В статье приведен обзор разработанных за рубежом в течение последнего десятилетия крупномасштабных агент-ориентированных моделей (мультиагентных систем). Рассмотрены основные аспекты, связанные с технической реализацией – процессом адаптации и запуска моделей на суперкомпьютерах (параллельных компьютерах): выбором методов распараллеливания моделей, оптимального специализированного программного обеспечения, программно-аппаратных средств для обеспечения высокой производительности параллельных вычислений. Показано многообразие научно-исследовательских задач, решаемых с помощью метода агент-ориентированного моделирования, являющегося современным инструментом анализа комплексных социальных, экономических, технологических и научных систем. Выявлены конструктивные особенности крупномасштабных моделей, реализация которых планируется их авторами с привлечением суперкомпьютерных технологий.
1. Макаров В.Л., Бахтизин А.Р., Сушко Е.Д., Васенин В.А., Борисов В.А.,
Роганов В.А. Агент-ориентированные модели: мировой опыт и
технические возможности реализации на суперкомпьютерах // Вестник
Российской Академии Наук - 2016. т. 86, №3, с. 252-262.
2. Макаров В.Л., Бахтизин А.Р., Сушко Е.Д., Васенин Е.А., Борисов В.А.,
Роганов В.А. Суперкомпьютерные технологии в общественных науках:
агент-ориентированные демографические модели // Вестник
Российской Академии Наук – 2016. т.86, №5. с. 412-421.
3. Davis G., Far B.H. Massive – Multiple agent simulation system in a virtual
environment // Working Paper. University of Calgary. 02/01/03.
4. Tamrakar S. Performance optimization and statistical analysis of basic
immune simulator (BIS) using the FLAME GPU environment // Theses and
Dissertations. Paper 963. 2015.
5. Folcik V. A., An G. C., Orosz C. G. The basic immune simulator: an agentbased model to study the interactions between innate and adaptive immunity
// Theoretical biology and medical modelling, vol. 4, p. 39, 2007.
6. Tang W., Bennett D.A. Parallel agent-based modelling of land-use opinion
dynamics using graphics prosessing units / Conference paper. Proceedings of
the 10th International Conference on GeoComputation. 2009.
7. Karmakharm T., Richmond P., Romano D.M. Agent-based large scale
simulation of pedestrians with adaptive realistic navigation vector fields //
Proceedings of Theory and Practice of Computer Graphics, Sheffild, 2010.
8. Richmond P., Romano D.M. A High performance framework for agent-based
pedestrian dynamics on GPU hardware // Proceedings of EUROSIS ESM 20
(European Simulation and Modelling), Oct. 27-29, 2008.
9. Zia K., Farrahi K., Riener A., Ferscha A. An agent-based parallel geosimulation of urban mobility during city-scale evacuation // Simulation –
2013. Doi: 10.1177/0037549713485468
10. Callegari S., Weismann J.D., Tkachenko N., Zollikofer C.P. An agent-based
model of human dispersals at a global scale // Advances in Complex Systems
16(4-5), 2013. Doi: 10.1142/S021952913500239
11. Nichols J. A. Parallel simulation of individual-based, physiologically-structured population and predator-prey ecology models. PhD thesis.
University of Tennessee. 2008.
University of Tennessee. 2008.
12. Parry H. R. Effects of land management upon species population dynamics: a
spatially explicit, individual-based model / PhD thesis. University of Leeds.
2006.
13. Welch M., Kwan P., Sajeev A.S.M. A high performance, agent-based
simulation of old world screwworm fly lifecycle and dispersal using a
graphics processing unit (GPU) platform // Proceedings of 20th International
Congress on Modelling and Simulation. Australia, 2013. pp. 782-788.
14. Perez-Rodriguez G., Perez-Perez M., Fdez-Riverola F., Lourenco A. High
performance computing for three-dimensional agent-based molecular models
// Journal of Molecular Graphics and Modelling 68 (2016). pp. 68-77.
15. Cockrell R.C., Christley S., Chang E., An G. (2015) Towards anatomic scale
agent-based modeling with a massively parallel spatially explicit generalpurpose model of enteric tissue (SEGMEnT_HPC). Plos One 10(3):
e0122192. doi:10.1371/journal.pone.0122192
16. Perrin D., Ruskin H.J., Crane M. Model refinement through highperformance computing: an agent-based HIV example // Immunome Research.
2010; 6. Doi: 10.1186/1745-7580-6-S1-S3
17. Seekhao N., Shung C., JaJa J., Mongeau L., Li-Jessen N.Y.K. Real-time
agent-based modeling simulation with in-situ visualization of complex
biological systems – a case study on vocal fold inflammation and healing // http://moit.vivt.ru/ 2017
IEEE International Workshop on High Performance Computational Biology,
2016. pp. 463-472.
18. Joubert J.W., Fourie P.J., Axhausen K.W. Large-scale agent-based combined
traffic simulation of private cars and commercial vehicles. Transportation
Research Record – 2010. 2168:24-32
19. Medina S. A. O. Personalized multi-activity scheduling of flexible activities /
Future Cities Laboratory. Working paper. Jul., 2015.
20. Melnikov V.R., Krzhizhanovskaya V.V., Lees M.H., Boukhanovsky A.V.
Data-driven travel demand modeling and agent-based traffic simulation in
Amsterdam urban area // Procedia Comuter Science – 2016. v. 80, pp. 2030-
2041.
21. Raney B., Voellmy A., Cetin N., Nagel K. Large scale multi-agent
transportation simulations / Conference Papers, 42nd Congress of the
European Regional Science Association. Aug., 2002, Dortmund, Germany
22. Ma Z., Fukuda M. A multi-agent spatial simulation library for parallelizing
transport simulations // Proceedings of the 2015 Winter Simulation
Conference, pp. 115-126.
23. Zhang M. Large-scale agent-based social simulation - a study on epidemic
prediction and control / Thesis. National University of Defense Technology,
China. 2016. SIKS № 2016-28.
24. Ariyarante A. Large-scale agent-based modeling: simulating Twitter users.
Master of Science Thesis – 56 p. University of Maryland. 2016.
25. Gatti M., Cavalin P., Neto S.B., Pinhanez C., Santos C., Gribel D., Appel
A.P. Large-scale multi-agent-based modeling and simulation of
microblogging-based online social network // MABS 2013, LNAI 8235, pp.
17-33, 2014. Doi: 10.1007/978-3-642-54783-6_2
