專利名稱：基于社區(qū)特性的并行離散事件仿真對(duì)象分發(fā)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及并行離散事件仿真的仿真對(duì)象分發(fā)方法，尤其是面向并行 或集群計(jì)算機(jī)的具有社區(qū)特性的并行離散事件仿真對(duì)象在多處理器上的劃分與分發(fā)方法。
背景技術(shù)：
并行離散事件仿真(PDES，ParallelDiscrete Event Simulation)，可 簡(jiǎn)稱并行仿真，是對(duì)大規(guī)模復(fù)雜系統(tǒng)進(jìn)行建模與仿真研究的重要方法，它通過(guò)將復(fù)雜系統(tǒng) 的多個(gè)組成部分——仿真對(duì)象(或仿真實(shí)體)分發(fā)到多個(gè)處理器上并行執(zhí)行，獲得運(yùn)行加速 比，提高仿真運(yùn)行效率。并行離散事件仿真采用離散事件驅(qū)動(dòng)建模方式，對(duì)組成復(fù)雜系統(tǒng)的 各類仿真對(duì)象(Simulation Object)進(jìn)行建模，仿真對(duì)象間通過(guò)事件調(diào)度實(shí)現(xiàn)數(shù)據(jù)通信和 交互，整個(gè)仿真系統(tǒng)通過(guò)并行事件處理得以推進(jìn)。并行仿真采用處理器虛擬化的思想，在仿 真部署時(shí)將仿真對(duì)象實(shí)例分發(fā)到具體的物理計(jì)算節(jié)點(diǎn)，因此可以在不同的并行計(jì)算環(huán)境或 不同數(shù)目的計(jì)算節(jié)點(diǎn)上執(zhí)行。并行仿真內(nèi)核能夠自動(dòng)將不同計(jì)算節(jié)點(diǎn)上仿真對(duì)象間的事件 調(diào)度轉(zhuǎn)換為遠(yuǎn)程消息發(fā)送，而同一計(jì)算節(jié)點(diǎn)上的事件調(diào)度則通過(guò)共享內(nèi)存方式直接復(fù)制到 待處理事件列表，其開(kāi)銷要小于遠(yuǎn)程消息發(fā)送。由于并行仿真所使用的計(jì)算節(jié)點(diǎn)數(shù)目在其 運(yùn)行之前往往是不確定的，所以需要靈活的仿真對(duì)象分發(fā)方法的支持，達(dá)到既能充分利用 多計(jì)算節(jié)點(diǎn)資源又能高效運(yùn)行仿真的目標(biāo)。由于大規(guī)模復(fù)雜系統(tǒng)中往往包含大量的對(duì)象，數(shù)目成千上萬(wàn)，對(duì)象間的交互錯(cuò)綜 復(fù)雜，使得仿真對(duì)象的劃分與分發(fā)成為影響并行仿真運(yùn)行效率的重要因素。首先，由于整 個(gè)并行仿真的執(zhí)行時(shí)間取決于運(yùn)行時(shí)間最長(zhǎng)的計(jì)算節(jié)點(diǎn)，各個(gè)計(jì)算機(jī)節(jié)點(diǎn)的計(jì)算負(fù)載需 均衡，即所承載的仿真對(duì)象和事件處理的數(shù)量要大致相等?，F(xiàn)有的一些并行仿真平臺(tái)，如 μ sik、SPEEDES, ROSS等，采用的仿真對(duì)象分發(fā)方法有SCATTER、BLOCK、隨機(jī)分發(fā)及用戶自 定義方式。SCATTER方法(也稱輪循方法)按照分牌方式逐個(gè)分發(fā)，例如將10個(gè)仿真對(duì)象分 發(fā)到3個(gè)計(jì)算節(jié)點(diǎn)，則SCATTER的分發(fā)結(jié)果是[{0，3，6，9}，{1，4，7}，{2，5，8}]，即將0、3、 6、9號(hào)仿真對(duì)象分發(fā)到節(jié)點(diǎn)0，其余依次類推。BLOCK方法是按照分塊方式進(jìn)行仿真對(duì)象的 分發(fā)，先將仿真對(duì)象按照編號(hào)劃分成均等的塊，然后進(jìn)行分發(fā)。上例的BLOCK分發(fā)結(jié)果可以 是[{0,1,2}, {3,4, 5}, {6，7，8，9}]。用戶自定義方式則是由仿真用戶負(fù)責(zé)制定仿真對(duì)象分 發(fā)策略，需要在程序中編碼指定。上述方法可統(tǒng)稱為計(jì)算負(fù)載均衡分發(fā)策略。第二，考慮計(jì) 算節(jié)點(diǎn)間的通信開(kāi)銷(100 μ s級(jí))遠(yuǎn)大于節(jié)點(diǎn)內(nèi)部的通信開(kāi)銷(1 μ s級(jí))，相差將近100倍， 因此在盡可能計(jì)算負(fù)載均衡的基礎(chǔ)上還需要考慮最小化節(jié)點(diǎn)間的通信。目前有文獻(xiàn)將仿 真對(duì)象以及各個(gè)對(duì)象間的交互關(guān)系構(gòu)建成一張圖(&aph)，利用數(shù)學(xué)圖論中的圖劃分方法 (K-cut算法等)將該圖進(jìn)行K劃分，能夠?qū)⒃搱D大致均等地劃分成K份并盡可能最小化各 部分之間的連接，然后根據(jù)劃分結(jié)果將仿真對(duì)象分發(fā)到K個(gè)計(jì)算節(jié)點(diǎn)上。但圖劃分是一個(gè) 目前公認(rèn)的NP問(wèn)題，在規(guī)模大的情況下難以求得最優(yōu)解。另外，對(duì)于一些特定類型的仿真 應(yīng)用，其計(jì)算和通信負(fù)載會(huì)集中在某些區(qū)域，適合采用按照時(shí)空區(qū)域的劃分方法，例如交通 仿真中繁忙十字路口的計(jì)算量和通信相對(duì)較大，可按照十字路口的空間區(qū)域進(jìn)行劃分。此 外，動(dòng)態(tài)負(fù)載平衡(Dynamic Load Balancing)方法也在并行仿真中得到廣泛應(yīng)用。動(dòng)態(tài)負(fù) 載平衡根據(jù)系統(tǒng)運(yùn)行時(shí)的狀態(tài)信息動(dòng)態(tài)維護(hù)各個(gè)計(jì)算節(jié)點(diǎn)上的負(fù)載，由于需要將仿真對(duì)象 在不同的計(jì)算節(jié)點(diǎn)間進(jìn)行遷移，因此在使用時(shí)需要綜合權(quán)衡遷移的開(kāi)銷代價(jià)與所能獲得的好處，導(dǎo)致其使用難度較大。此類方法可稱為計(jì)算_通信負(fù)載均衡分發(fā)方法。近年來(lái)，大量實(shí)證研究發(fā)現(xiàn)復(fù)雜系統(tǒng)中仿真對(duì)象間的連接關(guān)系往往不是隨機(jī)分布 的，而呈現(xiàn)一定的社區(qū)結(jié)構(gòu)(Community Structure)和組織(Organization)特性。一些仿 真對(duì)象會(huì)內(nèi)聚成群體，群體內(nèi)部的連接相對(duì)稠密，不同群體之間的連接則相對(duì)稀疏。這種群 體結(jié)構(gòu)特性一般稱為社區(qū)(Community)。相關(guān)研究表明許多類型的復(fù)雜系統(tǒng)(如社會(huì)系統(tǒng)、 電力系統(tǒng)、信息網(wǎng)絡(luò)、軍事集團(tuán)等)中都包含社區(qū)結(jié)構(gòu)，甚至可以說(shuō)社區(qū)特性具有普適性。這 些社區(qū)特性在不同類型的應(yīng)用中具有不同的含義，例如在社會(huì)仿真中社區(qū)可以指家庭、朋 友或某地區(qū)的人口，在生物系統(tǒng)仿真中可以指功能相關(guān)的結(jié)構(gòu)單元，在互聯(lián)網(wǎng)應(yīng)用中可以 指相關(guān)話題的網(wǎng)頁(yè)集合，等等。