Microclustered optimistic simulation

Software-driven simulation as a design and verification tool has become almost ubiquitous in today's industrial and technology-based society. As systems grow in scale and complexity, often on a non-linear basis, demands on simulation change accordingly. Distributed simulation is one approach to deal with such growth. As distributed simulation becomes the norm in various contexts, focus has shifted to the efficiencies of such simulations. A popular approach has been to partition a given problem into sub-units in such a manner as to increase the efficiency of the simulation run. Further, efforts have been made to dynamically re-partition the problem units using run-time metrics. Noting the limitations of static partitioning and contrasting dynamic re-partitioning, this thesis approaches simulation efficiency by proposing an initial over-partitioning of the problem. Using run-time data, we hope to discover potential efficiencies and exploit them by dynamically amalgamating these ''micro-clusters'' as suggested by run-time analysis.La simulation menée par logiciel comme outil de conception et de vérification est devenue presque omniprésente dans la société industrielle et basée sur la technologe d'aujourd'hui. Comme les systèmes se développent en éechelle et en complexité, souvent sur une base non linéaire, les exigences sur la simulation changent en conséquence. La simulation distribuée est une approche pour traiter d'une telle croissance. Alors que la simulation distribuée devient la norme dans divers contextes, le centre d'intérêt s'est porté sur l'efficacité de telles simulations. Une approche populaire a été de diviser un problème donné dans des sous-unités de manière à optimiser l'efficacité de la simulation. De plus, des efforts ont été faits pour répartir les unités de problème en utilisant des données d'exécution. Prenant en compte les limitations de la division statique des partitions et contraste dynamique, cette thèse approche l'efficacité de simulation en proposant une répartition de niveau supérieur du problème. En utilisant des données d'exécution, nous espérons découvrir des efficacités potentielles et les exploiter en amalgamant dynamiquement ces ''microamas'' comme suggérés par l'analyse d'exécution