Wyniki wyszukiwania - BazEkon

1

Synthesis of Power Aware Adaptive Schedulers for Embedded Systems using Developmental Genetic Programming

100%

Deniziak S., Ciopiński L.

Annals of Computer Science and Information Systems

|

2015

|

5

449-459

In this paper we present a method of synthesis of adaptive schedulers for real-time embedded systems. We assume that the system is implemented using multi-core embedded processor with low-power processing capabilities. First, the developmental genetic programming is used to generate the scheduler and the initial schedule. Then, during the system execution the scheduler modifies the schedule whenever execution time of the recently finished task occurred shorter or longer than expected. The goal of rescheduling is to minimize the power consumption while all time constraints will be satisfied. We present real-life example as well as some experimental results showing advantages of our method.(original abstract)

2

Genetic Algorithms

80%

Szczepański L., Sobkowski A., Kałaczyński T.

Studia i Materiały Polskiego Stowarzyszenia Zarządzania Wiedzą

|

2010

|

35

160-166

Algorytmy ewolucyjne powstały już w latach sześćdziesiątych. Stosują zasady natury: ewolucja poprzez dobór najlepiej przystosowanych jednostek, osób reprezentujących rozwiązania problemu matematycznego. Algorytmy genetyczne są ogólnie najlepszym i najbardziej solidnym rodzajem algorytmów ewolucyjnych. One zostały wynalezione przez Johna Holland i przedstawione w książce "Adaptacja w naturalne i sztuczne Systems" z roku 1975.(abstrakt oryginalny)

3

Procedura repliki zależności ekonomicznych w ujęciu programowania genetycznego

80%

Romowicz A.

Prace Naukowe / Akademia Ekonomiczna w Katowicach

|

2001

|

Modelowanie preferencji a ryzyko '01

365-375

4

Wpływ czynników i błędów na analizę DNA

80%

Demetraki-Paleolog V.

Administracja : teoria, dydaktyka, praktyka

|

2013

|

nr 2(31)

52-74

The article undertakes an effort to present current problems, which occur in the process of DNA analysis. The essence of the Author's consideration resolves itself into presentation what character of factors and errors have influence on defective results of the analysis in this scope.(original abstract)

5

Programowanie genetyczne w modelowaniu rynku papierów wartościowych

61%

Gwiazda T.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

1998

|

nr 787 Pozyskiwanie wiedzy z baz danych

212-220

Paradygmat programowania genetycznego opublikowany w 1992 roku przez J. Kozę stanowi naturalne rozszerzenie metodologii algorytmów genetycznych na obszar modelowania. Referat przedstawia zastosowanie tego paradygmatu w modelowaniu relacji rządzących rynkiem papierów wartościowych. (abstrakt oryginalny)

6

Wykorzystanie programowania genetycznego do generowania sygnałów kupna - sprzedaży instrumentów finansowych

61%

Jóźwiak A.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

2007

|

nr 1167 Współczesne tendencje rozwojowe badań operacyjnych

103-110

Powszechnie znaną wśród inwestorów na rynkach finansowych strategią inwestycyjną jest długoterminowa strategia "kup i trzymaj". Alternatywne wobec niej metody analizy technicznej są bardziej dynamiczne i generują sygnały kupna i sprzedaży oparte na krótkoterminowych fluktuacjach cen. Celem artykułu jest przedstawienie sposobu wykorzystania programowania genetycznego do automatycznego generowania sygnałów kupna i sprzedaży papierów wartościowych. (...) Artykuł jest próbą zastosowania programowania genetycznego do wygenerowania reguł technicznych dla wybranych spółek notowanych na warszawskiej Giełdzie Papierów Wartościowych. W analizie nie dopuszczono krótkiej sprzedaży i nie ujęto kosztów transakcyjnych. (fragment tekstu)