由于社區(qū)內(nèi)部的連接比較密集，社區(qū)間的連接相對(duì)稀疏，對(duì) 應(yīng)于仿真應(yīng)用，仿真執(zhí)行時(shí)社區(qū)內(nèi)仿真對(duì)象間的交互也會(huì)相對(duì)頻繁，社區(qū)間仿真對(duì)象的交 互較稀少。這在社會(huì)動(dòng)力學(xué)等仿真中特別顯著，例如在傳染病微觀仿真中，病毒攜帶者會(huì)與 其親人、朋友接觸的機(jī)會(huì)多些，導(dǎo)致感染概率相對(duì)較高。所謂社區(qū)發(fā)現(xiàn)是指運(yùn)用社區(qū)發(fā)現(xiàn)算法挖掘出圖中內(nèi)在的社區(qū)結(jié)構(gòu)。社區(qū)發(fā)現(xiàn)方法 的基本思想是根據(jù)節(jié)點(diǎn)的內(nèi)聚性度量，遞歸地對(duì)網(wǎng)絡(luò)圖進(jìn)行合并或分裂，把網(wǎng)絡(luò)圖分解為 嵌套的社區(qū)層次結(jié)構(gòu)。目前在此領(lǐng)域出現(xiàn)了多種社區(qū)發(fā)現(xiàn)方法，如minimum-cut圖劃分方 法、模塊化方法和信息流法等。雖然社區(qū)發(fā)現(xiàn)與圖劃分方法具有一定的相似性，但存在一些 主要區(qū)別(1)圖劃分方法試圖將圖劃分成相等大小的部分，從社區(qū)特性的角度來(lái)看這是 不可取的，因?yàn)閳D中存在的社區(qū)數(shù)目和大小是不確定的。分析發(fā)現(xiàn)許多模型圖中所包含社 區(qū)的大小呈冪率分布，其中。這意味著多數(shù)社區(qū)是小型或中型規(guī)模，但很大規(guī)模的社區(qū)也可 能存在。例如，對(duì)電影演員合作關(guān)系模型進(jìn)行社區(qū)發(fā)現(xiàn)，社區(qū)大小(即社區(qū)內(nèi)包含的仿真對(duì) 象個(gè)數(shù))為10-200的社區(qū)共占62. 5%，最大的社區(qū)大小為28385，但數(shù)目稀少。(2)社區(qū)間的 連接并不是圖劃分方法要求的嚴(yán)格最小化，某些大的社區(qū)之間的連接可能較多。總之，由于 圖劃分方法并未考慮到系統(tǒng)中仿真對(duì)象社區(qū)內(nèi)聚合交互的特性，而生硬地追求等份劃分， 因此，基于社區(qū)的模型劃分方法會(huì)比純粹的圖劃分方法更切合實(shí)際，因而也更優(yōu)越，尤其適 合具有社會(huì)特性的大規(guī)模復(fù)雜系統(tǒng)仿真。在復(fù)雜系統(tǒng)建模與仿真研究中，普適的社區(qū)特性將有利于提高復(fù)雜系統(tǒng)并行仿真 的運(yùn)行效率，如何充分利用復(fù)雜系統(tǒng)的社區(qū)特性進(jìn)行并行離散事件仿真對(duì)象分發(fā)是本領(lǐng)域 技術(shù)人員關(guān)注的重要問(wèn)題。國(guó)內(nèi)外尚無(wú)將社區(qū)特性運(yùn)用到并行仿真對(duì)象分發(fā)的報(bào)道。技術(shù)方案本發(fā)明要解決的技術(shù)問(wèn)題是如何利用大規(guī)模復(fù)雜系統(tǒng)的社區(qū)特性而提 出的一種新型并行仿真對(duì)象分發(fā)方法，將社區(qū)特性引入到并行仿真系統(tǒng)中，以社區(qū)為單位 對(duì)仿真系統(tǒng)中仿真對(duì)象進(jìn)行聚合，并根據(jù)計(jì)算節(jié)點(diǎn)數(shù)目對(duì)社區(qū)聚合圖進(jìn)行劃分，由劃分結(jié) 果指導(dǎo)仿真對(duì)象的分發(fā)，從而降低社區(qū)內(nèi)的交互開(kāi)銷，提高并行仿真在多個(gè)處理器上的運(yùn) 行效率。本發(fā)明的具體技術(shù)方案是
第一步，從復(fù)雜系統(tǒng)中提取出仿真對(duì)象及仿真對(duì)象間的事件調(diào)度關(guān)系，構(gòu)造復(fù)雜系統(tǒng) 的模型圖^漢幻。模型圖由節(jié)點(diǎn)和連接邊組成，其中節(jié)點(diǎn)代表仿真對(duì)象，連接邊代表仿真 對(duì)象間存在事件調(diào)度關(guān)系。假設(shè)復(fù)雜系統(tǒng)中共有《個(gè)仿真對(duì)象，仿真對(duì)象間共有《條邊，用 Nodei表示模型圖中對(duì)應(yīng)于第i個(gè)仿真對(duì)象的節(jié)點(diǎn)，用及敘^表示第A條邊，同時(shí)用及/#。. 表示連接節(jié)點(diǎn)i和j的邊，其中0<i系m，0<j ^m, 0<k ^n0構(gòu)建模型圖的具體步驟如下1. 1新建一個(gè)空的無(wú)向圖，用^漢幻表示，其中Z表示節(jié)點(diǎn)的集合，萬(wàn)表示邊的集合。 用表示節(jié)點(diǎn)集合Z的大小，初始為0 ； 1. 2 令 i 二7 ；
1.3若/ ，執(zhí)行1. 4步；若i) ，說(shuō)明對(duì)所有的仿真對(duì)象處理完畢，模型圖已構(gòu)造完 成，轉(zhuǎn)1. 10步；
1.4對(duì)第i個(gè)仿真對(duì)象構(gòu)建一個(gè)新節(jié)點(diǎn)Afoifei,并將Afoifei加入到圖G漢E)中，S^W ； 1.5令戶7 ；
1.6若7·<·5，執(zhí)行1.7步；若JAs，轉(zhuǎn)1.9步；
1.7判斷仿真對(duì)象i和J之間是否存在事件調(diào)度關(guān)系，若存在事件調(diào)度關(guān)系，向圖 G(V, E)加入一條連接Afoofei和Afoofey的無(wú)向邊及； 1.8 j=j+l,轉(zhuǎn) 1. & 步。1.9 i=i+7，轉(zhuǎn) 1.3 步。1. 10 所有仿真對(duì)象及其關(guān)系都已構(gòu)建完畢，得到模型圖饑E)。第二步，根據(jù)復(fù)雜系統(tǒng)的社區(qū)特性，對(duì)模型圖G漢幻執(zhí)行社區(qū)發(fā)現(xiàn)，獲得仿真對(duì) 象間的社區(qū)結(jié)構(gòu)。根據(jù)2002年Girvan和Newman發(fā)表在美國(guó)國(guó)家科學(xué)會(huì)刊第99卷12期 的論文〈〈Community structure in social and biological networks〉〉所提出的社區(qū)發(fā) 現(xiàn)思想，采用不斷移除最高中心度(Centrality)邊的方法對(duì)模型圖G漢幻進(jìn)行社區(qū)發(fā) 現(xiàn)，將各個(gè)節(jié)點(diǎn)聚合到不同社區(qū)。其中，采用最短路徑權(quán)重5F (Shortest-path Weight) 作為邊的中心度的估算值，同時(shí)定義社區(qū)發(fā)現(xiàn)所要移除邊的數(shù)目為M fe^M7fe 0M， 1 ^NumEdgesRemove </ ，為達(dá)到較好的社區(qū)發(fā)現(xiàn)效果，Mtfsfe^^Tfeffloi^取值為的 整數(shù)部分。為了不破壞模型圖^漢幻，并不真正將邊移除，而是為圖^漢幻中的邊增加一 個(gè)數(shù)據(jù)域，用于標(biāo)示是否被移除，TfeffiOMi/為1表示已移除，TfeffiOMi/為O表示未移 除。具體步驟如下
2.1 計(jì)算模型圖中所有邊的最短路徑權(quán)重5F值，方法是 2.1.1 令 i二
2. 1. 2 若i系m,進(jìn)行第2. 1. 3步；若i>m,轉(zhuǎn)2. 1. 12步；
2. 1. 3 構(gòu)建一個(gè)空的先入后出的堆棧stack和一個(gè)先入先出的隊(duì)列queue, stack和 queue的每個(gè)元素均為節(jié)點(diǎn)，節(jié)點(diǎn)的數(shù)據(jù)結(jié)構(gòu)包括4個(gè)域距離i/ (表示該節(jié)點(diǎn)與根節(jié)點(diǎn)的 距離，初始值為-1)、權(quán)重『(節(jié)點(diǎn)的權(quán)重值，初始值為0)、父節(jié)點(diǎn)集合(存放該節(jié)點(diǎn)的 父節(jié)點(diǎn)，初始為空)和關(guān)聯(lián)值論(衡量節(jié)點(diǎn)與父節(jié)點(diǎn)間的關(guān)聯(lián)強(qiáng)度，初始值為0)。 分別用符號(hào)dx、wx, Iistx, dependency,新、Nodex的距離、權(quán)重、父節(jié)點(diǎn)集合以及關(guān)聯(lián)值。設(shè) 置Nodei的距離(Ii=O,權(quán)重Wi=I，并將Nodei加到queue中；
2. 1. 4判斷卯we是否為空，若非空，執(zhí)行2. 1. 5步；否則轉(zhuǎn)2. 1. 7步； 2. 1. 5從隊(duì)列queue的頭部移出一個(gè)節(jié)點(diǎn)，設(shè)為^并將該節(jié)點(diǎn)壓入堆棧stack ； 2. 1.6 對(duì)模型圖G漢幻中^的每一個(gè)鄰居節(jié)點(diǎn)力，判斷是否式謂，若為真，則將辦加 入到隊(duì)列卯^ze中，并設(shè)置o^/力；再判斷式是否等于<"，若為真，則將節(jié)點(diǎn)力的權(quán)重增 加 ，即wb=wb乂，并將r加入到b的父節(jié)點(diǎn)集合Iistb中；轉(zhuǎn)2. 1. 4步；
2. 1.7判斷Siad是否為空，若非空，執(zhí)行2. 1.8步；否則轉(zhuǎn)2. 1. 11步； 2.1.8從堆棧^sted頂部移除一個(gè)節(jié)點(diǎn)，設(shè)為 ;2. 1. 9依次對(duì)節(jié)點(diǎn)u父節(jié)點(diǎn)集合中的每一個(gè)父節(jié)點(diǎn)/進(jìn)行如下處理 2. 1. 9. 1根據(jù)節(jié)點(diǎn)u的關(guān)聯(lián)值及節(jié)點(diǎn)/與《的權(quán)重比值，更新節(jié)點(diǎn)f的關(guān)聯(lián)值
dependencyf
dependencyf= dependencyf+(wf/wJ X (1. O+dependencyJ ；
2. 1. 9. 2 從圖以K Ε)中查找連接節(jié)點(diǎn)/和u的邊及敘& ，更新邊及敘& 的最短 路徑權(quán)重5F值
SWfu = SWf+(wf/wJ*(l. 0+dependency)； 2. 1. 10 轉(zhuǎn) 2. 1. 7 步； 2. 1. 11 i=i+l，雉 2. 1. 2 步； 2.1.12結(jié)束，得到所有邊的最短路徑權(quán)重5F值。
2. 2不斷從圖以K E)中選擇最大5F值的邊，將該邊的Removed設(shè)為1，標(biāo)記為移 除，并重新計(jì)算模型圖桃E)中所有邊的最短路徑權(quán)重5F值，進(jìn)行社區(qū)發(fā)現(xiàn)，直到移除的 NumEdgesRemove。具體步驟如下
2.2.1令 U=I ；2.2.2若 ii NumEdgesRemo2· 2· 3 步；若 H>NumEdgesRemove, 2. 3 步；2.2.3 k=l, 1=1 ’ value=0. 0 ；2.2.4若左</ ，轉(zhuǎn)2. 2. 5步；若^>/ ，則轉(zhuǎn)2. 2. 7步；2.2.5判斷 SiV1^vaIue,如為真，則 l=k, value=SWk ；2.2.6k=k+l ’ 銪 2. 2. 2 步；2.2.7將第7邊的Removed設(shè)為1，標(biāo)記為移除；2.2.8采用2. 1步的方法重新計(jì)算模型圖中所有邊的最短路徑權(quán)重SW值，ii=ii+l,
轉(zhuǎn)2. 2. 2步；
2.3 提取并輸出模型圖G漢幻中的社區(qū)及社區(qū)所包含的節(jié)點(diǎn)。由于已經(jīng)連續(xù)移 除了具有最高M(jìn)m^NumEdgesRemove條邊，使整個(gè)圖分割成多個(gè)互不連通的子圖。這些子 圖就是通過(guò)社區(qū)發(fā)現(xiàn)結(jié)果得到的社區(qū)，用c表示所發(fā)現(xiàn)社區(qū)的個(gè)數(shù)，用Cb〃 p表示第β個(gè)社 區(qū)。輸出模型圖“K Ε)中每個(gè)節(jié)點(diǎn)Afoifei UKi 及其所屬的社區(qū)號(hào)Coimp {0<p ^c), 第二步結(jié)束。第三步根據(jù)第二步發(fā)現(xiàn)的社區(qū)，構(gòu)造帶權(quán)重的社區(qū)聚合圖C作E，)。每個(gè) 社區(qū)都是模型圖^漢幻的子圖，用分^^胃表示社區(qū)/7的大小，即該社區(qū)所包含的節(jié)點(diǎn)數(shù) 目。將社區(qū)內(nèi)部節(jié)點(diǎn)間的連接稱為社區(qū)內(nèi)部連接，不同社區(qū)內(nèi)節(jié)點(diǎn)間的連接稱為社區(qū)間連 接。采用廣，萬(wàn)。表示社區(qū)聚合圖，用艙論。和^^\分別表示圖^作~萬(wàn)。中 的節(jié)點(diǎn)和邊，用Weight，p和Weight，pq表示節(jié)點(diǎn)和邊的權(quán)重.。具體步驟如下
3.1 新建一個(gè)空的帶權(quán)重?zé)o向圖C作。^入其中廣和^分別代表社區(qū)聚合 圖中的社區(qū)集合和社區(qū)間邊的集合。3.2 構(gòu)建社區(qū)聚合圖的節(jié)點(diǎn)及其權(quán)重，其中節(jié)點(diǎn)的權(quán)重為該社區(qū)的大小。具 體步驟如下
3.2.1令p=l;
3.2.2若ρ 執(zhí)行 3. 2. 3 步；若轉(zhuǎn) 3. 3 步；
3.2.3對(duì)應(yīng)于社區(qū) O /),新建一個(gè)節(jié)點(diǎn)將 iVorfe'p 加入到圖(；‘(V', E')中；3.2.4轉(zhuǎn) 3. 2. 2 步；
3.3構(gòu)建社區(qū)聚合圖的邊及其權(quán)重，其中社區(qū)間邊的權(quán)重為該兩社區(qū)間的總連接數(shù)。具 體步驟如下
3.3.1 令左二
3. 3.2若 Κλ，執(zhí)行 3. 3. 3 步；若 1Λ ，轉(zhuǎn) 3. 4 步；
3. 3. 3對(duì)模型圖tf爾E)中的邊及敘i，查找其兩個(gè)連接節(jié)點(diǎn)，設(shè)為徹論/；并查詢?cè)搩晒?jié)點(diǎn)所處的社區(qū)，設(shè)為Cornnp和Co.q ；
3. 3.4若Commp等同于O /^，表明Tfocfei和Tfocfej'位于同一個(gè)社區(qū)，F(xiàn)o^el為社區(qū)內(nèi)部的連接邊，轉(zhuǎn)3. 3. 7步；若Co_與Coymg不相等，
則價(jià)^為Co_和Conrnq不同社區(qū)間的連接邊，執(zhí)行3. 3. 5步；
3. 3. 5判斷社區(qū)Coimp和Coimq在社區(qū)聚合圖中對(duì)應(yīng)的節(jié)點(diǎn)Node，p與Node，。間是否 已存在邊及/沢，pq,若存在，則Weight’Pi=Weight’Pi+l SK^f 3. 3. 7 ；若不存在，則執(zhí)行3. 3. 6 ； 3. 3. 6此時(shí)Afoife %與Node’ q間不存在邊，向圖C ^^ E')中增加一條連接Afoife ^ 與 Node，v 的邊 Edge，Ρ ,并設(shè)置 Weigh t，p=l，執(zhí)行 3.3.7;
