Стратегия синхронизации асинхронных операций для параллельных крупномасштабных агент-ориентированных транспортных симуляций
Исследователи из Наньянского технологического университета (Nanyang Technological University, Сингапур) отмечают, что крупномасштабные агент-ориентированные модели являются одним из самых перспективных инструментов для решения проблем современных мегаполисов, связанных с транспортными заторами и высокой плотностью проживающего населения. Однако симуляции, проводимые с использованием таких моделей весьма ресурсоемкие, что вызывает необходимость их параллелизации. По мнению разработчиков, наиболее эффективным способом распараллеливания агент-ориентированных транспортных симуляторов является декомпозиция моделируемого пространства на субрегионы. Агенты каждого из них вычисляются соответствующими логическими процессами (Logical Processes, LP), которые необходимо синхронизировать для целостности взаимозависимых данных. В описываемой ниже работе для синхронизации распределенных вычислений используются методы барьерной синхронизации, при которой выполнение программы разделяется барьерами на несколько этапов. Также авторы приводят оригинальную стратегию консервативной синхронизации асинхронных операций, названную стратегией «взаимного назначения» (Mutual Appointment, MA). MA позволяет повысить эффективность барьерной синхронизации и разрешает логическим процессам взаимодействовать непосредственно друг с другом. Упомянутые методы нашли воплощение в параллельном агент-ориентированном транспортном симуляторе SEMSim, использующем реальные данные. Эксперименты показали, что MA позволяет увеличить эффективность параллельных вычислений, а стратегия ослабленного взаимного назначения (Relaxed Mutual Appointment, RMA) совершенствует MA за счет существенного снижения сообщений при синхронизации.
