DOI: https://doi.org/10.26089/NumMet.v19r433

Разработка агент-ориентированной демографической модели России и ее суперкомпьютерная реализация

Авторы

  • В.Л. Макаров
  • А.Р. Бахтизин
  • Е.Д. Сушко
  • Г.Б. Сушко

Ключевые слова:

агент-ориентированное моделирование
демография
суперкомпьютерные технологии
применение графовой декомпозиции METIS

Аннотация

Рассмотрено применение агент-ориентированного подхода при моделировании естественного движения населения. Представлена демографическая модель России с учетом ее административного деления, в которой на основе моделирования поведения отдельных членов искусственного общества имитируются процессы смертности, рождаемости и миграции. Для моделирования поведения искусственного общества в целом требуется проведение модельных расчетов с числом агентов до 109 и использование суперкомпьютерных технологий. Важной задачей в таких расчетах становится оптимальное распределение агентов по процессорам кластера. Показано применение декомпозиции модели с использованием алгоритма METIS с учетом основных особенностей агентной модели. Обсуждаются результаты апробации модели.


Загрузки

Опубликован

2018-12-24

Выпуск

Раздел

Раздел 1. Вычислительные методы и приложения

Авторы

В.Л. Макаров

Центральный экономико-математический институт РАН (ЦЭМИ РАН)
Нахимовский пр., 47, 117418, Москва
• научный руководитель

А.Р. Бахтизин

Центральный экономико-математический институт РАН (ЦЭМИ РАН)
Нахимовский пр., 47, 117418, Москва
• директор

Е.Д. Сушко

Центральный экономико-математический институт РАН (ЦЭМИ РАН)
Нахимовский пр., 47, 117418, Москва
• ведущий научный сотрудник

Г.Б. Сушко

Центральный экономико-математический институт РАН (ЦЭМИ РАН)
Нахимовский пр., 47, 117418, Москва
• старший научный сотрудник


Библиографические ссылки

  1. V. L. Makarov, A. R. Bakhtizin, E. D. Sushko, and A. F. Ageeva, “Artificial Society and Real Demographic Processes,” Ekonomika Mat. Metody 53 (1), 3-18 (2017).
  2. G. Karypis, and V. Kumar,  METIS: Unstructured Graph Partitioning and Sparse Matrix Ordering System. Version 2.0.
    http://dm.kaist.ac.kr/kse625/resources/metis.pdf . Cited August 30, 2018.
  3. W. F. Tinney and J. W. Walker, “Direct Solutions of Sparse Network Equations by Optimally Ordered Triangular Factorization,” Proc. IEEE 55 (11), 1801-1809 (1967).
  4. G. M. Amdahl, “Validity of the Single Processor Approach to Achieving Large Scale Computing Capabilities,” in AFIPS’67 Proc. Spring Joint Computer Conf., Atlantic City, USA, April 18-20, 1967 (ACM Press, New York, 1967), pp. 483-485.
  5. N. Collier, Repast HPC Manual.
    http://repast.sourceforge.net/docs.php . Cited August 30, 2018.
  6. M. Scheutz, P. Schermerhorn, R. Connaughton, and A. Dingler, SWAGES -An Extendable Distributed Experimentation System for Large-Scale Agent-Based Alife Simulations.
    https://hrilab.tufts.edu/publications/scheutzetal06alifeswages.pdf . Cited August 30, 2018.
  7. W. Tang and S. Wang, “HPABM: A Hierarchical Parallel Simulation Framework for Spatially-Explicit Agent-Based Models,” Transactions in GIS 13 (3), 315-333 (2009).
  8. J. Parker, A Flexible, Large-Scale, Distributed Agent Based Epidemic Model.
    https://www.brookings.edu/wp-content/uploads/2016/06/12_epidemicmodel_parker.pdf . Cited August 30, 2018.
  9. Z. Gong, W. Tang, D. A. Bennett, and J. C. Thill, “Parallel Agent-Based Simulation of Individual-Level Spatial Interactions within a Multicore Computing Environment,” Int. J. Geogr. Inf. Sci. 27 (6), 1152-1170 (2013).