3. 3. 7k=k+l ’轉(zhuǎn) 3. 3. 2 步；
3.4 結(jié)束，得到社區(qū)聚合圖C作E，)。第四步對(duì)社區(qū)聚合圖C廣)進(jìn)行f劃分。根據(jù)并行仿真所使用的計(jì)算機(jī) 節(jié)點(diǎn)數(shù)K，采用明尼蘇達(dá)州大學(xué)1995年Karypis等人的技術(shù)報(bào)告《METIS: Unstructured Graph Partitioning and Sparse Matrix Ordering System》提出的基于多層次#劃分的 METIS方法，將帶權(quán)重的、無(wú)向社區(qū)聚合圖^YC E，)進(jìn)行f劃分，得到f個(gè)等份，用 表示，其中0<h ^K0劃分結(jié)果中的每個(gè)等份包含1至多個(gè)社區(qū)節(jié)點(diǎn)，可以用集合形式表示 % Parth= {Node ’ a, Node'b,…，Afoife，力其中社區(qū)節(jié)點(diǎn)的標(biāo)號(hào)和社區(qū)的個(gè)數(shù)依據(jù)METIS 劃分而定。用Weightparth表示第A等份的總權(quán)重，為該等份內(nèi)所含社區(qū)的大小之和，即Wei ghtParth=VeightNode, +WeightNode,b +··· + VeightN0de,cO 同一等份內(nèi)部的社區(qū)節(jié)點(diǎn)間的連接邊 為內(nèi)部邊，不同等份中社區(qū)節(jié)點(diǎn)之間的邊為等份間連接邊。METIS方法能有效地使各個(gè)等份 的總權(quán)重大致均衡，并最小化所有等份間連接邊的權(quán)重和，能夠有效保證各個(gè)計(jì)算機(jī)節(jié)點(diǎn) 上的負(fù)載相對(duì)均衡，并且盡可能地降低計(jì)算節(jié)點(diǎn)間的通信量。第五步根據(jù)第四步社區(qū)聚合圖G，(V', Ε 的f劃分結(jié)果進(jìn)行并行仿真對(duì)象的 分發(fā)，將劃分的各個(gè)等份指定分發(fā)到具體的計(jì)算節(jié)點(diǎn)，并將分發(fā)結(jié)果寫入并行仿真對(duì)象分 發(fā)參數(shù)文件。具體過(guò)程是先將所劃分的等份作^^唯一對(duì)應(yīng)到第力-7號(hào)計(jì)算節(jié)點(diǎn)上(計(jì)算節(jié) 點(diǎn)從0開(kāi)始編號(hào))，相應(yīng)地將等份內(nèi)部的社區(qū)節(jié)點(diǎn)，如、徹論\、徹論\等分發(fā)到所分 配的計(jì)算節(jié)點(diǎn)，再以社區(qū)為基本單位，將社區(qū)所包含的仿真對(duì)象都指定分發(fā)到該計(jì)算節(jié)點(diǎn)， 最后將分發(fā)結(jié)果寫入并行仿真對(duì)象分發(fā)參數(shù)文件。并行仿真對(duì)象分發(fā)文件的內(nèi)容包括計(jì)算 節(jié)點(diǎn)數(shù)目A仿真對(duì)象類型、社區(qū)、社區(qū)內(nèi)仿真對(duì)象以及它們分發(fā)的目標(biāo)計(jì)算節(jié)點(diǎn)。仿真對(duì)象 分發(fā)參數(shù)文件的主體部分采用層次式的格式，按照各種仿真對(duì)象類型、各個(gè)社區(qū)、社區(qū)內(nèi)部 的各個(gè)仿真對(duì)象進(jìn)行組織，指定各個(gè)仿真對(duì)象所屬的計(jì)算節(jié)點(diǎn)。并行仿真在啟動(dòng)時(shí)通過(guò)讀 取該仿真對(duì)象分發(fā)參數(shù)文件，在多個(gè)計(jì)算節(jié)點(diǎn)上生成該分發(fā)方法所指定的仿真對(duì)象。本發(fā)明的核心是將社區(qū)特性引入到并行仿真系統(tǒng)中，基于社區(qū)發(fā)現(xiàn)和社區(qū)聚合圖 劃分實(shí)現(xiàn)并行離散事件仿真對(duì)象的分發(fā)，采用本發(fā)明可達(dá)到以下有益效果
1.由于充分考慮了大規(guī)模復(fù)雜系統(tǒng)中仿真對(duì)象間的社區(qū)特性，首先利用
社區(qū)發(fā)現(xiàn)方法將將聯(lián)系緊密的仿真對(duì)象內(nèi)聚成社區(qū)，再在社區(qū)聚合的層次上進(jìn)行f等份劃分，能夠根據(jù)并行仿真所使用的計(jì)算資源獲得仿真對(duì)象分發(fā)結(jié)果，是一種高效的并行仿真 對(duì)象分發(fā)方法；
2.由于以社區(qū)為基本的分發(fā)單元，考慮了仿真對(duì)象間事件調(diào)度的社區(qū)特 性，能夠有效地平衡多計(jì)算節(jié)點(diǎn)的計(jì)算負(fù)載和通信負(fù)載，尤其對(duì)于大規(guī)模微觀虛擬社會(huì)、復(fù) 雜網(wǎng)絡(luò)、軍事作戰(zhàn)、社會(huì)動(dòng)力學(xué)(如疾病/民意/流言傳播)等仿真應(yīng)用，能夠顯著提高并行 仿真的運(yùn)行效率；
3.本方法簡(jiǎn)單易用，適用范圍較廣，在信息擴(kuò)散、流言傳播等測(cè)試應(yīng)用上的 性能要優(yōu)于已有的計(jì)算負(fù)載均衡分發(fā)方法和計(jì)算-通信負(fù)載均衡分發(fā)方法；
4.本方法以社區(qū)為單位對(duì)不同類型的仿真對(duì)象指定所分配的計(jì)算節(jié)點(diǎn)，并 行仿真在初始化階段通過(guò)讀取并行仿真對(duì)象分發(fā)參數(shù)文件在各個(gè)計(jì)算節(jié)點(diǎn)生成相應(yīng)的仿 真對(duì)象實(shí)例。這種方式能夠有效滿足大規(guī)模并行仿真初始化需求。


圖1是并行離散事件仿真對(duì)象分發(fā)示意圖2是采用本發(fā)明進(jìn)行并行離散事件仿真對(duì)象分發(fā)的示例圖3是本發(fā)明的總體流程圖4是本發(fā)明第一步構(gòu)建模型圖的流程圖5是本發(fā)明第二步社區(qū)發(fā)現(xiàn)流程圖6是本發(fā)明第三步生成帶權(quán)重社區(qū)聚合圖的流程圖。
具體實(shí)施例方式
