Délégation GPU des perceptions agents : application aux boids de Reynolds
L'utilisation du GPGPU (General-Purpose Computing on Graphics Processing Units) pour la simulation multiagent permet d'améliorer les performances des modèles et lève une partie des contraintes liées au passage à l'échelle. Cependant, adapter un modèle pour qu'il utilise le GPU est une tâche complexe car le GPGPU repose sur une programmation extrêmement spécifique et contraignante. C'est dans ce contexte que la délégation GPU des perceptions agents a été proposée. Ce principe consiste à réaliser une séparation claire entre les comportements de l'agent (gérés par le CPU) et les dynamiques environnementales (manipulées par le GPU) dans le but de faciliter l'implémentation de SMA sur GPU. Il a été appliqué sur un cas
d'étude et a montré de bons résultats en termes de performances et de conception. Dans cet article, nous proposons de tester la généricité de cette approche en appliquant le principe de délégation GPU sur un modèle agent très classique : les boids de Reynolds. Nous montrons que le principe de délégation offre des résultats intéressants au niveau des performances mais aussi d'un point de vue conceptuel.
General-Purpose Computing on Graphics Processing
Units (GPGPU) allows to extend the
scalability and performances of Multi-Agent
Based Simulations (MABS). However, GPGPU
requires the underlying program to be compliant
with the specific architecture of GPU devices,
which is very constraining. In this context,
the GPU Environmental Delegation of Agent
Perceptions principle has been proposed to ease
the use of GPGPU for MABS. This principle
consists in making a clear separation between
the agent behaviors, managed by the CPU, and
environmental dynamics, handled by the GPU.
For now, this principle has shown good results,
but only on one single case study. In this paper,
we further trial this principle by testing its
feasibility and genericness on a classic ABM,
namely Reynolds's boids. To this end, we first
review existing boids implementations and propose
our own benchmark model. The paper then
shows that applying GPU delegation not only
speeds up boids simulations but also produces
an ABM which is easy to understand, thanks to
a clear separation of concerns.