Exploitation des potentialités des cartes graphiques à l’optimisation des algorithmes évolutionnaires

Abstract

Cette thèse constitue l’une des premières études sur l’impact de la programmation orientée GPU sur quelques aspects de la vie artificielle, telle que la robotique évolutionnaire. A cette occasion, nous fournissons une série d’expérimentations nouvelles dans les domaines de la conception de robots humanoïdes. La robotique évolutionnaire est un domaine qui s’intéresse à la création de programmes réalisant des contrôles adaptatifs pour des robots artificiels en exploitant les principes évolutionnistes. Atteindre l’objectif ultime de robots évolutionnaires viables nécessitera une puissance de calcul énorme, cette puissance étant jusqu’alors fournie principalement par des processeurs (CPUs) standards. La demande sans cesse croissante du marché haute performance pour les graphiques 3D temps réel a permis de faire subir aux architectures massivement parallèles des processeurs graphiques (GPUs) une évolution spectaculaire en matière de puissance de calcul graphique. Cette augmentation de la puissance et la flexibilité qu’elle dénote, conjuguées au faible coût de ces GPUs ont eu comme conséquence inattendue de voir leur utilisation s’étendre à des domaines étrangers à celui pour lequel ils ont été conçus, le graphisme. Par son extension, cet usage a reçu un nom, c’est le GPGPU (General Purpose computation on GPU). Motivés par les besoins de calcul considérables liés aux domaines de recherche s’inscrivant dans les thématiques de vie artificielle, nous nous proposons dans cette thèse d’exploiter les concepts GPGPU à des applications spécifiques du domaine de la vie artificielle. Différents modèles évolutionnaires intéressants ont été élaborés pour traiter des questions scientifiques importantes pour l’acquisition et la génération des actions de robots. Bien qu’il ne nous est pas aisément offert de mieux comprendre les aspects scientifiques les plus importants, la compréhension de leur complexité et la multiplication de leur utilisation ont fait émerger une évolution favorable au cours de ces dernières années. En raison de leur parallélisme inhérent, les algorithmes évolutionnaires semblent bien adaptés pour être exécutés sur des architectures massivement parallèles telles que les GPUs. Dans cette thèse, nous mettons cette assertion à l’épreuve en effectuant des expériences complètes pour une approche en rapport avec la robotique évolutionnaire. Cette thèse présente plusieurs cas où l’application du concept du GPU Computing sur des algorithmes de la vie artificielle et spécialement ceux de la robotique évolutionnaire a abouti à l’élaboration de modèles à grande échelle avec une complexité inédite permettant la réalisation de nouvelles expérimentations