7

GramGen : a Genetic Programming System Based on Context Free Grammar

61%

Quirin A., Korczak J.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Informatyka Ekonomiczna

|

2010

|

16

|

nr 104 Data Mining and Business Intelligence

128-147

W artykule przedstawiono platformę programowania genetycznego, zwaną GramGen, łączącą ideę algorytmów ewolucyjnych z gramatyką bezkontekstową (CFG). Zadaniem systemu jest generowanie formuł logicznych (drzew genotypowych), które po przekształceniu do drzew fenotypowych (formuł) są w stanie rozwiązać konkretny problem praktyczny. Jako ilustrację podejścia podano przykład wykorzystania GramGen do regresji symbolicznej funkcji CosLog. W artykule opisano szczegółowo główne algorytmy, operatory genetyczne, sposoby definiowania ograniczeń oraz "strojenia" parametrów systemu.(abstrakt oryginalny)

8

System agentowy - nowoczesne spojrzenie na współpracę systemów inteligentnych

61%

Nycz M.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

1997

|

nr 772 Pozyskiwanie wiedzy

37-43

Przedstawiona w niniejszym referacie krótka charakterystyka intensywnie obecnie rozwijanego na Zachodzie podejścia do systemów sztucznej inteligencji, jakim są systemy agentowe, stanowi próbę przybliżenia tej problematyki naszemu Czytelnikowi. Spojrzenie na możliwości potencjalnej współpracy agentów między sobą wydaje się szczególnie interesujące z punktu widzenia aplikacji nie tylko technicznych, ale również w obszarach ekonomicznych. (fragment tekstu)

9

Procedura wspomagania systemów rozpoznawania tekstu z wykorzystaniem metod sztucznej inteligencji

61%

Wiśniewski A., Bijak K.

Wiadomości Statystyczne

|

2003

|

nr 2

74-78

Celem artykułu jest prezentacja koncepcji wykorzystania algorytmów genetycznych (jednej z metod sztucznej inteligencji) do wspomagania systemów komputerowych, których zadaniem jest rozpoznawanie tekstu, czyli identyfikacja znaków i słów tekstu wczytanego za pomocą skanera. Zaproponowana tu metoda wspomagania oparta jest na analizie częstości występowania połączeń dwuliterowych w języku, w jakim został napisany przetwarzany tekst.

10

A Developmental Genetic Approach to the cost/time trade-off in Resource Constrained Project Scheduling

61%

Pawiński G., Sapiecha K.

Annals of Computer Science and Information Systems

|

2014

|

2

171-179

In this paper, the use of Developmental Genetic Programming (DGP) for solving a new extension of the Resource- Constrained Project Scheduling Problem (RCPSP) is investigated. We consider a variant of the problem when resources are only partially available and a deadline is given but it is the cost of the project that should be minimized. RCPSP is a well-known NP-hard problem but in its original formulation it does not take into consideration initial resource workload and it minimises the makespan. Unlike other genetic approaches, where genotypes represent solutions, a genotype in DGP is a procedure that constructs a solution to the problem. Genotypes (the search space) and phenotypes (the solution space) are distinguished and a genotype-to-phenotype mapping (GPM) is used. Thus, genotypes are evolved without any restrictions and the whole search space is explored. The goal of the evolution is to find a procedure constructing the best solution of the problem for which the cost of the project is minimal. The paper presents genetic operators as well as GPM specified for the DGP. Experimental results showed that our approach gives significantly better results compared with methods presented in the literature.(original abstract)

11

K-Partitioning of Graph by Means of Evolutionary Algorithm

61%

Wojnarowski J., Zawiślak S., Kozik S., Frej G.

