Előadás a CIO.hu 2017 konferencián.
A Budapesti Corvinus Egyetem, a Magyarországi Vezető Informatikusok Szövetsége és az itSMF Magyarország közös kutatásának eredményei.
Dávid Burka: Comparing different scenarios of Hungarian demographic processesInformatikai Intézet
This document discusses developing a microsimulation system to forecast Hungarian demographic processes under different scenarios. It describes key issues like an aging population and increasing pension and healthcare costs. The author aims to find a suitable forecasting method, identify factors influencing individuals' life paths, and map how statistical data in Hungary can be used. A microsimulation framework is presented that models life events like birth, death, education and relationships to project population characteristics over time.
Gabriella Baksa-Haskó - Ilona Béres: Development of General SkillsInformatikai Intézet
Case Study of Flipped Classroom Methodology in Higher Education
Presented on the OGIK 2016 Conference, Dunaujvaros, Hungary.
Corvinus University of Budapest, Institute of Information Technology
Előadás a CIO.hu 2017 konferencián.
A Budapesti Corvinus Egyetem, a Magyarországi Vezető Informatikusok Szövetsége és az itSMF Magyarország közös kutatásának eredményei.
Dávid Burka: Comparing different scenarios of Hungarian demographic processesInformatikai Intézet
This document discusses developing a microsimulation system to forecast Hungarian demographic processes under different scenarios. It describes key issues like an aging population and increasing pension and healthcare costs. The author aims to find a suitable forecasting method, identify factors influencing individuals' life paths, and map how statistical data in Hungary can be used. A microsimulation framework is presented that models life events like birth, death, education and relationships to project population characteristics over time.
Gabriella Baksa-Haskó - Ilona Béres: Development of General SkillsInformatikai Intézet
Case Study of Flipped Classroom Methodology in Higher Education
Presented on the OGIK 2016 Conference, Dunaujvaros, Hungary.
Corvinus University of Budapest, Institute of Information Technology
2. A dolgozat részei
I. Gazdasági
számítások
párhuzamos
architektúrákon
II. Lineáris
egyenletrendszerek
megoldása
ABS-‐
módszerrel
III. Egy
O*(n4)
algoritmus
párhuzamos
architektúrán
konvex
testek
térfogatának
kiszámítására
IV. A
nyugdíj-‐előreszámítás
támogatása
mikroszimulációs
eljárással
Mohácsi
László:
Gazdasági
alkalmazások
párhuzamos
architektúrákon
1/25
3. Mohácsi
László:
Gazdasági
alkalmazások
párhuzamos
architektúrákon
2/25
I. Gazdasági számítások
párhuzamos architektúrákon
‒ Architektúrák
bemutatása.
‒ A
párhuzamosításra
nincs
általános
módszer.
‒ Gyakran
az
algoritmus
működésén
is
változtatni
kell.
‒ A
helyesség
nem
mindig
ellenőrizhető.
4. NVIDIA GeForce GTX570
Mohácsi
László:
Gazdasági
alkalmazások
párhuzamos
architektúrákon
3/25
Grafikus processzorok - CUDA
8. A dolgozat részei
I. Gazdasági
számítások
párhuzamos
architektúrákon
II. Lineáris
egyenletrendszerek
megoldása
ABS-‐
módszerrel
III. Egy
O*(n4)
algoritmus
párhuzamos
architektúrán
konvex
testek
térfogatának
kiszámítására
IV. A
nyugdíj-‐előreszámítás
támogatása
mikroszimulációs
eljárással
Mohácsi
László:
Gazdasági
alkalmazások
párhuzamos
architektúrákon
5/25
9. II. Lineáris egyenletrendszerek
megoldása ABS-módszerrel
‒ Első
verzióját
Dr.
Abaffy
József
publikálta.
‒ A
kutatáshoz
csatlakoztak
Charles
G.
Broyden
és
Emilio
Spedicato.
‒ A
részeredmények
tárolásához
mindössze
egy
mátrixot
használ.
‒ Stabilabb,
mint
a
módosítoa
Gram-‐Smidth
eljárás.
Mohácsi
László:
Gazdasági
alkalmazások
párhuzamos
architektúrákon
6/25
10. ABS módszer
CUDA architektúrán
Lineáris
egyenletrendszerek
megoldása ABS-
módszerrel
Ismeretlenek
száma
Futásidő
Hiba
2
6
ms
≈0
4
8
ms
7.81597·∙10
-‐14
8
10
ms
2.13163·∙10
-‐14
16
16
ms
1.00364·∙10
-‐13
32
24
ms
1.82077·∙10
-‐13
64
46
ms
7.43805·∙10
-‐12
128
100
ms
6.81943·∙10
-‐12
256
245
ms
7.41984·∙10
-‐12
512
886
ms
4.81473·∙10
-‐11
1024
3.2
sec
1.89602·∙10
-‐11
2048
14.7
sec
8.06466·∙10
-‐12
4096
105.9
sec
1.29308·∙10
-‐13
8192
23
min
2.35101·∙10
-‐12
Mohácsi
László:
Gazdasági
alkalmazások
párhuzamos
architektúrákon
7/25
11. Az ABS algoritmussal
kapcsolatban elért
eredmények
‒ Lehetővé
vált
a
hibaterjedés
empirikus
vizsgálata.
