面向分布式多主體股票市場仿真系統(tǒng)的調(diào)度方法研究.pdf

1、多主體仿真已經(jīng)被廣泛使用于行為金融學(xué)，一些基于ABM建模的仿真系統(tǒng)已經(jīng)被提出。但是傳統(tǒng)股票市場仿真系統(tǒng)運行在單機系統(tǒng)，仿真中主體(Agent)的數(shù)量受限于單機的計算能力，而金融研究人員為了獲得更有效的數(shù)據(jù)需要的Agent數(shù)量越來越多，為了獲得更智能的Agent需要仿真的輪次(round)越來越多。本文專注于大規(guī)模Agent、通訊系統(tǒng)和仿真調(diào)度提出了一個適用于股票市場的分布式的多主體仿真系統(tǒng)PSSPAM，包括通訊系統(tǒng)、Agent模塊、市場

2、中心模塊和用戶界面四個松耦合模塊。Agent基于可以自定義的網(wǎng)絡(luò)拓撲結(jié)構(gòu)，通過通訊系統(tǒng)模塊和其他Agent以及市場中心進行通信。本文提出了一個分布式round線程調(diào)度機制，對較大數(shù)量的Agent線程進行調(diào)度。為了提高分布式環(huán)境中帶有可演化社交網(wǎng)絡(luò)模型的PSSPAM仿真系統(tǒng)，節(jié)點間的負載均衡和節(jié)點間通訊總量都需要被考慮。本文提出一種處理調(diào)度方法LBMIC，在考慮節(jié)點間負載的不均衡性低于給定閾值并且節(jié)點間通信量盡量少的情況下將Agent劃分

3、并部署到不同的就按節(jié)點。LBMIC將上述問題轉(zhuǎn)化為圖劃分問題并使用多層圖劃分算法來實現(xiàn)Agent的調(diào)度。當社交網(wǎng)絡(luò)發(fā)生演化時，LBMIC通過遷移Agent來動態(tài)調(diào)整初始劃分。本文進行了一些實驗來驗證PSSPAM仿真平臺的有效性可擴展性。同時，實驗還表明無論是LBMIC的初始劃分還是網(wǎng)絡(luò)演化時的動態(tài)調(diào)整，都能顯著提高通訊密集型仿真的效率。最后，本文還提出一種面向分布式多主體股票市場仿真的規(guī)則驅(qū)動編程模型，以規(guī)則組合定義股票市場模型中的市場