52386401b3
Major Features: - Debug counter infrastructure for Refill Stage tracking - Free Pipeline counters (ss_local, ss_remote, tls_sll) - Diagnostic counters for early return analysis - Unified larson.sh benchmark runner with profiles - Phase 6-3 regression analysis documentation Bug Fixes: - Fix SuperSlab disabled by default (HAKMEM_TINY_USE_SUPERSLAB) - Fix profile variable naming consistency - Add .gitignore patterns for large files Performance: - Phase 6-3: 4.79 M ops/s (has OOM risk) - With SuperSlab: 3.13 M ops/s (+19% improvement) This is a clean repository without large log files. 🤖 Generated with [Claude Code](https://claude.com/claude-code) Co-Authored-By: Claude <noreply@anthropic.com>
72 lines
2.4 KiB
C
72 lines
2.4 KiB
C
/* hakmem_ace_ucb1.h - UCB1 Multi-Armed Bandit Learning
|
||
*
|
||
* Upper Confidence Bound (UCB1) アルゴリズム:
|
||
* - 複数の候補値（arm）から最適なものを学習
|
||
* - Exploration (探索) と Exploitation (活用) のバランス
|
||
* - UCB value = avg_reward + c * sqrt(log(total_pulls) / n_pulls)
|
||
*/
|
||
|
||
#ifndef HAKMEM_ACE_UCB1_H
|
||
#define HAKMEM_ACE_UCB1_H
|
||
|
||
#include <stdint.h>
|
||
#include <stdbool.h>
|
||
|
||
/* 最大アーム数 */
|
||
#define UCB1_MAX_ARMS 16
|
||
|
||
/* UCB1 アーム（1つの候補値） */
|
||
struct hkm_ucb1_arm {
|
||
uint32_t value; /* 候補値（例: TLS capacity = 32, 64, 128...） */
|
||
double avg_reward; /* 平均報酬 */
|
||
uint32_t n_pulls; /* 選択回数 */
|
||
};
|
||
|
||
/* UCB1 バンディット */
|
||
struct hkm_ucb1_bandit {
|
||
struct hkm_ucb1_arm arms[UCB1_MAX_ARMS]; /* アームの配列 */
|
||
uint32_t n_arms; /* アーム数 */
|
||
uint32_t total_pulls; /* 総選択回数 */
|
||
double exploration_bonus; /* 探索ボーナス（通常 sqrt(2)） */
|
||
};
|
||
|
||
/* ========== API ========== */
|
||
|
||
/* 初期化: 候補値の配列を渡す
|
||
* 例: uint32_t candidates[] = {32, 64, 128, 256};
|
||
* hkm_ucb1_init(&bandit, candidates, 4, 1.414); // sqrt(2)
|
||
*/
|
||
void hkm_ucb1_init(struct hkm_ucb1_bandit *bandit,
|
||
const uint32_t *candidates,
|
||
uint32_t n_candidates,
|
||
double exploration_bonus);
|
||
|
||
/* アーム選択: UCB値が最大のアームを選ぶ
|
||
* 戻り値: アームのインデックス (0 ... n_arms-1)
|
||
*/
|
||
int hkm_ucb1_select(struct hkm_ucb1_bandit *bandit);
|
||
|
||
/* 報酬更新: 選択したアームの報酬を記録
|
||
* arm_idx: hkm_ucb1_select() の戻り値
|
||
* reward: 報酬値（高いほど良い）
|
||
*/
|
||
void hkm_ucb1_update(struct hkm_ucb1_bandit *bandit,
|
||
int arm_idx,
|
||
double reward);
|
||
|
||
/* アームの値を取得（inline）*/
|
||
static inline uint32_t hkm_ucb1_get_value(const struct hkm_ucb1_bandit *bandit, int arm_idx) {
|
||
if (arm_idx < 0 || arm_idx >= (int)bandit->n_arms) {
|
||
return 0;
|
||
}
|
||
return bandit->arms[arm_idx].value;
|
||
}
|
||
|
||
/* 最良アーム取得（現時点で最高平均報酬）*/
|
||
int hkm_ucb1_best_arm(const struct hkm_ucb1_bandit *bandit);
|
||
|
||
/* デバッグ出力 */
|
||
void hkm_ucb1_print(const struct hkm_ucb1_bandit *bandit, const char *name);
|
||
|
||
#endif /* HAKMEM_ACE_UCB1_H */
|