‒ A
módosítoa
Huang
algoritmus
stabil
-‐
Gá(
Ajla
dolgozatában
állítoa
stabilitás
alátámasztása.
‒ Alacsony
memóriaigénye
miaa
különösen
alkalmas
GPU-‐n
történő
fuaatásra.
Mohácsi
László:
Gazdasági
alkalmazások
párhuzamos
architektúrákon
8/25
12. A dolgozat részei
I. Gazdasági
számítások
párhuzamos
architektúrákon
II. Lineáris
egyenletrendszerek
megoldása
ABS-‐
módszerrel
III. Egy
O*(n4)
algoritmus
párhuzamos
architektúrán
konvex
testek
térfogatának
kiszámítására
IV. A
nyugdíj-‐előreszámítás
támogatása
mikroszimulációs
eljárással
Mohácsi
László:
Gazdasági
alkalmazások
párhuzamos
architektúrákon
9/25
13. Konvex testek térfogatának
kiszámítása
‒ A
térfogat
kiszámolására
nem
létezik
polinomiális
idejű
megoldás.
‒ Sta(sz(kai
módszereken
alapuló
térfogatbecslő
eljárások
polinomiális
időben
adnak
becslést.
‒ Nagy
számításigény.
Mohácsi
László:
Gazdasági
alkalmazások
párhuzamos
architektúrákon
10/25
31. Futási eredmények vizualizációja
„Falnak
ütköző”
pontok
elhelyezkedése
térben
a
ceruza
felületén
a
2.
fázis
végén
Mohácsi
László:
Gazdasági
alkalmazások
párhuzamos
architektúrákon
13/25
32. A térfogatszámítással kapcsolatban
elért eredmények
‒ Vizsgálhatóvá
vált
a
Lovász-‐Vempala
algoritmus
viselkedése.
‒ Több
pont-‐szál
használata
hozzájárul
a
generált
pontok
függetlenségének
biztosításához.
‒ Pontok
terjedésének
vizualizációja.
‒ A
bevezetea
varianciacsökkentő
eljárások
nem
váltoaák
be
a
reményeket.
‒ A
dupla-‐pontosságú
számábrázolás
hibájából
fakadóan
20
dimenziónál
korlát.
Mohácsi
László:
Gazdasági
alkalmazások
párhuzamos
architektúrákon
14/25
33. A dolgozat részei
I. Gazdasági
számítások
párhuzamos
architektúrákon
II. Lineáris
egyenletrendszerek
megoldása
ABS-‐
módszerrel
III. Egy
O*(n4)
algoritmus
párhuzamos
architektúrán
konvex
testek
térfogatának
kiszámítására
IV. A
nyugdíj-‐előreszámítás
támogatása
mikroszimulációs
eljárással
Mohácsi
László:
Gazdasági
alkalmazások
párhuzamos
architektúrákon
15/25
34. IV. A nyugdíj-előreszámítás
támogatása mikroszimulációs
eljárással
‒ A
cél
egy
mikroszimulációs
keretrendszer
létrehozása.
‒ Az
egyedek
sorsát
egyesével
köve(.
‒ Csak
súlyozatlan
kiinduló
állomány
használható.
‒ Évenként
és
egyedenként
végrehajtoa
szimulációs
lepések.
‒ Nagy
számításigény.
Mohácsi
László:
Gazdasági
alkalmazások
párhuzamos
architektúrákon
16/25
35. 10
millió
személy
adata
2004-‐
ben
Kiinduló
állomány
Szimulációs
lépés
szem.
évek
Szimuláció
n
millió
személy
adata
2054-‐ben
Továbbvezetea
állomány
Élő
Nyugdíjas
gyermek
Összesítés
Lélekszám,
nyugdíjasok,
gyermekek
száma
2054-‐
ben.
Eredmény
A mikroszimulációs
módszertan
Mohácsi
László:
Gazdasági
alkalmazások
párhuzamos
architektúrákon
17/25
41. A nyugdíj-előreszámítással
kapcsolatban megfogalmazott
eredményeim
‒ Használható
keretrendszer
a
modellező
közgazdászok
számára.
‒ 50
éves
előrejelzés
2
percre
leszorítható.
‒ A
keretrendszer
a
nyugdíjrendszerekhez
kapcsolódó
más
tényezők
számításaira
is
alkalmazható.
Mohácsi
László:
Gazdasági
alkalmazások
párhuzamos
architektúrákon
21/25
42. Fejlesztési tervek és irányok
‒ Próbatestnek
szimplex
tetszőleges
dimenzióban.
‒ A
20
dimenziós
korlát
átlépéséhez
a
PLVDM
algoritmust
áyrása
klaszterre.
‒ A
szimulációs
keretrendszer
fuaatása
klaszteren.
Mohácsi
László:
Gazdasági
alkalmazások
párhuzamos
architektúrákon
22/25
43. Publikációk
Csetényi
Arthur
–
Mohácsi
László
–
Váraljai
László
(2007):
Szo{verfejlesztés.
HEFOP,
Debrecen.
Mohácsi
László
–
Rétallér
Orsolya
(2013):
A
mechanical
approach
of
mul(variate
density
func(on
approxima(on.
Proceedings
of
the
Interna(onal
Conference
on
Modeling
and
Applied
Simula(on,
179-‐184.
Forgács
Ajla
–
Mohácsi
László
(2014):
Gazdasági
számítások
párhuzamos
architektúrákon.
GIKOF
Journal,
6-‐14.
Mohácsi
László
–
Deák
István
(2014):
A
parallel
implementa(on
of
an
O*(n4)
volume
algorithm.
Central
European
Journal
of
Opera(ons
Research,
elfogadva
2014.
június
23-‐án
Mohácsi
László:
Gazdasági
alkalmazások
párhuzamos
architektúrákon
23/25
44. Konferenciák, előadások
Egy
térfogat
kiszámítási
algoritmus
párhuzamos
architektúrán.
XXX.
Magyar
Operációkutatási
Konferencia,
Balatonőszöd,
2013.
június
10-‐13.
Gazdasági
számítások
párhuzamos
számítógépeken.
OGOK’2013
Országos
Gazdaságinforma(kai
Konferencia,
Győr,
2013.
november
8-‐9.
A
halandóság
becslése
mikroszimulációval.
Tanszéki
szeminárium,
Operációkutatás
Tanszék,
2014.
március
4.
Mohácsi
László:
Gazdasági
alkalmazások
párhuzamos
architektúrákon
24/25
45. "Programming is the art of telling another human
what one wants the computer to do."
hap://web.uni-‐corvinus.hu/~lmohacs/thesis/
Donald
Knuth
46. Irodalom
• Abaffy,
J.
(1979):
A
lineáris
egyenletrendszerek
általános
megoldásának
egy
direkt
módszerosztálya.
Alkalmazoa
Matema(kai
Lapok,
5,
223-‐240
• Gá(,
A.
(2013):
Automa(c
roundoff
error
analysis
of
numerical
algorithms.
Ph.D
thesis,
Applied
Informa(cs
Doctoral
School,
Óbuda
University
• Lovász,
L./Deák,
I.
(2012):
Computa(onal
results
of
an
O(n4)
volume
algorithm.
European
Journal
of
Opera(onal
Research,
216,
152-‐161
• Csicsman,
J./Fényes,
C.
(2003):
A
Mikroszimulációs
Szolgáltató
Rendszer
fejlesztése.
Alma
Mater
sorozat
-‐
Üzlet,
folyamat,
monitoring
• Hablicsek,
L.
(2007):
Társadalmi-‐demográfiai
előreszámítások
a
nyugdíjrendszer
átalakításának
modellezéséhez,
Jelentés
a
Nyugdíj
és
Időskor
Kerekasztal
számára
• Kovács,
E.
(2010):
A
nyugdíjreform
demográfiai
korlátai.
Hitelintéze(
Szemle,
2,128-‐149
47.
48. ABS módszer
CUDA architektúrán
Lineáris
egyenletrendszerek
megoldása ABS-
módszerrel
Ismeretlenek
száma
Futásidő
Hiba
2
6
ms
≈0
4
8
ms
7.81597·∙10
-‐14
8
10
ms
2.13163·∙10
-‐14
16
16
ms
1.00364·∙10
-‐13
32
24
ms
1.82077·∙10
-‐13
64
46
ms
7.43805·∙10
-‐12
128
100
ms
6.81943·∙10
-‐12
256
245
ms
7.41984·∙10
-‐12
512
886
ms
4.81473·∙10
-‐11
1024
3.2
sec
1.89602·∙10
-‐11
2048
14.7
sec
8.06466·∙10
-‐12
4096
105.9
sec
1.29308·∙10
-‐13
8192
23
min
2.35101·∙10
-‐12