能耗是嵌入式软件系统的关键重要属性。据报道,在嵌入式系统中高达80%的能耗直接与软件执行活动密切相关。因而在电能缺乏电池更换不便的户外嵌入式系统的情况下,降低嵌入式软件的能耗具有更为重要的作用。近年来,在能耗优化这一方面,GCC（GNU Compiler Collection,GNU编译器套件）编译选项的选择问题已成为一个热门的研究话题,人们已经提出通过选择一组最佳编译选项在给定的执行平台下对嵌入式软件源代码进行编译,可以获取能耗更低的可执行代码。但仍面临几个挑战,GCC编译器提供了大量的编译选项,构成了庞大且离散的选择空间。同时编译选项之间及编译选项与能耗之间存在着潜在的复杂影响,其次频繁选项模式的启发信息不全和单点编译效率不高,较少的考虑能耗目标值之间的大小排序信息,这些问题潜在的对提高搜索效率、优化质量以及目标值评估耗时长方面带来相当大的挑战。针对上述问题,本文在前期研究成果的基础上提出一种基于贝叶斯网和随机森林的GCC编译时能耗演化优化方法BN-EDA（Bayesian network Estimation of Distribution Algorithms,简称BN-EDA）。本文的研究内容包括:（1）提出一种带能耗标注频繁选项模式挖掘方法。该方法借助逐代替换参考点和事务表的机制以降低事务表大小,在此基础上提出可获取更多启发式信息的繁编译选项挖掘算法,并采用逐代挖掘的策略有利于保持频繁选项模式的时效性,这样有效地提高了收敛速度。（2）提出基于贝叶斯网和随机森林的能耗优化方法。该方法为有效捕获编译选项之间及优化目标与编译选项之间潜在的复杂影响关系,设计基于贝叶斯网的高效建模算法,为优化目标下选用潜在优的编译选项提供支持。为考虑能耗目标值之间的大小排序信息,将序的概念引入到随机森林构建能耗预测模型,进而帮助提高解质量和减少能耗的评估时间。（3）设计GCC编译时能耗演化优化算法。针对单个频繁选项的能耗标注所体现的启发式信息进行单点变异,没有完全利用多个频繁选项同时选用的次数和能耗标注等启发式信息且变异效率不高的问题,提出GCC编译时能耗演化优化算法,进一步采用最大频繁模式匹配帮助的多点变异方法,以此来提升优化质量和加快收敛速度。（4）构建了基于GCC编译时能耗优化框架。在本文中提出了频繁选项模式挖掘方法、贝叶斯网和随机森林的优化方法以及编译时能耗演化方法,把这些研究方法有效结合起来,应用到集成开发环境中,以便利于相关的研究人员研发。（5）设计实验对比验证。将本文BN-EDA方法与GA-FP（Genetic Algorithm Frequent Pattern）算法在8个不同规模的案例进行了对比实验。实验结果表明:本文BN-EDA方法能获得更优的解质量和收敛速度;在演化的过程中融入序的随机森林预测模型不仅保持预测的准确度,同时也有效降低能耗的评估时间。