BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Wojarnik Grzegorz (Uniwersytet Szczeciński)
Tytuł
Złożoność obliczeniowa metod ewolucyjnych - poszukiwanie algorytmu ewolucyjnego rozwiązującego problem biznesowy
Computational Complexity of Evolutionary Methods - Business Problem Solution Searching Thankso to Evolutionary Algorithms
Źródło
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Informatyka Ekonomiczna (14), 2009, nr 82, s. 310-319, rys., bibliogr. 12 poz.
Research Papers of Wrocław University of Economics. Business Informatics
Tytuł własny numeru
Rynek usług informatycznych
Słowa kluczowe
Algorytmy, Rozwiązywanie problemów, Sztuczna inteligencja, Optymalizacja, Zarządzanie biznesem
Algorithms, Solving problems, Artificial intelligence, Optimalization, Business management
Uwagi
streszcz., summ.
Abstrakt
Istnieje wiele sposobów rozwiązywania problemów wielokryterialnych. Jednym z nich są algorytmy ewolucyjne. Ze względu na różnorodność parametrów sterujących tymi algorytmami można wyróżnić ich wiele rodzajów i odmian. Trudno jest stwierdzić ad- -hoc, która z metod ewolucyjnych jest lepsza do rozwiązania postawionego problemu. Jednym z możliwych rozwiązań, zmierzających do uzyskania odpowiednich parametrów działania algorytmu ewolucyjnego, wydają się metaalgorytmy, które mogą być pomocne w wyborze algorytmu ewolucyjnego, niejako dopasowanego do rozwiązywania problemów danej klasy. Z tego punktu widzenia można zaproponować metaalgorytm, który pozwoli na rozwiązywanie różnorodnych problemów biznesowych przy użyciu algorytmów ewolucyjnych, co będzie przedmiotem dalszych badań autora artykułu w niedalekiej przyszłości.(abstrakt oryginalny)

There are a lot of approaches to solving multi-objective problems. One of them are evolutionary algorithms. There are many different kinds of them. It is difficult to say which evolutionary method is better to solve a given problem. A possible solution to get proper properties of evolutionary method seems to be meta-algorithm that will help to select evolutionary algorithm matching a given problem. A proposed procedure of meta-algorithm which controls properties of evolutionary algorithm used in solving business problems, that will be researched by the author of the article in near future, starts from this point of view.(original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Arabas J., Wykłady z algorytmów ewolucyjnych, WNT, Warszawa 2004.
  2. Bäck Th., Evolutionary Computation, Overview and a CFD Application, [w:] J. Periaux, P. Joly, O. Pironneau, E. Onate (red.), Innovative Tools for Scientific Computation in Aeronautical Engineering, CIMNE, Barcelona 2001.
  3. Banzhaf W., Artificial Intelligence: Genetic Programming, International Encyclopedia of the Social & Behavioral Sciences, Elsevier Science Ltd., 2001.
  4. De Jong K., Fogel D.B., Schwefel H.P., A History of Evolutionary Computation w Handbook of Evolutionary Computation, Oxford University Press, Oxford 1997.
  5. Gwiazda T.D., Algorytmy genetyczne. Kompendium. Operator krzyżowania dla problemów numerycznych, Wydawnictwo Naukowe PWN, Warszawa 2007a.
  6. Gwiazda T.D., Algorytmy genetyczne. Kompendium. Operator mutacji dla problemów numerycznych, Wydawnictwo Naukowe PWN, Warszawa 2007b.
  7. Kennedy J., Eberhart R.C., Shi Y., Swarm Intelligence, Morgan Kaufman Publishers, San Francisco 2001.
  8. Kinnear K.E., Jr, Smith R.E., Michalewicz Z., Derivative Methods w Handbook of Evolutionary Computation, Oxford University Press, Oxford 1997.
  9. Koza J.R., Future Work and Practical Applications of Genetic Programming, [w:] Handbook of Evolutionary Computation, Oxford University Press, Oxford 1997.
  10. Meyer-Nieberg S., Beyer H.G., Self-Adaptation in Evolutionary Algorithms, [w:] F. Lobo, C. Lima, Z. Michalewicz, (red.), Parameter Setting in Evolutionary Algorithm, Springer, Berlin 2007.
  11. Michalewicz Z., Algorytmy genetyczne + struktury danych = programy genetyczne, WNT, Warszawa 2003.
  12. Whitley D., An Overview of Evolutionary Algorithms: Practical Issues and Common Pitfalls, Computer Science Department, Colorado University, 2001.
Cytowane przez
Pokaż
ISSN
1899-3192
1507-3858
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu