Répartition computationnelle efficace entre boîte noire et solveur

Le calcul haute performance joue un rôle essentiel dans la recherche scientifique en permettant de résoudre des problèmes de plus en plus complexes, mais aussi d’accélérer leur résolution. Ces avantages ne sont toutefois possibles qu’avec une utilisation optimale des ressources de calcul. L’optimisation de boîtes noires, où la fonction objectif et les contraintes sont issues de simulations numériques ou expérimentales, est un domaine spécifique de l’optimisation. Lorsque des simulations numériques interviennent dans le processus d’optimisation, elles nécessitent généralement des temps de calcul importants et des ressources conséquentes, constituant ainsi un facteur limitant pour la résolution de problèmes complexes. Ce travail combine calcul parallèle et optimisation de boîtes noires à travers le solveur NOMAD (Nonlinear Optimization by Mesh Adaptive Direct Search), une implémentation logicielle de l’algorithme MADS (Mesh Adaptive Direct Search). En premier lieu, une étude numérique des différentes variantes parallèles de l’algorithme MADS est menée pour évaluer leurs performances. Ensuite, une modélisation du parallélisme de l’algorithme MADS est réalisée dans l’optique de mieux répartir les ressources de calcul entre le solveur d’optimisation et la boîte noire. Cette démarche est motivée par le fait que les boîtes noires exploitent souvent le calcul parallèle, ce qui nécessite une répartition optimale des ressources entre la boîte noire et le solveur pour réduire le temps de calcul tout en obtenant une solution de qualité. Des tests numériques sont alors réalisés sur des problèmes analytiques afin d’étudier l’impact de différentes répartitions des ressources de calcul. Enfin, un test numérique sur une boîte noire réaliste est effectué avec un code C++ simulant une centrale solaire (solar), parallélisée via la programmation par mémoire distribuée. Les résultats obtenus montrent que l’algorithme MADS présente une certaine résilience vis-à-vis de la répartition des ressources de calcul en ce qui concerne la qualité de la solution.