Abstract FR:

Avec le développement des architectures parallèles et l'adaptation d'algorithmes sur ces machines, les champs d'application deviennent de plus en plus importants, les tailles des problèmes plus grandes et les structures plus complexes. Nous avons étudié la parallélisation de la méthode du gradient conjugué pré conditionné selon un modèle de programmation data parallèle pour des structures de données irrégulières avec deux familles de pré conditionnement: polynomiaux et ilu. Nous explicitons la méthodologie de programmation, ce qui nous permet ensuite de définir et d'étudier différentes complexités. Les expériences numériques réalisées sur cm-2 et cm-5 ont permis de mettre en évidence l'importance du placement des données sur les processeurs. Nous montrons aussi les relations entre les patrons des matrices et les performances des communications générales. Les performances des pré conditionnements mettent en évidence la dualité entre efficacité numérique et efficacité en mflops. Nous proposons pour prendre en compte ces facteurs un pré conditionnement hybride qui introduit un paramètre qui permet de réduire les communications. Nous avons aussi pu comparer les deux cm et leurs langages. Néanmoins, nous devons constater que la gestion des structures creuses irrégulières est laissée au programmeur. Les bonnes performances de notre approche pour des structures de données irrégulières, nous ont permis de définir des spécifications pour intégrer le calcul creux sur de telles structures dans un environnement de programmation data parallèle: help. Pour conclure, nous évoquons le problème des choix de compromis pour les pré conditionnements parallèles et les perspectives futures pour la programmation data-parallèle sur des structures de données irrégulières