圖1是并行離散事件仿真對(duì)象分發(fā)示意圖。復(fù)雜系統(tǒng)中的仿真對(duì)象及仿真對(duì)象間的事 件調(diào)度關(guān)系可以用帶節(jié)點(diǎn)和邊的圖進(jìn)行表示，其中節(jié)點(diǎn)代表仿真對(duì)象，邊代表兩仿真對(duì)象 之間存在事件調(diào)度關(guān)系，如圖1箭頭上部分所示。并行仿真通過(guò)將仿真對(duì)象分發(fā)到多個(gè)處 理器計(jì)算節(jié)點(diǎn)上并行執(zhí)行，獲取并行加速比，提高仿真運(yùn)行效率。由于并行仿真應(yīng)用在運(yùn)行 前所使用的計(jì)算節(jié)點(diǎn)數(shù)往往不確定，而且不同的分發(fā)方法會(huì)影響整個(gè)并行仿真的計(jì)算和通 信負(fù)載的均衡，因此需要靈活高效的仿真對(duì)象分發(fā)機(jī)制的支持。許多復(fù)雜系統(tǒng)具有社區(qū)結(jié) 構(gòu)特性，仿真對(duì)象會(huì)按照連接的密集程度進(jìn)行聚合，形成社區(qū)，如圖1中圓圈部分所示。以 社區(qū)為基礎(chǔ)，仿真對(duì)象間的連接可分為社區(qū)內(nèi)部連接和社區(qū)之間的連接，分別用實(shí)線和虛 線表示。以社區(qū)為單位將仿真對(duì)象向多個(gè)計(jì)算節(jié)點(diǎn)進(jìn)行分發(fā)，其分發(fā)結(jié)果如圖1箭頭下部 分所示。社區(qū)之間的連接會(huì)依據(jù)劃分結(jié)果可能形成計(jì)算節(jié)點(diǎn)間的消息發(fā)送，而社區(qū)內(nèi)部的 連接則采用計(jì)算節(jié)點(diǎn)內(nèi)部的共享內(nèi)存通信。由于現(xiàn)有的SCATTER、BL0CK、隨機(jī)法、以及圖劃 分等分發(fā)方式未考慮復(fù)雜系統(tǒng)中普適存在的社區(qū)特性，不能充分滿足大規(guī)模復(fù)雜系統(tǒng)并行 仿真的需求，而基于社區(qū)特性的并行仿真對(duì)象分發(fā)則是一種高效的、切合實(shí)際的方法。圖2是采用本發(fā)明進(jìn)行并行仿真對(duì)象分發(fā)方法的示例圖。圖2以一簡(jiǎn)單的模型圖 為示例，描述了基于社區(qū)特性的并行仿真對(duì)象分發(fā)方法的主要過(guò)程圖(a)將復(fù)雜系統(tǒng)中 相對(duì)獨(dú)立的各個(gè)部分抽象為仿真對(duì)象，這些仿真對(duì)象以及它們之間的事件調(diào)度關(guān)系構(gòu)成模 型圖G漢E)。圖中帶數(shù)字標(biāo)號(hào)的節(jié)點(diǎn)代表對(duì)應(yīng)的仿真對(duì)象，節(jié)點(diǎn)間的連接邊表示兩仿真對(duì) 象間存在事件調(diào)度關(guān)系，例如仿真對(duì)象1分別與仿真對(duì)象3、6間存在事件調(diào)度關(guān)系。圖(b) 是對(duì)模型圖^漢幻進(jìn)行社區(qū)發(fā)現(xiàn)的結(jié)果，位于不同形狀塊上的仿真對(duì)象分別聚合成社區(qū)， 例如仿真對(duì)象{1，3，6，7}、{8，9，10，11，12，13，14}等分別形成社區(qū)。社區(qū)的主要特征在于社區(qū)內(nèi)部的連接密度往往大于社區(qū)之間的連接。圖(C)將模型圖^漢幻中的社區(qū)進(jìn)一步 抽象成帶權(quán)重的社區(qū)聚合圖C作^ Α。，其中圓形節(jié)點(diǎn)表示對(duì)應(yīng)的社區(qū)，圓形節(jié)點(diǎn)大小與 社區(qū)大小呈比例縮放，圓形中數(shù)字為社區(qū)編號(hào)，方括號(hào)內(nèi)數(shù)字為社區(qū)節(jié)點(diǎn)權(quán)重，連接邊上的 數(shù)字為社區(qū)間連接邊的權(quán)重。例如標(biāo)號(hào)為1的社區(qū)節(jié)點(diǎn)對(duì)應(yīng)于仿真對(duì)象{8，9，10，11，12， 13，14}組成的社區(qū)；由于該社區(qū)包含7個(gè)仿真對(duì)象，因此該社區(qū)節(jié)點(diǎn)的權(quán)重設(shè)為7 ；同時(shí)由 于該社區(qū)分別與2、3號(hào)社區(qū)之間有1、2條社區(qū)間連接邊，因此分別賦予兩者之間連接邊的 權(quán)重為1和2。對(duì)聚合圖C作iT)進(jìn)行f劃分，此示例f值為3，將社區(qū)聚合圖劃分成 3份，如圖中虛線所作的分割。社區(qū)1單獨(dú)成一個(gè)等份，社區(qū)2和4、3和5分別組成其余兩 等份。由于^劃分算法的特征，所劃分的各個(gè)等份的總權(quán)重大致相等(此例恰好都為7)，而 且分割線劃分的社區(qū)間連接邊的總權(quán)重較小(此例為2+1+1+1+1=6)。圖3是本發(fā)明的總體流程圖，本發(fā)明的流程包括五步
第一步，從復(fù)雜系統(tǒng)中提取出仿真對(duì)象及仿真對(duì)象間的事件調(diào)度關(guān)系，構(gòu)造復(fù)雜系統(tǒng) 的模型圖^漢幻；
第二步，根據(jù)復(fù)雜系統(tǒng)的社區(qū)特性，對(duì)模型圖^漢幻執(zhí)行社區(qū)發(fā)現(xiàn)，獲得仿真對(duì)象間 的社區(qū)結(jié)構(gòu)；
第三步，根據(jù)第二步發(fā)現(xiàn)的社區(qū)，構(gòu)造帶權(quán)重的社區(qū)聚合圖C作E')； 第四步，對(duì)社區(qū)聚合圖C作iT)進(jìn)行f劃分；
第五步，根據(jù)第四步社區(qū)聚合圖C作"，E')的f劃分結(jié)果進(jìn)行并行仿真對(duì)象的分發(fā)， 將劃分的各個(gè)等份指定分發(fā)到具體的計(jì)算節(jié)點(diǎn)，并將分發(fā)結(jié)果寫入并行仿真對(duì)象分發(fā)參數(shù) 文件。圖4是本發(fā)明第一步構(gòu)建模型圖G漢幻的流程圖根據(jù)復(fù)雜系統(tǒng)仿真中仿真對(duì)象 以及仿真對(duì)象間的事件調(diào)度關(guān)系構(gòu)建模型圖，其中節(jié)點(diǎn)表示仿真對(duì)象，邊代表兩仿真對(duì)象 間存在事件調(diào)度關(guān)系。具體步驟是
1.1新建一個(gè)空的無(wú)向圖，用G漢幻表示，其中Z表示節(jié)點(diǎn)的集合，表示邊的集合。 用表示節(jié)點(diǎn)集合Z的大小，初始為0 ； 1. 2 令 i 二7 ；
1.3若/ ，執(zhí)行1. 4步；若i) ，說(shuō)明對(duì)所有的仿真對(duì)象處理完畢，模型圖已構(gòu)造完 成，轉(zhuǎn)1. 10步；
1.4對(duì)第i個(gè)仿真對(duì)象構(gòu)建一個(gè)新節(jié)點(diǎn)Afoifei,并將Afoifei加入到圖G漢E)中，S^W ； 1.5令戶7 ；
1.6若7·<·5，執(zhí)行1.7步；若JAs，轉(zhuǎn)1.9步；
1.7判斷仿真對(duì)象i和J之間是否存在事件調(diào)度關(guān)系，若存在事件調(diào)度關(guān)系，向圖 G(V, E)加入一條連接Afoofei和Afoofey的無(wú)向邊及； 1.8 j=j+l,轉(zhuǎn) 1. & 步。1. 9 iiV7，轉(zhuǎn) 1.3 步。1. 10 所有仿真對(duì)象及其關(guān)系都已構(gòu)建完畢，得到模型圖饑E)。圖5是本發(fā)明第二步社區(qū)發(fā)現(xiàn)流程圖對(duì)模型圖G漢幻采用不斷移除最高中心度 邊的社區(qū)發(fā)現(xiàn)方法，采用最短路徑權(quán)重(SW)估算邊的中心度。主要步驟是
2.1 計(jì)算模型圖中所有邊的最短路徑權(quán)重5F值；2. 2 不斷從圖“K E)中選擇最大5F值的邊，將該邊的Removed設(shè)為1，標(biāo)記為移 除，并重新計(jì)算模型圖饑E)中所有邊的最短路徑權(quán)重5F值，進(jìn)行社區(qū)發(fā)現(xiàn)，直到移除的 也數(shù)達(dá)錢 NumEdgesRemove ；
2.3 提取并輸出模型圖G(V，E)中的社區(qū)及社區(qū)所包含的節(jié)點(diǎn)。由于已經(jīng)按照預(yù) immkNuniEdgesRemove移除具有較高中心度的邊，使整個(gè)圖分割成多個(gè)互不連通的子 圖。這些子圖就是通過(guò)社區(qū)發(fā)現(xiàn)結(jié)果得到的社區(qū)。其中，圖(a)是計(jì)算模型圖中所有邊的最短路徑權(quán)重SW值的過(guò)程，具體步驟是 2.1.1 令 i＝1；