Badania Operacyjne i Decyzje

|

2003

|

nr 3

91-107

Omówiono problem k-podziału grafu podając różne interpretacje tego zagadnienia oraz listę artykułów naukowych z tego zakresu. Oprócz algorytmów heurystycznych, opisanych w wybranych pozycjach literatury, rozważa się także ostatnio zastosowane algorytmy ewolucyjne. Problem podziału grafu G (V, E) polega na podziale zbioru jego wierzchołków na dwa lub więcej rozłącznych podzbiorów. Następnie rozważa się krawędzie łączące wygenerowane (na tych podzbiorach zbioru V) podgrafy grafu G. Problemem jest taki podział zbioru V k podzbiorów (k-podział), aby liczba krawędzi łączących te podzbiory była minimalna. Problem ten ma związek z wieloma innymi zagadnieniami z zakresu matematyki dyskretnej, jak na przykład: dekompozycją zadania optymalizacji, zamianą dowolnej macierzy w macierz blokową, projektowaniem układów elektronicznych tzw. VLSI. Do rozwiązania wielu z tych zagadnień stosowano różne algorytmy heurystyczne. Algorytmy ewolucyjne mają tę zaletę, iż są ogólne i unika się wnikania w szczegóły zadania. Początkowo stosowano je do problemu 2-podziału, a następnie uogólniono na k-podział. Algorytm ewolucyjny w przypadku k-podziału nie działa tak skutecznie jak dla podstawowego problemu. Rozważano pewne zmodyfikowane operacje genetyczne, które poprawiają skuteczność opracowanego algorytmu. Napisano programy komputerowe, które przetestowano na przykładowych grafach. Zamieszczono wybrane wyniki i ich analizę. Rozważano 2-, 3- oraz 6-podział, a wyniki pochodzą z różnych wersji programu. W przypadku 6-podziału nie zawsze znajdowane jest rozwiązanie optymalne. Jest to cecha algorytmów ewolucyjnych - w swej istocie losowego przeszukiwania. Prowadzone są prace nad dalszym ulepszeniem algorytmu i programu.

12

Implementacja klasycznego algorytmu genetycznego w języku Visual Basic

61%

Romowicz A.

Prace Naukowe / Akademia Ekonomiczna w Katowicach

|

2001

|

Metody i zastosowania badań operacyjnych 2000

197-210

13

Evolutionary Learning with Constrained Genetic Programming

61%

Janikow C.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

2000

|

nr 850

182-193

14

Zastosowania metod opartych na procedurach ewolucyjnych w procesie podejmowania decyzji

51%

Romowicz A.

Prace Naukowe / Akademia Ekonomiczna w Katowicach

|

2006

|

Metody matematyczne, ekonometryczne i informatyczne w finansach i ubezpieczeniach. Część 1

231-241

W niniejszym opracowaniu zaproponowana zostanie metoda wykorzystania programowania ewolucyjnego (a konkretnie regresji symbolicznej) do znalezienia postaci modelu matematycznego w postaci jawnej (czyli funkcji) na podstawie danych empirycznych. (fragment tekstu)

15

Algorytmy genetyczne, ewolucyjne i metaheurystyki : Wybrane zagadnienia

51%

Trzaskalik T. r.

Prace Naukowe / Akademia Ekonomiczna w Katowicach

|

2005

137

Celem publikacji jest wprowadzenie w problematykę algorytmów genetycznych, ewolucyjnych i metaheurystyk, ze szczególnym uwzględnieniem ich zastosowania do rozwiązywania problemów optymalizacji. Omówiono klasyczny algorytm genetyczny w optymalizacji. Zaprezentowano badanie możliwości konstrukcji portfela bezpiecznego przy wykorzystaniu algorytmu genetycznego (rozpatrywano model zawierający zmienne binarne). Przedstawiono rozwiązanie problemu układania optymalnych tras dla cystern w spółdzielni mleczarskiej przy wykorzystaniu metod programowania ewolucyjnego. Opisano przykładowe wzorce projektowe, które mogą być stosowane podczas projektowania algorytmów optymalizacji na podstawie metaheurystyki, takich jak lokalne przeszukiwanie i algorytmy ewolucyjne.

16

Uczenie maszynowe do samoorganizacji systemów rozproszonych w zastosowaniach gospodarczych

51%

Balicki J., Korłub W.

Współczesna Gospodarka

|

2017

|

8

|

nr 1

1-26

W pracy omówiono uczenie maszynowe do samoorganizacji systemów rozproszonych w zastosowaniach gospodarczych ze szczególnym uwzględnieniem sieci neuronowych do predykcji finansowych oraz szacowania ratingu przedsiębiorstw. Oprócz sieci neuronowych, istotną rolę w przygotowaniu i testowaniu informatycznych systemów finansowych może pełnić programowanie genetyczne. Z tego powodu omówiono uczenie maszynowe w aplikacjach konstruowanych automatycznie. W celu uzyskania przewagi konkurencyjnej uczenie maszynowe może być wykorzystane do zarządzania zasobami samoorganizujących się mgieł i chmur obliczeniowych do realizacji obliczeń biznesowych w firmie. Opisano także wybrane zastosowania gospodarcze samoorganizujących się systemów rozproszonych, w tym odniesiono się do badań nad wiarygodnością kredytobiorców, a także wskazano na metody stosowane do szacowania ryzyka sektora bankowego. Na zakończenie przedstawiono kluczowe wnioski oraz kierunki dalszych badań. (abstrakt oryginalny)

17

Zastosowanie algorytmów genetycznych w klasyfikacji bezwzorcowej

51%

Morajda J., Grabowski M.

Przegląd Statystyczny

|

2001

|

48

|

z. 3-4

301-314

Algorytmy genetyczne mogą okazać się przydatnym narzędziem w poszukiwaniu rozwiązań dla wielu klasycznych problemów, również o dużym stopniu trudności. Artykuł stanowi próbę zastosowania algorytmów genetycznych, należących do rodziny metod sztucznej inteligencji, w celu rozwiązania zagadnienia klasyfikacji bezwzorcowej.

18

Zastosowanie algorytmów genetycznych w nieliniowym zagadnieniu transportowym

51%

Winiczenko R.

Gospodarka Materiałowa i Logistyka

|

2009

|

nr 6

19-22

W niniejszym artykule przedstawiono ogólną zasadę działania algorytmów genetycznych oraz ich zastosowanie w nieliniowym problemie transportowym. Algorytm genetyczny może być zastosowany do zadań związanych z kosztami stałymi, zmiennymi ograniczeniami w postaci równań i nierówności czy wymaganiami dotyczącymi źródeł zaopatrzenia. Powyższe zadania często występują w różnych gałęziach przemysłowych, gospodarce materiałowej i logistyce. W przypadku zadań funkcji nieciągłych, nieróżniczkowalnych czy losowych tradycyjne metody optymalizacji niekiedy zawodzą i dobrą alternatywą dla tej grupy zadań są algorytmy genetyczne zastosowane w niniejszej pracy.(abstrakt oryginalny)

19

Zastosowanie algorytmów genetycznych w pozyskiwaniu wiedzy z baz danych

51%

Kwaśnicka H., Szpunar E.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

2001

|

nr 891 Pozyskiwanie wiedzy z baz danych : materiały na konferencję zorganizowaną przez Katedrę Systemów Sztucznej Inteligencji Akademii Ekonomicznej im. Oskara Langego we Wrocławiu, Karpacz, 18-20 maja 2001 r.

131-141

Data mining polega na odkrywaniu wzorów i zależności między danymi w dużych bazach danych. Głównym problemem, którym zajmuje się ten proces jest poszukiwanie reguł związków pomiędzy danymi zawartymi w bazie. Do tych poszukiwań można zastosować metodę algorytmu genetycznego i jego odmianę programowanie genetyczne.

20

Wybrane paradygmaty sztucznej inteligencji w informatycznych systemach finansowych

51%

Balicki J.

Współczesna Gospodarka

|

2015

|

6

|

nr 4

1-23

W artykule omówiono wybrane paradygmaty sztucznej inteligencji w kontekście ich zastosowań w informatycznych systemach finansowych. Zaproponowane podejście cechuje się istotnym potencjałem w zakresie wzrostu konkurencyjności przedsiębiorstw, w tym instytucji finansowych. Wymaga jednak efektywnego wykorzystania superkomputerów, gridów i chmur obliczeniowych, W tym kontekście odniesiono się do środowiska obliczeniowego dla cyberwaluty Bitcoin. Ponadto, scharakteryzowano programowanie genetyczne i sztuczne sieci neuronowe do przygotowania strategii inwestycyjnych na giełdzie papierów wartościowych. (abstrakt oryginalny)