Java AnyLogic：提高网络模型的计算性能

我正在研究一种基于代理的流行病模型。其思想是，个体代理根据他们在网络中观察到的情况（基于距离）做出决策。我在每个代理中都有几个功能，可以动态更新感染联系人的数量、显示特定行为的联系人等

下面的代码用于计算代理网络中受感染的联系人

int infectedConnections = 0;

if (getConnections() != null)
    for (Agent a : this.getConnections())
        {
        Person p = (Person) a;

        if (p.IsCurrentlyInfected()) 
            infectedConnections++;
            }

return infectedConnections ;

---

至少还有3个这样的函数，用于保存表示代理网络中其他功能的其他代理的计数。现在，当我有了你的结果，事情停滞在1000到5000之间时，这似乎运行正常，这在我见过的基于代理的模型中非常常见。这是一个基本的计算复杂性问题。对于N个代理，双向交互的数量为N.choose.2，即O（N^2）。5000名特工的工作量大约是1000名特工的25倍

你可以用本地化来做一些特技。基本上，根据特定区域中的代理无法与其他区域中的代理交互的事实，将您的沙盒划分为不同的游戏区域，因此您只需要检查交互的子集。如果可能的话，将N个代理划分为k个独立的分组将在运行时产生O（k）倍的改进

---

另一种选择可能是远离时间步框架，为您的问题制定基于事件的设计。您可以在中找到这种方法的一个示例。

您的结果是，在1000到5000之间的某个位置出现问题，这在我所看到的基于代理的模型中非常常见。这是一个基本的计算复杂性问题。对于N个代理，双向交互的数量为N.choose.2，即O（N^2）。5000名特工的工作量大约是1000名特工的25倍

你可以用本地化来做一些特技。基本上，根据特定区域中的代理无法与其他区域中的代理交互的事实，将您的沙盒划分为不同的游戏区域，因此您只需要检查交互的子集。如果可能的话，将N个代理划分为k个独立的分组将在运行时产生O（k）倍的改进

---

另一种选择可能是远离时间步框架，为您的问题制定基于事件的设计。您可以在中找到此方法的示例。

由于默认内存量不足以容纳5000个代理，因此模型未初始化。如果每个代理与所有其他代理连接（每个代理4999个连接），则需要大于1.300 Mb的RAM，而默认模拟实验仅分配512 Mb的RAM。更改“实验属性”中的内存量。然后，所有5000个代理的代码大约需要1秒的时间。换句话说，如果我每秒收集一次统计数据，最大执行速度大约是每1实秒1个模型秒

如果使用Java Stream API重写代码，则可以增加：

return（int）getConnections（）.stream（）
.filter（a->（Person）a）.IsCurrentlyInfected（））
.count（）

然后，以0.5实秒（x2增益）执行1个模型秒。如果统计数据收集是并行执行的（使用多个线程，由Java代码创建），那么您可能会获得相应的增益，具体取决于PC上的内核数量。
无论如何，这是计算复杂性问题，因此您需要更改方法（），否则性能会非常差。
由于默认内存量不足以容纳5000个代理，因此模型不会初始化。如果每个代理与所有其他代理连接（每个代理4999个连接），则需要大于1.300 Mb的RAM，而默认模拟实验仅分配512 Mb的RAM。更改“实验属性”中的内存量。然后，所有5000个代理的代码大约需要1秒的时间。换句话说，如果我每秒收集一次统计数据，最大执行速度大约是每1实秒1个模型秒

如果使用Java Stream API重写代码，则可以增加：
return（int）getConnections（）.stream（）
.filter（a->（Person）a）.IsCurrentlyInfected（））
.count（）

然后，以0.5实秒（x2增益）执行1个模型秒。如果统计数据收集是并行执行的（使用多个线程，由Java代码创建），那么您可能会获得相应的增益，具体取决于PC上的内核数量。
无论如何，这是计算复杂性的问题，因此您需要更改方法（），否则性能会非常差。
其他答案涵盖了这两个问题：


由于总网络连接数随着代理数量的增加而非线性增加（因为每个代理都连接到其他每个代理），导致内存使用和“基础”模型速度


你的数据收集效率



我很惊讶没有人提到这一点，但后者的主要性能问题是因为（似乎）您在需要统计数据的时候重新计算统计数据（并且您没有指定需要计算的频率），而不仅仅是在影响统计数据的状态更改时维护统计数据

（这是（a）最小化内存并避免在所有适当时间不更新计数的潜在错误（如在您的方法中）与（b）保留计数并仅在事件发生时更新计数的速度之间的一般编程权衡。）

因此，只要让每个代理在其连接的代理从未感染更改为已感染时更新计数，反之亦然

例如，假设您有10个代理，每个代理有9个连接（总共90个连接）。假设一个代理每10分钟（平均）更换一次受感染的代理，然后运行60分钟。并且每分钟更新每个代理中的“受感染连接数”。（如果你是有效率的，这个时间间隔将是可能的转换之间的最短时间，但很可能你是q