2. 1. 2 若i≤m,進(jìn)行第2. 1. 3步；若i>m,轉(zhuǎn)2. 1. 12步；
2. 1. 3 構(gòu)建一個(gè)空的先入后出的堆棧stack和一個(gè)先入先出的隊(duì)列queue, stack和 queue的每個(gè)元素均為節(jié)點(diǎn)，節(jié)點(diǎn)的數(shù)據(jù)結(jié)構(gòu)包括4個(gè)域距離i/ (表示該節(jié)點(diǎn)與根節(jié)點(diǎn)的 距離，初始值為-1)、權(quán)重『(節(jié)點(diǎn)的權(quán)重值，初始值為0)、父節(jié)點(diǎn)集合Bsi (存放該節(jié)點(diǎn)的 父節(jié)點(diǎn)，初始為空)和關(guān)聯(lián)值論(衡量節(jié)點(diǎn)與父節(jié)點(diǎn)間的關(guān)聯(lián)強(qiáng)度，初始值為0)。 分別用符號(hào)dx、wx, Iistx, dependency,新、Nodex的距離、權(quán)重、父節(jié)點(diǎn)集合以及關(guān)聯(lián)值。設(shè) 置Nodei的距離(Ii=O,權(quán)重Wi=I，并將Nodei加到queue中；
2. 1. 4判斷卯we是否為空，若非空，執(zhí)行2. 1. 5步；否則轉(zhuǎn)2. 1. 7步； 2. 1. 5從隊(duì)列queue的頭部移出一個(gè)節(jié)點(diǎn)，設(shè)為^并將該節(jié)點(diǎn)壓入堆棧stack ； 2. 1.6對(duì)模型圖G漢幻中^的每一個(gè)鄰居節(jié)點(diǎn)力，判斷式謂，若為真，則將力加入到隊(duì) 鞏queue中，并設(shè)置式；再判斷式是否等于<W，若為真，則將節(jié)點(diǎn)辦的權(quán)重增加 ， 即 ,乂，并將r加入到b的父節(jié)點(diǎn)集合Iistb中；轉(zhuǎn)2. 1. 4步；
2. 1.7判斷Siad是否為空，若非空，執(zhí)行2. 1.8步；否則轉(zhuǎn)2. 1. 11步； 2.1.8從堆棧^sted頂部移除一個(gè)節(jié)點(diǎn)，設(shè)為 ; 2. 1. 9依次對(duì)節(jié)點(diǎn)u父節(jié)點(diǎn)集合中的每一個(gè)父節(jié)點(diǎn)/進(jìn)行如下處理 2. 1. 9. 1根據(jù)節(jié)點(diǎn)u的關(guān)聯(lián)值及節(jié)點(diǎn)/與《的權(quán)重比值，更新節(jié)點(diǎn)f的關(guān)聯(lián)值
dependencyf
dependencyf 二 dependencyf +(wf/wj X (1. O+dependencyJ
2. 1. 9. 2 從圖以K Ε)中查找連接節(jié)點(diǎn)/和u的邊及敘& ，更新邊及敘& 的最短 路徑權(quán)重5F值
SWfu = SWf+(wf/wJ*(l. 0+dependency)；
2. 1. 10 轉(zhuǎn) 2. 1. 7 步；
2. 1. 11 i=i+l，雉 2. 1. 2 步；
2.1.12結(jié)束，得到所有邊的最短路徑權(quán)重5F值。圖(b)是第二步中第2. 2,2. 3步的過(guò)程，其中第2步的具體步驟是
2.2.1令 H=I ；
2.2.2若 ii ≤NumEdgesRemove，執(zhí)行 2. 2. 3 步；若 iDNumEdgesRemove，轉(zhuǎn) 2. 3 步；
2.2.3令 k=l，1=1，value=0. O ；
2. 2. 4 若 K≤n，轉(zhuǎn) 2. 2. 4 步；若^>/ ，則轉(zhuǎn) 2. 2. 7 步； 2. 2. 5 判斷 SiV1^vaIue,如為真，則 l=k, value=SWk ； 2.2.6 左功+7，轉(zhuǎn) 2. 2. 2 步；2. 2. 7將第/邊的Removed設(shè)為1，標(biāo)記為移除；
2.2. 8采用2. 1步的方法重新計(jì)算模型圖中所有邊的最短路徑權(quán)重SW值，ii=ii+l, 轉(zhuǎn)2. 2. 2步；
圖6是本發(fā)明第三步生成帶權(quán)重社區(qū)聚合圖的流程圖，具體步驟是 3.1 新建一個(gè)空的帶權(quán)重?zé)o向圖C作。^入其中廣和^分別代表社區(qū)聚合 圖中的社區(qū)集合和社區(qū)間邊的集合。 3.2 構(gòu)建社區(qū)聚合圖的節(jié)點(diǎn)及其權(quán)重，其中節(jié)點(diǎn)的權(quán)重為該社區(qū)的大小。具 體步驟如下
3.2.1令p=l;
3.2.2若/)冬￡,執(zhí)行3.2.3步；若/))￡,則轉(zhuǎn)3.3步；
3.2.3對(duì)應(yīng)于社區(qū)O /),新建一個(gè)節(jié)點(diǎn)AWe'p.^^i^tpZ&Zeo /),將AWe'p加入到圖C爾。E')中；
3.2.4轉(zhuǎn) 3. 2. 2 步；
3.3構(gòu)建社區(qū)聚合圖的邊及其權(quán)重，其中社區(qū)間邊的權(quán)重為該兩社區(qū)間的總連接數(shù)。具 體步驟如下
3.3.1 令左二
3.3.2若 Κλ，執(zhí)行 3. 3. 3 步；若 1Λ ，轉(zhuǎn) 3. 4 步；
3. 3. 3對(duì)模型圖tf爾E)中的邊及敘i，查找其兩個(gè)連接節(jié)點(diǎn)，設(shè)為徹論/；并查詢?cè)搩晒?jié)點(diǎn)所處的社區(qū)，設(shè)為Cornnp和Co.q ；
3. 3.4若Commp等同于O /^，表明Tfocfei和Tfocfej'位于同一個(gè)社區(qū)，F(xiàn)o^el為社區(qū)內(nèi)部的連接邊，轉(zhuǎn)3. 3. 7步；若Co_與Coymg不相等，
則價(jià)^為Co_和Conrnq不同社區(qū)間的連接邊，執(zhí)行3. 3. 5步；
3. 3. 5判斷社區(qū)Coimp和Coimq在社區(qū)聚合圖中對(duì)應(yīng)的節(jié)點(diǎn)Node，p與Node，。間是否 已存在邊及/沢，pq,若存在，則Weight’Pi=Weight’Pi+l SK^f 3. 3. 7 ；若不存在，則執(zhí)行3. 3. 6 ； 3. 3. 6此時(shí)Afoife %與Node’ q間不存在邊，向圖C ^^ E')中增加一條連接Afoife ^ 與 Node，v 的邊 Edge，Ρ ,并設(shè)置 Weigh t，p=l，執(zhí)行 3.3.7;
3. 3. 7k=k+l ’轉(zhuǎn) 3. 3. 2 步；
3.4 結(jié)束，得到社區(qū)聚合圖f rr, E，)。
1權(quán)利要求
一種基于社區(qū)特性的并行離散事件仿真對(duì)象分發(fā)方法，其特征在于包括以下步驟第一步，從復(fù)雜系統(tǒng)中提取出仿真對(duì)象及仿真對(duì)象間的事件調(diào)度關(guān)系，構(gòu)造復(fù)雜系統(tǒng)的模型圖G(V,E)，模型圖G(V,E)由節(jié)點(diǎn)和連接邊組成，其中節(jié)點(diǎn)代表仿真對(duì)象，連接邊代表仿真對(duì)象間存在事件調(diào)度關(guān)系，V表示節(jié)點(diǎn)的集合，E表示邊的集合；復(fù)雜系統(tǒng)中m個(gè)仿真對(duì)象間共有n條邊，用Nodei表示模型圖中對(duì)應(yīng)于第i個(gè)仿真對(duì)象的節(jié)點(diǎn)，用Edgek表示第k條邊，同時(shí)用Edgei,j表示連接節(jié)點(diǎn)i和j的邊，其中0<i≤m，0<j≤m，0<k≤n；第二步，根據(jù)復(fù)雜系統(tǒng)的社區(qū)聚合特性，采用不斷移除最高中心度邊的方法對(duì)圖G(V,E)進(jìn)行社區(qū)發(fā)現(xiàn)，將各個(gè)節(jié)點(diǎn)聚合到不同社區(qū)；采用最短路徑權(quán)重SW作為邊的中心度的估算值，同時(shí)定義社區(qū)發(fā)現(xiàn)所要移除邊的數(shù)目為NumEdgesRemove，1≤NumEdgesRemove≤n，為圖G(V,E)中的邊增加一個(gè)數(shù)據(jù)域Removed，用于標(biāo)示是否被移除，Removed為1表示已移除，Removed為0表示未移除，具體步驟如下第1步，計(jì)算模型圖G(V,E)中所有邊的最短路徑權(quán)重SW值；第2步，不斷從圖G(V,E)中選擇最大SW值的邊，將該邊的Removed設(shè)為1，標(biāo)記為移除，并重新計(jì)算模型圖G(V,E)中所有邊的最短路徑權(quán)重SW值，進(jìn)行社區(qū)發(fā)現(xiàn)，直到移除的邊數(shù)達(dá)到NumEdgesRemove；第3步，提取并輸出模型圖G(V,E)中的社區(qū)及社區(qū)所包含的節(jié)點(diǎn)，由于已經(jīng)連續(xù)移除了具有最高SW值的NumEdgesRemove條邊，使整個(gè)圖分割成多個(gè)互不連通的子圖，這些子圖就是通過(guò)社區(qū)發(fā)現(xiàn)結(jié)果得到的社區(qū)，用c表示所發(fā)現(xiàn)社區(qū)的個(gè)數(shù)，用Commp表示第p個(gè)社區(qū)，輸出模型圖G(V,E)中每個(gè)節(jié)點(diǎn)Nodei及其所屬的社區(qū)號(hào)Commp，0<i≤m，0<p≤c；第三步根據(jù)第二步發(fā)現(xiàn)的社區(qū)，構(gòu)造帶權(quán)重的社區(qū)聚合圖G’(V’, E’)，V’和E’分別代表社區(qū)聚合圖中的社區(qū)集合和社區(qū)間邊的集合，節(jié)點(diǎn)的權(quán)重為社區(qū)的大小，邊的權(quán)重為兩社區(qū)間仿真對(duì)象的連接邊數(shù)；用SizeCommp表示社區(qū)p的大小，即該社區(qū)所包含的節(jié)點(diǎn)數(shù)目，將社區(qū)內(nèi)部節(jié)點(diǎn)間的連接稱為社區(qū)內(nèi)部連接，不同社區(qū)內(nèi)節(jié)點(diǎn)間的連接稱為社區(qū)間連接；用Node’p和Edge’pq分別表示社區(qū)聚合圖G’(V’, E’)中的節(jié)點(diǎn)和邊，用Weight’p和Weight’pq表示節(jié)點(diǎn)和邊的權(quán)重；具體步驟如下3.1 新建一個(gè)空的帶權(quán)重?zé)o向圖G’(V’, E’)；3.2 構(gòu)建社區(qū)聚合圖的節(jié)點(diǎn)及其權(quán)重，具體步驟如下3.2.1 令p=1；3.2.2 若p≤c，執(zhí)行3.2.3步；若p>c，轉(zhuǎn)3.3步；3.2.3 對(duì)應(yīng)于社區(qū)Commp，新建一個(gè)節(jié)點(diǎn)Node’p，Weight’p=SizeCommp，將Node’p加入到圖G’(V’, E’)中；3.2.4 p=p+1，轉(zhuǎn)3.2.2步；3.3 構(gòu)建社區(qū)聚合圖的邊及其權(quán)重，具體步驟如下3.3.1 令k=1；3.3.2 若k≤n，執(zhí)行3.3.3步；若k>n，轉(zhuǎn)3.4步；3.3.3 對(duì)模型圖G(V,E)中的邊Edgek，查找其兩個(gè)連接節(jié)點(diǎn)，設(shè)為Nodei和Nodej；并查詢?cè)搩晒?jié)點(diǎn)所處的社區(qū)，設(shè)為Commp和Commq；3.3.4 若Commp等同于Commq，表明Nodei和Nodej位于同一個(gè)社區(qū)，Edgek為社區(qū)內(nèi)部的連接邊，轉(zhuǎn)3.3.7步；若Commp與Commq不相等，則Edgek為Commp和Commq不同社區(qū)間的連接邊，執(zhí)行3.3.5步；3.3.5 判斷社區(qū)Commp和Commq在社區(qū)聚合圖中對(duì)應(yīng)的節(jié)點(diǎn)Node’p與Node’q間是否已存在邊Edge’pq，若存在，則Weight’pq=Weight’pq+1，執(zhí)行3.3.7；若不存在，則執(zhí)行3.3.6；3.3.6 此時(shí)Node’p與Node’q間不存在邊，向圖G’(V’, E’)中增加一條連接Node’p與Node’q的邊Edge’pq，并設(shè)置Weight’pq=1，執(zhí)行3.3.7；3.3.7 k=k+1，轉(zhuǎn)3.3.2步；3.4 結(jié)束，得到社區(qū)聚合圖G’(V’, E’)；第四步采用基于多層次K劃分的METIS方法對(duì)社區(qū)聚合圖G’(V’, E’)進(jìn)行K劃分，得到K個(gè)等份，用Parth表示，其中0<h≤K；劃分結(jié)果中的每個(gè)等份包含1至多個(gè)社區(qū)節(jié)點(diǎn)，用集合形式表示為Parth={Node’a, Node’b, … , Node’c}，其中社區(qū)節(jié)點(diǎn)的標(biāo)號(hào)和社區(qū)的個(gè)數(shù)依據(jù)METIS劃分結(jié)果而定；用WeightParth表示第h等份的總權(quán)重，為該等份內(nèi)所含社區(qū)的大小之和，即WeightParth=WeightNode’a+WeightNode’b+...+ WeightNode’c；同一等份內(nèi)部的社區(qū)節(jié)點(diǎn)間的連接邊為內(nèi)部邊，不同等份中社區(qū)節(jié)點(diǎn)之間的邊為等份間連接邊；第五步根據(jù)第四步社區(qū)聚合圖G’(V’, E’)的K劃分結(jié)果進(jìn)行并行仿真對(duì)象的分發(fā)，將劃分的各個(gè)等份指定分發(fā)到具體的計(jì)算節(jié)點(diǎn)，并將分發(fā)結(jié)果寫入并行仿真對(duì)象分發(fā)參數(shù)文件，具體過(guò)程是先將所劃分的等份Parth唯一對(duì)應(yīng)到第h 1號(hào)計(jì)算節(jié)點(diǎn)上，相應(yīng)地將等份內(nèi)部的社區(qū)節(jié)點(diǎn)等分發(fā)到所分配的計(jì)算節(jié)點(diǎn)，再以社區(qū)為基本單位，將社區(qū)所包含的仿真對(duì)象都指定分發(fā)到該計(jì)算節(jié)點(diǎn)，同時(shí)將分發(fā)結(jié)果寫入并行仿真對(duì)象分發(fā)參數(shù)文件。
2.如權(quán)利要求1所述的基于社區(qū)特性的并行離散事件仿真對(duì)象分發(fā)方法，其特征在于 所述構(gòu)造復(fù)雜系統(tǒng)的模型圖^漢幻的具體步驟如下·2. 1)新建一個(gè)空的無(wú)向圖，用G漢幻表示，其中Z表示節(jié)點(diǎn)的集合，萬(wàn)表示邊的集合， 用表示節(jié)點(diǎn)集合Z的大小，初始為0 ；·2.2)令i二·2.3)若i < ，執(zhí)行 2. 4)步；若 i) ，轉(zhuǎn) 2. 10)步；·2. 4) 對(duì)第i個(gè)仿真對(duì)象構(gòu)建一個(gè)新節(jié)點(diǎn)徹論,.，并將A^fei加入到圖G漢幻中， s=s+l ；·2.5)令戶7；·2.6)若j· 執(zhí)行 2. 7)步；若 JAs，轉(zhuǎn) 2. 9)步；·2. 7) 判斷仿真對(duì)象i和J之間是否存在事件調(diào)度關(guān)系，若存在事件調(diào)度關(guān)系，向圖 G(V, E)加入一條連接Afoofei和Afoofey的無(wú)向邊及；·2.8)j^JV7，轉(zhuǎn) 2. 6)步；·2.9)iiV7，轉(zhuǎn) 2. 3)步；·2.10)所有仿真對(duì)象及其關(guān)系都已構(gòu)建完畢，得到模型圖G漢幻。
