В статье описываются результаты исследования, направленного на совершенствование инструментов реализации больших агентных моделей на суперкомпьютерах. Для проведения эффективного расчета модели с использованием суперкомпьютера требуется распределить агентов равномерно по всем задействованным процессорам суперкомпьютера таким образом, чтобы минимизировать связи между агентами, размещенными на разных процессорах. Связи агентов можно представить в виде графа, а затем для его разбиения на относительно изолированные части применить алгоритмы графовой декомпозиции.

Самой многочисленной является популяция агентов-людей, каждый из которых может быть связан с множеством других агентов-людей благодаря родственным отношениям, соседству, участию в совместной работе (в том числе, и занятости в одном проекте). А кроме того, связан агентами следующих уровней иерархии – предприятиями, муниципальными образованиями и т.д. Агенты других уровней также образуют графы, например, предприятия участвуют в совместных проектах, а регионы в модели характеризуются графом транспортной связности. Теснота связи агентов, под которой понимается интенсивность обмена сообщениями, сильно варьируется даже в пределах связей агентов одного типа, что также должно быть учтено в процедуре декомпозиции графов.

Описанная структура модели приводит к формированию крупномасштабного графа агентов разных типов, который целесообразно разбить на блоки, связанные с регионами, так как наиболее интенсивный обмен сообщениями приходится на связи агентов-людей в местах их проживания. Таким образом, расчетная сетка будет состоять из ячеек, соответствующих регионам, а задача обеспечения эффективности расчета модели с использованием суперкомпьютера решается путём распределения ячеек, содержащих агентов, по процессорам. Это распределение производится с учётом веса ячеек (численности агентов в них) и числа связей между каждой парой ячеек. Для эффективного разбиения множества ячеек на подмножества равного размера с минимумом связей были реализованы алгоритмы графовой декомпозиции METIS/ParMETIS (Karypis, Kumar, 1995), которые успешно применяются для распределения графов больших размерностей (до 10⁹) в задачах декомпозиции и переупорядочивания расчётных сеток, матриц и графов.

Для расчетов использовались два суперкомпьютера: МВС-100K (Межведомственный суперкомпьютерный центр РАН, г. Москва) и Tianhe-2 (Национальный университет оборонных технологий КНР, г. Гуанчжоу).