PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2015 | Technologie agentowe w organizacjach opartych na wiedzy | 157--170
Tytuł artykułu

Algorytmy mrowiskowe jako przykład wieloagentowych, ewolucyjnych systemów uczących się

Autorzy
Warianty tytułu
Języki publikacji
PL
Abstrakty
Obserwacja zachodzących w przyrodzie zjawisk może być cennym źródłem inspiracji również dla informatyków i specjalistów z zakresu zarządzania. Przykład może stanowić m.in. mechanizm porozumiewania się mrówek. Kolonie tych owadów charakteryzują się możliwością adaptacji do dynamicznie zmieniającego się otoczenia, w którym żyją. Uczą się, wykorzystując efekt synergii, kolektywnego współdziałania pojedynczych osobników (agentów) na rzecz całego mrowiska. W rozdziale zaprezentowano możliwości adaptacji wieloagentowego systemu mrowiskowego do rozwiązywania zagadnień optymalizacyjnych, znajdujących zastosowania we współczesnych organizacjach. (fragment tekstu)
Twórcy
autor
  • Uniwersytet Ekonomiczny w Katowicach
Bibliografia
  • Algorytmy genetyczne, ewolucyjne i metaheurystyki: wybrane zagadnienia. Informatyka w badaniach operacyjnych. Red. T. Trzaskalik. Prace naukowe Akademii Ekonomicznej w Katowicach, 2005.
  • Badania operacyjne. Red. W. Sikora. PWE, Warszawa 2008.
  • Boryczka M.: Programowanie mrowiskowe w procesie aproksymacji funkcji. Wydawnictwo Uniwersytetu Śląskiego, Katowice 2006.
  • Boryczka U., Boryczka M.: Ewolucja w Systemach Mrówkowych. Instytut Informatyki Stosowanej, Uniwersytet Śląski, Katowice 1996.
  • Boryczka U.: Algorytmy optymalizacji mrowiskowej. Wydawnictwo Uniwersytetu Śląskiego, Katowice 2006.
  • Cheng S., et al.: Swarm Intelligence in Big Data Analytics. IDEAL2013. Springer-Verlag, Berlin, Heilderberg 2013.
  • Cichosz P.: Systemy uczące się. WNT, Warszawa 2007.
  • Dorigo M., Birattari M., Stutzle T.: Ant Colony Optimization, Artificial Ants as a Computational Intelligence Technique. Institut de Recherches Interdisciplinaires et de Développements en Intelligence Artificielle, Technical Report No. 2006-023. Université Libre de Bruxelles, 2006.
  • Dorigo M., Gambardella L.M.: Ant Colony System: A Cooperative Learning Approach to the Traveling Salesman Problem. Université Libre de Bruxelle, Belgium 1996.
  • Generowanie wiedzy dla przedsiębiorstwa: metody i techniki. Red. M. Nycz. Wydawnictwo Akademii Ekonomicznej im. Oskara Langego, Wrocław 2004.
  • Goldberg D.: Algorytmy genetyczne i ich zastosowanie. WNT, Warszawa 2003.
  • Jakubczyk J.A.: Identyfikacja i zastosowanie kontekstu w uczeniu z nadzorem. W: Pozyskiwanie wiedzy i zarządzanie wiedzą. Red. M. Nycz, M.L. Owoc. "Prace Naukowe Akademii Ekonomicznej we Wrocławiu", nr 1121. Wydawnictwo Akademii Ekonomicznej we Wrocławiu, Wrocław 2006.
  • Jindal R., Sharma S.D., Sharma M.: A New Technique to Increase the Working Performance of the Ant Colony Optimization Algorithm. "International Journal of Innovative Technology and Exploring Engineering (IJITEE)", Vol. 3, July 2013.
  • Kaveh A., et al.: Structural Topology Optimization Using Ant Colony Methodology. "Engineering Structures", Vol. 30, Elsevier Ltd., 2008.
  • Kempa A., Staś T.: Metody Inteligentne w Personalizacji. W: Studia i materiały Polskiego Stowarzyszenia Zarządzania Wiedzą. Zeszyt nr 13. Praca zbiorowa. Red. W. Bojar, Bydgoszcz 2008.
