В статье представлен подход к моделированию миграционных и демографических процессов с использованием платформы FLAME GPU, предназначенной для крупномасштабного агент-ориентированного моделирования. Данный подход основан на ранее предложенной имитационной модели взаимодействия двух сообществ: мигрантов и коренных жителей, реализованной в системе AnyLogic. Такая модель имела относительно малую размерность дискретного пространства для существования популяций и детерминированную систему принятия решений каждого агента. Вместе с тем, наличие множественных взаимодействий между агентами и переходов между их состояниями обуславливает высокую вычислительную сложность подобной модели. Использование FLAME GPU позволило существенно расширить возможности проведения численных экспериментов, главным образом, за счет распараллеливания вычислительных процессов на уровне каждого агента и занимаемого им ресурса, а также реализации механизма множественных вычислений класса Монте-Карло. В результате исследованы зависимости ключевых характеристик рассматриваемой системы (в частности, общей численности населения, доли мигрантов, количества ассимилированных мигрантов, темпов роста ВВП и др.) от наиболее важных параметров модели (например, доли новых мигрантов, государственных расходов на интеграцию, периодичности создания новых рабочих мест и др.). Предложенный подход может быть использован для разработки систем поддержки принятия решений по планированию найма новых сотрудников на основе прогнозной динамики миграционных и демографических процессов.
В статье представлена конструкция демографической агент-ориентированной модели (АОМ), разработанной в системе проектирования МЁБИУС, которая позволяет создавать АОМ с численностью популяций до 109 агентов, эффективно масштабируемые при запуске на суперкомпьютерах. Система МЁБИУС поддерживает также динамическое изменение численности и пространственного распределения агентов за счет имитации процессов исчезновения агентов и появления новых. Конструкция апробирована при реализации крупномасштабной демографической АОМ России, в которой имитируются процессы естественного движения населения страны в разрезе регионов. Агентами в модели являются люди, которые обмениваются сообщениями, поддерживают родственные связи, рожают детей, стареют и умирают. Показаны результаты апробации АОМ России на реальных статистических данных. Получены прогнозы основных демографических показателей как для России в целом, так и для всех регионов при различных сценариях изменения суммарного коэффициента рождаемости. Показана дифференциация регионов по ожидаемой динамике численности населения и его возрастной структуры. Оценено влияние отдельных социально-экономических факторов на динамику суммарного коэффициента рождаемости.
На основе разработанной авторами ранее программы (регистрационный номер RU 2019614589) была разработана система, позволяющая создавать эффективно масштабируемые агент-ориентированные модели с популяциями агентов разных типов до 1 млрд. агентов. Система поддерживает динамическое изменение численности и пространственного распределения агентов за счет имитации процессов исчезновения агентов и появления новых. Апробирована при реализации крупномасштабной демографической агент-ориентированной модели России, в которой имитируются основные процессы движения населения страны в разрезе регионов. Агентами в ней являются люди, которые обмениваются сообщениями, образуют семьи, поддерживают родственные связи, рожают детей, стареют и умирают. Тестирование модели проводилось на суперкомпьютерах Ломоносов-2 (МГУ) и Млечный путь-2 (Гуанчжоу, Китай). Система кроссплатформенная, написана на C++ и С#. Объем 66 Мб.
В статье представлена агент-ориентированная демографическая модель России, предназначенная для запуска на суперкомпьютерах. Использованные в модели технологии позволяют создавать искусственное общество с числом агентов до 109 и эффективно распараллеливать работу симулятора. Программный комплекс, созданный для реализации модели, объединяет отдельные подсистемы, написанные на языках программирования разного уровня. С одной стороны, это обеспечивает эффективную балансировку нагрузки между вычислительными процессами и обмен сообщениями между агентами (реализовано на языке С++), а с другой, упрощает разработку блоков модели, реализующих симуляцию демографических процессов (реализовано на С#). Демографические процессы в модели имитируются на основе действий отдельных агентов с учетом их родственных связей, которые они поддерживают, обмениваясь сообщениями. Ключевыми особенностями демографической агент-ориентированной модели являются следующие: а) динамическое изменение численности и состава популяции агентов – удаление части агентов (их «смерть») и возникновение новых («рождение»); и б) разделение действий, выполняемых на шаге имитации по этапам, в конце каждого из которых может происходить пересмотр общих параметров, относящихся к регионам или группам агентов, и/или обмен сообщениями между агентами. Модель в ходе компьютерных экспериментов прошла апробацию на реальных данных и показала высокие результаты при тестировании по следующим параметрам: а) качество воссоздания на популяции агентов возрастно-половой структуры населения как по стране в целом, так и в разрезе регионов; б) устойчивость работы модели и низкая погрешность получаемых результатов прогнозирования основных демографических показателей в сравнении с вариантами официального прогноза Росстата; в) эффективность распараллеливания программного кода при запуске на суперкомпьютерах. Модель является базовой для разрабатываемой комплексной региональной имитационной модели, однако может быть полезна как самостоятельный инструмент прогнозирования.
В статье рассматривается алгоритм декомпозиции графа, применительно к реализации масштабируемой агент-ориентированной модели, с целью эффективной балансировки нагрузки между узлами суперкомпьютера. Агенты модели одновременно задействованы в нескольких процессах, для которых важны различные социальные связи (семья, соседи, друзья и др.).
Исследования 1 - 5 из 14
Начало | Пред. | 1 2 3 | След. | Конец
Партнеры
