Агентно-ориентированный подход к имитационному моделированию суперЭВМ экзафлопсной производительности в приложении к распределенному статистическому моделированию

В работе рассматривается возможность применения агентно-ориентированной системы имитационного моделирования для решения ряда проблем, возникающих при создании экзафлопсных компьютеров, содержащих десятки и сотни миллионов вычислительных узлов. Предлагается двухуровневая децентрализованная схема управления вычислениями и соответствующая имитационная модель, в которой все вычислительные узлы поделены между областями вычислений, которые контролируются своими локальными управляющими агентами. Головной управляющий агент распределяет между областями поток больших задач и контролирует общие ресурсы. В качестве примера масштабируемого алгоритма рассматривается метод Монте-Карло, перспективный для компьютерного моделирования на экзафлопсных компьютерах. В этом методе существенно то, что чем больше объем выборки из независимых реализаций, тем выше точность оценивания. В работе предлагается генератор базовых псевдослучайных чисел, пригодный для больших расчетов по методу Монте-Карло. При распределении вычислений по узлам допускается возможность реализации различных объемов выборки на различных узлах с использованием статистически оптимального способа осреднения результатов. Объем памяти, доступный каждому вычислительному узлу, и его быстродействие должны быть достаточными для эффективного моделирования реализаций. Данный алгоритм распределенного статистического моделирования асинхронен, и при использовании предлагаемого генератора базовых псевдослучайных чисел масштабируется практически на неограниченное число узлов. Примером масштабируемого приложения распределенного статистического моделирования для современных компьютеров терафлопсного уровня производительности является библиотека PARMONC. Кроме того, в работе рассматривается вариант реализации мультиагентного моделирования для прогнозирования сбоев и отказов вычислительных узлов. Предлагается архитектура динамической системы прогнозирования сбоев, которая состоит из агентов различного назначения, каждый из которых выполняет свою функцию для достижения общей цели.

Ключевые слова

агентно-ориентированное моделирование, экзафлопсные суперЭВМ, методы Монте-Карло, распределенное статистическое моделирование, параллельные вычисления.

Литература

1. O'Keefe, R. Simulation and expert systems - a taxonomy and some examples / R. O'Keefe // Simulation. - 1986. - V. 46, № 1. - P. 10 - 15.
2. Родионов, А.С. Интеллектуальное моделирование – новое направление в системах имитации (обзор последних публикаций) / А.С. Родионов // Экспертные системы и базы данных. - Новосибирск, 1988. - С. 19 - 35.
3. Wooldridge, M. Introduction to MultiAgent Systems // England: JOHN WILEY & SONS, LTD, 2002.
4. Oren, T. On the Synergy of Simulation and Agents: An Innovation Paradigm Perspective / T. Oren, L. Yilmaz // International J. of Intelligent Control and Systems. - 2009. - V. 14, № 1. - P. 4 - 19.
5. Bargodia, R.L. A Message-based approach to discrete-event simulation / R.L. Bargodia, K.M. Chandy, J. Misra// IEEE Trans. on Soft. Eng. - 1987. - V. 13, № 6. - P. 654 - 665.
6. Карпов, Ю.Г. Имитационное моделирование систем. Введение в моделирование на Any-Logic 5 / Ю.Г. Карпов. - СПб.: БХВ-Петербург, 2005.
7. Niewiadomska-Szynkiewicz, E. Algorithms for Distributed Simulation - Comparative Study / E. Niewiadomska-Szynkiewicz, A. Sikora // PARELEC 2002. - Warsaw, Poland. - P. 261 - 266.
8. Марченко, М.А. Распределенные вычисления по методу Монте-Карло / М.А. Марченко, Г.А. Михайлов // Автоматика и телемеханика. - 2007. - Вып. 5. - С. 157 –- 170.
9. Михайлов, Г.А. Численное статистическое моделирование. Методы Монте-Карло / Г.А. Михайлов, А.В. Войтишек. - М.: Академия, 2006.
10. Marchenko, M. PARMONC - A Software Library for Massively Parallel Stochastic Simulation / M. Marchenko // PACT 2011, LNCS. - 2011. - V. 6873. - P. 302 - 315.
11. Гордиенко, Д.В. Разработка и моделирование системы управления энергопотреблением кластерных вычислительных систем / Д.В. Гордиенко // Труды межд. конф. «Высокопроизводительные параллельные вычисления на кластерных системах» (ВПВКС 2009). - Владимир, 2009. - С. 126 - 130.