BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Balicki Jerzy (Politechnika Warszawska), Dryja Piotr (Politechnika Gdańska), Korłub Waldemar (Politechnika Gdańska), Tyszka Maciej (Politechnika Gdańska)
Tytuł
Metody zwiększania dostępności i efektywności informatycznej infrastruktury w inteligentnym mieście
Methods for Improving Availability and Efficiency of Computer Infrastructure in Smart Cities
Źródło
Współczesna Gospodarka, 2017, vol. 8, nr 3, s. 1-12, rys., tab., bibliogr. 18 poz.
Contemporary Economy Electronic Scientific Journal
Słowa kluczowe
Inteligentne miasto, Infrastruktura informatyczna
Smart city, IT infrastructure
Uwagi
streszcz., summ.
Abstrakt
W pracy omówiono metody zwiększania dostępności i efektywności informatycznej infrastruktury w inteligentnym mieście. Sformułowano dwa kryteria do oceny rozmieszczenia kluczowych zasobów w systemie smart city. Zobrazowano proces wyznaczania rozwiązań kompromisowych spośród rozwiązań Pareto-optymalnych. Omówiono metaheurystyki inteligencji zbiorowej, w tym roju cząstek, kolonii mrówek, roju pszczół oraz ewolucji różnicowej, za pomocą których można wyznaczać kompromisową infrastrukturę smart city. Wskazano także na inne zastosowania metaheurystyk w smart city. (abstrakt oryginalny)

This paper discusses methods for increasing the availability and efficiency of information infrastructure in smart cities. Two criteria have been formulated to assign some key resources in smart city system. The process of finding some compromise solutions from Pareto-optimal solutions has been illustrated. Metaheuristics of collective intelligence, including particle swarm optimization PSO, ant colony optimization ACO, algorithm of bee colony ABC, and differential evolution DE have been described due to smart city infrastructure improving. Other application of above metaheuristics in smart city have been also presented. (original abstract)
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Balicka H., Balicki J., Korłub W., Paluszak J., Zadroga M., Superkomputery do wspomagania procesów gospodarczych ze szczególnym uwzględnieniem sektora bankowego. "Współczena Gospodarka" 2014, nr 4.
  2. Balicki J., Dryja P., Korłub W., Przybyłek P., Tyszka M., Zadroga M., Zakidalski M., Metody neuronowe do prognozowania finansowego, "Współczesna Gospodarka" 2016, nr 2.
  3. Balicki J., Korłub W., Uczenie maszynowe do samoorganizacji systemów rozproszonych w zastosowaniach gospodarczych, "Współczesna Gospodarka" 2017, nr 1.
  4. Balicki J., Przybyłek P., Zadroga M., Zakidalski M., Sztuczne sieci neuronowe oraz metoda wektorów wspierających w bankowych systemach informatycznych, "Współczesna Gospodarka" 2013, nr 4.
  5. Balicki J.: Wybrane paradygmaty sztucznej inteligencji w informatycznych systemach finansowych, "Współczesna Gospodarka" 2015, nr 4.
  6. Bello O., Zeadally S., Intelligent Device-to-Device Communication in the Internet of Things, IEEE Systems Journal, vol. 10, no. 3, 2016, pp. 1172-1182.
  7. Bubal A. T., Lee L. S., Differential Evolution for Urban Transit Routing Problem, Journal of Computer and Communications, 2016, no. 4, pp. 12 - 14.
  8. Dorigo M, Gambardella LM., Ant colony system: A cooperative learning approach to the traveling salesman problem. IEEE Trans Evolutionary Comput 1997, pp. 53-66.
  9. Fatnassi E., Chebbi, J. Siala, Bee colony algorithm for the routing of guided automated battery-operated electric vehicles in personal rapid transit systems, 2014 IEEE Congress on Evolutionary Computation (CEC), 2014.
  10. Huibin J., Mingguang L., An Improved Differential Evolution Alogorithm for Optimization. IITA International Conference on Control, Automation and Systems Engineering 2009, pp. 659-662.
  11. Kanter R., Litow S., Informed and interconnected: A manifesto for smarter cities. Harvard Business School, General Management Unit, Working Paper, 2009.
  12. Karaboga D.: An Idea Based On Honey Bee Swarm for Numerical Optimization, Technical Report-TR06,Erciyes University, Engineering Faculty, Computer Engineering Department, 2005.
  13. Kennedy, J.; Eberhart, R.: Particle Swarm Optimization, Proceedings of IEEE International Conference on Neural Networks, 1995, pp. 1942-1948.
  14. Nikam S., Mane P.: Swarm Intelligent WSN for Smart City, Proceedings of the International Conference on Data Engineering and Communication Technology, 2016, pp. 691-700.
  15. Omkar S.N., Senthilnath J., Khandelwal R., Naik G. N., Gopalakrishnan S.: Artificial Bee Colony (ABC) for multi-objective design optimization of composite structures, Elsevier, Applied Soft Computing, Netherlands, 2010.
  16. Pan Q., Tasgetiren M. F., Suganthan P., Chua T.: A discrete artificial bee colony algorithm for the lot-streaming flow shop scheduling problem, Elsevier, Information Sciences, vol. 181, no. 12, 2011, pp. 2455-2468.
  17. Smart Dublin Project, http://smartdublin.ie/smartstories/unfolding-news-app (01.07.2017).
  18. Winiarski J., Ryzyko w działalności gospodarczej przedsiębiorstw. Wydawnictwo Uniwersytet Gdański Instytut Transportu i Handlu Morskiego, Gdańsk 2014.
Cytowane przez
Pokaż
ISSN
2082-677X
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu