“Bigger is Better！” 在仿真模型中的大意味着更多的运行次数、更多的用户和更多的模型。随着客户希望分析更多的场景、更多的用户访问和更详细地建模，对仿真模型的要求也就越来越高。因此，要如何扩展，如何满足这些需求呢？

普华永道的高级经理Cindy Ma是大规模仿真方面的专家。她在AyLogic 2021年度会议上的展示了三个实际项目案例，这些项目实现了扩展仿真的挑战，满足了客户提出的更多场景、更多用户和更多模型的要求。

这篇博客总结了年度会议上扩展AnyLogic模型实现大规模运行和亚秒级响应的主题演示，简述其中涉及的三个案例，并为您附上了会议PPT、视频和问答环节的记录。

更多运行——办公可行性建模

COVID-19大流行后，一家公司想了解由居家办公策略引起的行为改变产生的影响。具体来说，这家公司希望评估减少办公空间的可行性，并验证可选择的空间设计方案。

模型设计师通过构建一个大流行前的模型，然后以此为模板构建出大流行后的仿真，并支持比较大流行前后的行为特征。在这个项目中，设计师面临的难点在于客户所要求的仿真运行次数。

尽管用户数量很少，大概只有三到五名领域专家，但项目要求每天要进行数万次仿真运行，这个数字预计还会继续增加，另外，还需要快速地小批量运行进行功能测试。

模型设计师首先在本地进行构建和测试，避免做出耗费计算时间的设计。之后，将模型迁移到AnyLogic私有云，这使得模型迭代和服务最终用户变得更容易。团队还发现，这提高了仿真的用户友好性。

该解决方案允许快速批量测试，并允许在夜间进行数十万次运行，满足客户的要求。

更多用户——财务健康建模

在本案例中，客户的目标是对生活事件进行建模，了解其对财务决策的影响。这个解决方案最终需要与面向数十万用户的更大的金融产品整合，需要7*24小时在线，并支持同时对数千名用户进行仿真，且延迟不超过1秒。

模型设计师创建了一个随机的和基于智能体的模型来显示随机事件。之后，将模型托管在AnyLogic云中，并通过API公开，使用消息流管理输入和输出。

由于广泛开发了用于管理数据输入和输出的管道，该解决方案提供了亚秒级延迟。此外，由于AnyLogic的Java可扩展性，一部分模型通过单独的Java模块实现。

更多模型——人体逻辑建模

健康分析师希望充分挖掘经过同行评议的生物和健康数据库的潜力。分析师希望利用这些数据，预估生物标志物的未来，并探索生理系统的相互作用对慢性病出现的影响。

解决方案是创造一个人体的数字孪生。数字孪生将把个体生物标志物的建模与生理仿真结合起来。数字孪生的仿真模型需要考虑个人的特征，因此需要高度参数化。

在开发过程中，该系统被改造为web应用程序和iOS移动应用程序。这意味着该模型需要全天候在线，并为大量的用户扩展动态实时用例。

项目结果满足了客户的需求，并在不到五秒钟的时间内为数千名并发用户提供了定制的结果。

关于如何实现仿真模型扩展

从三个案例中，Sindy Ma总结道，当需要扩展仿真模型时，最好从一开始就考虑扩展。

根据普华永道的经验，有越来越多的大型项目将仿真作为解决方案的一部分。因此，会需要集成和数据处理，这其中Java和Python技能非常有用，同时还需要良好的代码文档。

AnyLogic 云通过提供一个平台，用于扩展模型运行、模型管理以及使用不同API的各种连接机会，帮助将仿真模型与更大的系统集成。

在演示中还指出，AnyLogic Cloud可以通过将建模与其他技能集（如web前端）分离来简化最终解决方案。

此篇演讲是在 2021 年 AnyLogic 年度会议上发表的，随后是问答环节。 以下是演讲PPT和视频：