知一定的序列及其概率，推测下一个状态出现的概率，其形式表达为：H=-K∑_i^n〖p_i logp_i 〗 ，将此概念用于实践探索获得分支熵；再探索验证分支熵与对应的分支预测准确率之间的量化关系。
