Моделирование миграционных и демографических процессов с использованием FLAME GPU
01.02.2022 22:48:00

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.

rss
Назад
Статьи
Суперкомпьютерные технологии Демография Cуперкомпьютерные технологии Агент-ориентированные модели БРИКС Транспортные модели пешеходная модель METIS Высокопроизводительные вычисления МЁБИУС Монография Parallel computing Параллельные вычисления Биомедицина Публикации Axum SWAGES Новости Революция Экономические процессы цунами CUDA Microsoft Social Simulation Conference ГИС Междисциплинарное исследование О проекте Социальная сеть Эксафлопная производительность Case HPS POLARIS TSUBAME Методология запуска Пандемия Ссылки Эпидемия XAXIS Иерархическая платформа Механизм раделяемой памяти Пандора Стратегии распараллеливания Ядерная атака на США D-MASON Repast Исследования Моделирование мира Суперкомпьютерная Академия автоматическое распараллеливание FuturICT Russian Supercomputing Days Агент-ориентированный подход Исторические процессы Моделирование эпидемий Пространственно-распределенные агентные модели Суперкомпьютерные дни агентная модель GPU SEGMEnT Клеточные автоматы Модель экономики Евросоюза Пространственные модели большие данные HPABM SSC Контакты Мониторинг планеты