BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Staś Tomasz (Uniwersytet Ekonomiczny w Katowicach)
Tytuł
Możliwości wykorzystania algorytmów ewolucyjnych w zadaniach obliczeniowo złożonych
Utilization of Evolutionary Algorithms in Complex Decision Problems
Źródło
Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach, 2012, nr 99, s. 85-94
Tytuł własny numeru
Technologie wiedzy w zarządzaniu publicznym
Słowa kluczowe
Uczenie maszynowe, Algorytmy, Uczenie się, Optymalizacja
Machine learning, Algorithms, Studying, Optimalization
Uwagi
summ.
Abstrakt
W artykule zarysowano zagadnienia maszynowego uczenia się, ze szczególnym uwzględnieniem tych cech, które są charakterystyczne dla algorytmów mrowiskowych. Zaprezentowano popularne zagadnienia, które zostały przez Autora rozwiązywane z wykorzystaniem algorytmów mrowiskowych, argumentując wybór tych algorytmów jako pozytywnie rokującego w zadaniu optymalizacji układania planu zajęć. (fragment tekstu)

Complex decision problems are very commonplace. One of the roads leading to the acceleration of the calculations is the construction of ever faster computers. From the other hand many scientific centers search solutions that may improve the algorithmic calculation. The article outlines the issues of machine learning, with particular emphasis of Ant Colony Algorithms. Author present common issues that were solved using this type of algorithms. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej w Warszawie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. P. Cichosz: Systemy uczące się, WNT, Warszawa 2009.
  2. R. Manner, B. Manderick: Parallel Problem Solving from Nature, Elsevier Science Publishers, Amsterdam 1992.
  3. Algorytmy genetyczne, ewolucyjne i metaheurystyki: wybrane zagadnienia. Informatyka w badaniach operacyjnych, [red.] T. Trzaskalik, Prace naukowe Akademii Ekonomicznej, Katowice 2005.
  4. S. Nouyan, R. Ghizzioli, M. Birattari, M. Dorigo: An Insect-based Algorithm for the Dynamic Task Allocation Problem, Kunstliche Intelligenz, Vol. 4/05, Trier 2005
  5. Badania operacyjne, [red.] B. Sikora, PWE, Warszawa 2008.
  6. Boryczka M.: Programowanie mrowiskowe w procesie aproksymacji funkcji, Wydawnictwo Uniwersytetu Śląskiego, Katowice 2006.
  7. U. Boryczka: Algorytmy optymalizacji mrowiskowej, Wydawnictwo Uniwersytetu Śląskiego, Katowice 2006.
  8. M. Manfrin, M. Birattari, T. Stutzle, M. Dorigo: Parallel Ant Colony Optimization for the Traveling Salesman Proble, Proceedings of ANTS 2006, Springer Verlag, Berlin 2006.
  9. U. Boryczka, M. Boryczka: Ewolucja w Systemach Mrówkowych, Instytut Informatyki Stosowanej, Uniwersytet Śląski, Katowice 1996.
  10. Y. Wang, G. Du, T. Huang, Y. Wang: 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.
  11. T. Staś: Wykorzystanie algorytmów mrowiskowych w procesie doskonalenia portali korporacyjnych, praca doktorska, Akademia Ekonomiczna, Katowice 2008.
  12. Massoodian S., Esteki A.: A Hybrid Genetic Algorithm for Curriculum Based Course Timetabling, The University of Isfahan. Isfahan, Iran, 2008
Cytowane przez
Pokaż
ISSN
2083-8611
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu