Оленев Н.Н., Петров А.А. Создание ГРИД-инфраструктуры для решения вычислительно-сложных задач математического моделирования экономики // Научный сервис в сети Интернет: технологии распределенных вычислений: Труды Всероссийской научной конференции (19-24 сентября 2005 г., г. Новороссийск). - М.: Изд-во МГУ, 2005. - 318 с. С. 20-21.

Разработка математического обеспечения компьютерных технологий анализа и прогнозирования экономики требует решения ряда вычислительно сложных задач: идентификация параметров моделей и верификация моделей экономики страны и региона; аналитические и прогнозные расчеты экономики страны и региона с помощью моделей; создание аналитических материалов на основании результатов расчетов; организация информационных обменов в распределенных базах данных; создание распределенных систем моделей экономики страны и региона.

Некоторые из этих задач могут быть решены на базе высокопроизводительных вычислений на кластерных системах. Так, например, в [1] для идентификации параметров производственного блока в односекторной модели российской экономики используются параллельные вычисления на кластерном суперкомпьютере МВС-1000М Межведомственного суперкомпьютерного центра РАН. Однако, и в задаче идентификации параметров модели ее модификация часто приводит к увеличению числа параметров, для идентификации которых может не хватить имеющихся вычислительных мощностей. Нехватки мощностей можно избежать за счет агрегации масштабируемых распределенных кластерных систем, то есть за счет развертывания на их базе грид-инфраструктуры. Эта грид-инфраструктура объединяет кластерные системы различной архитектуры в единую распределенную вычислительную среду для разработки и применения компьютерных технологий анализа и прогнозирования экономики страны и региона. Кроме того, она может использоваться для проведения крупномасштабных вычислительных экспериментов при решении сложных задач в области математического моделирования экономических систем и для разработки методических материалов и учебных пособий на базе зарекомендовавших себя моделей и методов анализа и прогнозирования экономики.

Решение других задач по самой своей природе требует распределенной обработки данных. Например, для географически распределенных баз экономических данных различных регионов часто ограничен доступ извне к новым статистическим данным какого-либо региона. Могут существовать и ограничения, связанные с защитой авторских прав на используемые алгоритмы и математическое обеспечение. Создание грид-инфраструктуры должно обеспечить совместное использование методов, разработанных разными, территориально удаленными авторами, для решения в распределенной вычислительной среде общих задач. Грид-инфраструктура, построенная на основе общепризнанных пакетов, обеспечивает поддержку стандартных протоколов и форматов обмена данными между отдельными блоками декомпозированной модели и обеспечивает эффективное распределение нагрузки в вычислительной системе.

Для создания грид-инфраструктуры требуется разработать техническое задание на ее построение на основе пакета Globus Toolkit и разработать архитектуру. Грид-инфраструктура включает сетевые службы, службы загрузки и управления заданиями, брокер ресурсов, мониторинг, механизм разделения полномочий, управление виртуальной организацией в области математического моделирования экономических систем. Для эффективного функционирования грид-инфраструктуры необходимо разработать грид-приложения, организующие совместную работу кластерных компонент, включающих предметно-ориентированные Web-сервисы, использующие сетевые службы грид-инфраструктуры.

В [1] разработана методология и опробована технология решения задач идентификации параметров и верификации модели российской экономики. Определение большого числа параметров модели осуществляется комбинаторным перебором точек сетки, равномерно разбивающей интервал возможной принадлежности каждого параметра. Построен вариант критерия близости расчетных и статистических временных рядов. Пакет прикладных программ позволит выполнять параллельные алгоритмы оптимального выбора, дающие возможность наиболее полно использовать преимущества высокопроизводительных систем.

Совершенствование технологии расчета может быть осуществлено разработкой параллельных алгоритмов направленного поиска оптимального значения критерия для сокращения времени расчета; использование неравномерного разбиения интервалов возможной принадлежности параметров; формирование единого информационного массива полученных результатов между вычислительными узлами [2]. Сгладить проблему может разработка новых методов направленного перебора в неоднородных вычислительных средах.

На построенной грид-инфраструктуре планируется выполнить серию крупномасштабных промышленных расчетов с последующей обработкой результатов распределенных вычислений, формированием базы данных для оценки результатов и принятия решения. На первом этапе работы будет обеспечен обмен информацией между географически разделенными компонентами инфраструктуры. На втором этапе будут решаться задачи идентификации параметров взаимосвязанных блоков модели экономики и обмен информацией во время счета. На основе этих задач будет проверена функциональная полнота и эффективность работы Web-сервисов в рамках построенной грид-инфраструктуры при решении вычислительно сложных прикладных задач математического моделирования экономики.

Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (коды проектов 04-07-90346, 04-01-00606), по программе государственной поддержки ведущих научных школ (код проекта НШ-1843.2003.01), при поддержке программы № 3 фундаментальных исследований ОМН РАН "Вычислительные и информационные проблемы решения больших задач" и при поддержке программы фундаментальных исследований РАН № 16 "Математическое моделирование и интеллектуальные системы".

ЛИТЕРАТУРА:
  1. Н.Н. Оленев Материалы четвертого Международного научно-практического семинара и Всероссийской молодежной школы "Высокопроизводительные параллельные вычисления на кластерных системах", Самара, 30 сентября - 2 октября 2004 г., Изд-во Самарского научного центра РАН, с.204-209
  2. Strongin, R.G., Sergeyev, Ya.D.: Global Optimization with Non-Convex Constraints. Sequential and Parallel Algorithms. Kluwer Acad. Publishers. Dordrecht. The Netherlands (2000)