  • Kempa A., Staś T.: Możliwości zastosowania metod inteligentnych na potrzeby tworzenia mechanizmów rekomendacji w e-administracji. W: Technologie wiedzy w zarządzaniu publicznym '07. Praca zbiorowa. Red. J. Gołuchowski, A. Frączkiewicz-Wronka. Wydawnictwo Akademii Ekonomicznej, Katowice 2008.
  • Kohl N., Madsen O.: An Optimization Algorithm for the Vehicle Routing Problem with Time Window Based on Lagrangean Relaxation. Institute of Mathematical Modelling, The Technical University of Denmark, 1995.
  • Kolb D.A.: Experimental Learning: Experiential as the Source of Learning and Development. Prencite-Hall, Englewood Cliffs 1984.
  • Manfrin M., et ah: Parallel Ant Colony Optimization for the Traveling Salesman Problem. Proceedings of ANTS, Springer, 2006.
  • Manner R" Manderick B.: Parallel Problem Solving from Nature. Elsevier Science Publishers, Amsterdam 1992.
  • Massoodian S., Esteki A.: A Hybrid Genetic Algorithm for Curriculum Based Course Timetabling, The University of Isfahan. Isfahan 2008.
  • Michalewicz Z.: Algorytmy genetyczne + struktury danych = programy ewolucyjne. WNT, Warszawa 1996.
  • Nouyan S., et al.: An Insect-Based Algorithm for the Dynamic Task Allocation Problem. Kunstliche Intelligenz, Vol. 4/05, Trier 2005.
  • Ruhana K.: Big Data Clustering Using Grid Computing and Ant Based Algorithm. Proceedings of the 4th International Conference on Computing and Informatics, ICOC1 2013, Sarawak 2013.
  • Schwefel H.P., Manner R.: Parallel Problem Solving from Nature. 1st Workshop PPSN I Vol. 496 of Lecture Notes in Computer Science, Springer, Berlin 1990.
  • Staś T.: Możliwości wykorzystania algorytmów ewolucyjnych w zadaniach obliczeniowo złożonych. W: Technologie wiedzy w zarządzaniu publicznym. Red. J. Gołuchowski. "Studia Ekonomiczne, Zeszyty Naukowe Wydziałowe", nr 99. Wydawnictwo UE, Katowice 2012.
  • Staś T.: Perspektywy wykorzystania systemów ewolucyjnych na potrzeby doskonalenia portali korporacyjnych. W: Systemy Wspomagania Organizacji SWO'03. Praca zbiorowa. Red. T. Porębska-Miąc, H. Sroka. Wydawnictwo Akademii Ekonomicznej w Katowicach, 2003.
  • Staś T.: Rola portalu korporacyjnego w organizacji uczącej się. W: Systemy Wspomagania Organizacji SWO'04. Praca zbiorowa. Red. T. Porębska-Miąc, H. Sroka. Wydawnictwa Akademii Ekonomicznej w Katowicach, 2004.
  • Staś T.: Wykorzystanie technik ewolucyjnych w procesie nowoczesnej personalizacji portali internetowych. W: Studia i materiały Polskiego Stowarzyszenia Zarządzania Wiedzą. Praca zbiorowa. Red. W. Bojar. PSZW, Bydgoszcz 2007.
  • Staś T.: Zastosowanie modyfikacji algorytmów mrowiskowych w procesie optymalizacji połączeń komunikacyjnych (Bus Routing Problem). W: Systemy Wspomagania Organizacji 2000. Praca zbiorowa. Red. J. Gołuchowski, H. Sroka. Wydawnictwo Akademii Ekonomicznej w Katowicach, 2000.
  • Wang Y., et al.: A Load Balancing Model for Web Cache Proxy Based on Ant Colony Behavior. Proceedings of the 7th International Conference on Machine Learning and Cybernetics, Kunming 2008.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171395211

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.