3.如權(quán)利要求1所述的基于社區(qū)特性的并行離散事件仿真對(duì)象分發(fā)方法，其特征在于 所述計(jì)算模型圖中所有邊的最短路徑權(quán)重5F值方法是·3. 1)令 i=l ；·3. 2)若i< ，進(jìn)行第3. 3)步；若i) ，轉(zhuǎn)3. 12)步；·3. 3)構(gòu)建一個(gè)空的先入后出的堆棧Wad和一個(gè)先入先出的隊(duì)列卯we，Wad和 卯we的每個(gè)元素均為節(jié)點(diǎn)，節(jié)點(diǎn)的數(shù)據(jù)結(jié)構(gòu)包括4個(gè)域距離A初始值為-1 ；權(quán)重『，初始值為0 ；父節(jié)點(diǎn)集合BW，存放該節(jié)點(diǎn)的父節(jié)點(diǎn)，初始為空；衡量節(jié)點(diǎn)與父節(jié)點(diǎn)間的關(guān)聯(lián)強(qiáng) 度的關(guān)聯(lián)值cbpendency,初始值為0 ；分別用符號(hào)dx、wx, Iistx, dependency,穌Nodex的距 離、權(quán)重、父節(jié)點(diǎn)集合以及關(guān)聯(lián)值，設(shè)置徹論,.的距離‘=0，權(quán)重Wj=I，并將Mvfei加到queue 中；；3. 4)判斷是否為空，若非空，執(zhí)行3. 5步；否則轉(zhuǎn)3. 7步；；3. 5)從隊(duì)列q_e的頭部移出一個(gè)節(jié)點(diǎn)，設(shè)為^并將該節(jié)點(diǎn)壓入堆棧stack ；；3.6)對(duì)模型圖G漢幻中^的每一個(gè)鄰居節(jié)點(diǎn)力，判斷是否式⑶，若為真，則將力加入 到隊(duì)列卯中，并設(shè)置；再判斷式是否等于 若為真，則將節(jié)點(diǎn)辦的權(quán)重增加 wv,即 ,乂，并將r加入到b的父節(jié)點(diǎn)集合Iistb中；轉(zhuǎn)3. 4步；；3.7)判斷^sted是否為空，若非空，執(zhí)行3.8)步；否則轉(zhuǎn)3. 11)步；；3.8)從堆棧^sted頂部移除一個(gè)節(jié)點(diǎn)，設(shè)為 ;；3. 9)依次對(duì)節(jié)點(diǎn)u父節(jié)點(diǎn)集合中的每一個(gè)父節(jié)點(diǎn)/進(jìn)行如下處理；3. 9.1) 根據(jù)節(jié)點(diǎn)u的關(guān)聯(lián)值及節(jié)點(diǎn)f與υ的權(quán)重比值，更新節(jié)點(diǎn)f的關(guān)聯(lián)值 dependencyf dependencyf= dependencyf+ (wf/wj X (1. O+dependencyJ ；；3. 9. 2) 從圖以K Ε)中查找連接節(jié)點(diǎn)/和u的邊及敘& ，更新邊及敘& 的最短路 徑權(quán)重5F值SWfu = SWf+(wf/wJ*(l. 0+dependency)；；3. 10)轉(zhuǎn) 3. 7)步；；3.11) i=i+l,轉(zhuǎn)？>. 2)步；；3.12)結(jié)束，得到所有邊的最短路徑權(quán)重5F值。
4.如權(quán)利要求1所述的基于社區(qū)特性的并行離散事件仿真對(duì)象分發(fā)方法，其特征在于 所述不斷從圖^漢幻中移除最大5F值的邊，并重新計(jì)算模型圖G漢幻中所有邊的最短路 徑權(quán)重5F值，進(jìn)行社區(qū)發(fā)現(xiàn)的方法是；4. 1)令 H=I ；；4. 2)若 H NumEdgesRemove, ^A^iT 4· 3)步；若 ii>NumEdgesRemove,結(jié)束；；4.3)令左二7，1=1，value=0.O ；；4.4)若Κ/ ，轉(zhuǎn)4. 5)步；若P/ ，則轉(zhuǎn) 4. 7)步；；4.5)判斷SWPvalue，如為真，則 /動(dòng)，Value=SWk ；；4.6)1=^7，轉(zhuǎn) 4. 2)步；；4. 7)將第/邊的Removed設(shè)為1，標(biāo)記為移除；；4.8)重新計(jì)算模型圖中所有邊的最短路徑權(quán)重SW值，ii=ii+l,轉(zhuǎn)(2)步。
5.如權(quán)利要求1所述的基于社區(qū)特性的并行離散事件仿真對(duì)象分發(fā)方法，其特征在 于所述并行仿真對(duì)象分發(fā)文件的內(nèi)容包括計(jì)算節(jié)點(diǎn)數(shù)目K、仿真對(duì)象類型、社區(qū)、社區(qū)內(nèi)仿 真對(duì)象以及它們分發(fā)的目標(biāo)計(jì)算節(jié)點(diǎn)；仿真對(duì)象分發(fā)參數(shù)文件的主體部分采用層次式的格 式，按照各種仿真對(duì)象類型、各個(gè)社區(qū)、社區(qū)內(nèi)部的各個(gè)仿真對(duì)象進(jìn)行組織，指定各個(gè)仿真 對(duì)象所屬的計(jì)算節(jié)點(diǎn)。
6.如權(quán)利要求1所述的基于社區(qū)特性的并行離散事件仿真對(duì)象分發(fā)方法，其特征在于 WdNumEdgesRemove取值為10%Xn的整數(shù)部分。
全文摘要
本發(fā)明公開(kāi)了一種基于社區(qū)特性的并行離散事件仿真對(duì)象分發(fā)方法，目的是提出一種新型并行仿真對(duì)象分發(fā)方法，提高并行仿真在多個(gè)處理器上的運(yùn)行效率。技術(shù)方案是構(gòu)造復(fù)雜系統(tǒng)的模型圖G(V,E)，提取出仿真對(duì)象及仿真對(duì)象間的事件調(diào)度關(guān)系；采用不斷移除最高中心度邊的方法對(duì)圖G進(jìn)行社區(qū)發(fā)現(xiàn)，將各個(gè)節(jié)點(diǎn)聚合到不同社區(qū)；構(gòu)造帶權(quán)重的社區(qū)聚合圖G’(V’,E’)；采用多層次K劃分方法對(duì)G’(V’,E’)進(jìn)行K劃分；根據(jù)K劃分結(jié)果進(jìn)行并行仿真對(duì)象的分發(fā)，將劃分的各個(gè)等份指定分發(fā)到具體的計(jì)算節(jié)點(diǎn)。采用本發(fā)明能根據(jù)并行仿真所使用的計(jì)算資源獲得仿真對(duì)象分發(fā)結(jié)果，能有效平衡多計(jì)算節(jié)點(diǎn)的計(jì)算負(fù)載和通信負(fù)載，顯著提高并行仿真的運(yùn)行效率。
文檔編號(hào)G06F9/46GK101944045SQ20101051005
公開(kāi)日2011年1月12日 申請(qǐng)日期2010年10月18日 優(yōu)先權(quán)日2010年10月18日
發(fā)明者侯波南, 劉剛, 劉步權(quán), 姚益平, 彭紹亮, 曲慶軍, 蔣志文, 鄢來(lái)斌, 陳莉麗 申請(qǐng)人:中國(guó)人民解放軍國(guó)防科學(xué)技術(shù)大學(xué)