能耗作为嵌入式软件最重要的质量关注属性之一,如何降低嵌入式软件的执行能耗是当下的一个研究热点,特别是在一些电量受限且需要大量部署嵌入式设备的环境下,降低嵌入式软件的能耗是一个亟待解决的问题。研究表明,嵌入式软件编译时的能耗优化可无需改动软件源代码,并保证嵌入式软件的功能语义一致性。另外,开源编译器LLVM已广泛应用于嵌入式软件源代码的编译。因此,基于LLVM的嵌入式软件编译时能耗优化具有重要的商业价值和研究意义。近年来,也涌现出许多嵌入式软件编译时优化方法,但已有成果大多都存在着优化时间长、可移植性差、未考虑编译选项之间的相互影响和优化过程产生大量的无效耗时等问题。针对上述问题,本文提出了频繁模式帮助的启发式快速迭代算法（A Fast Heuristic Iteration Algorithm based on Frequent Sequence Mining,简称FHIA-FSM）和基于贝叶斯优化框架的LLVM选项序列优化算法（LLVM Option Sequence Optimization Algorithm based on Bayesian Optimization,简称BO-LLVM）,并开发了面向能耗的LLVM选项序列优化平台。主要工作内容如下:1)提出频繁模式帮助的启发式快速迭代算法FHIA-FSM:针对已有方法评估时间长、解质量不高和存在许多无效评估等问题,提出频繁模式帮助的启发式快速迭代算法。首先,该算法引入了避免选项序列重复评估机制来避免大量无效的评估;其次,设计了面向能耗改进的频繁序列挖掘算法,生成带能耗标注的频繁模式树并将频繁模式树作为启发式信息来快速生成新解;最后,将本文的算法FHIA-FSM与已有算法Georgiou在7个代表性案例下开展实验对比研究,结果表明:FHIA-FSM算法不仅能有效降低能耗（较Georgiou平均降低3.54%,最高降低10.30%）,而且优化时间更短（在相同解质量下较Georgiou平均降低24.44%,最高降低61.39%）;FHIA-FSM算法中的避免选项序列重复评估机制不仅能保证能耗评估的精度（使用该机制评估能耗的精度都为100%）,而且能有效降低算法的运行时间（平均降低4.25%,最高降低8.74%）。2)提出基于贝叶斯优化框架的LLVM选项序列优化算法BO-LLVM:针对已有方法的目标函数评估耗时且消耗大量评估资源等问题,提出基于贝叶斯优化框架的LLVM选项序列优化算法。首先,该算法通过分析编译后的二进制文件相关性,间接量化选项序列的相关性,提出了基于CRC码的概率代理模型,并利用二进制文件的差异性构建协方差矩阵;其次,提出高效的初始解生成方法和变异算子对获取函数进行优化,从而提高解质量和加快算法收敛;最后,将本文的算法BO-LLVM与本文FHIA-FSM、GA和MICOMP算法在7个案例下开展实验对比研究,结果表明:BO-LLVM不仅能有效降低能耗（在相同执行时间下,较FHIA-FSM平均降低2.95%,较GA平均降低7.10%,较MICOMP平均降低1.80%）,而且收敛速度优于FHIA-FSM、GA和MICOMP算法（较FHIA-FSM平均提升为4.61%,最大提升为8.79%;较GA平均提升为25.86%,最大提升为41.64%;较MICOMP平均提升为27.25%,最大提升为41.62%）。3)设计并实现了面向能耗的LLVM选项序列优化平台:该平台通过对选项序列优化算法、能耗测量系统和编译过程的封装,实现了本文实验方案的自动化,并且内嵌了许多常用的算法和外部组件,有效地提高LLVM嵌入式软件编译时优化的研究效率。