Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: funkcja przystosowania

Sortuj według:

Ogranicz wyniki do:

Systemowy algorytm ewolucyjny (SAE)

Tchórzewski J. R.

Bio-Algorithms and Med-Systems

2005

Vol. 1, no. 1/2

61--64

Praca zawiera propozycję nowej metody z grupy algorytmów genetycznych i ewolucyjnych nazwanej systemowym algorytmem ewolucyjnym (SAE). Klasyczne już algorytmy genetyczne i ewolucyjne nie zawierają na przykład metody prowadzącej do otrzymywania pierwotnej populacji wprost z systemu oraz adekwatnego sposobu na otrzymywanie nowej populacji (odpowiednio zdefiniowanej funkcji przystosowania). Artykuł zawiera ponadto szereg definicji takich jak: strukturalne i parametryczne zmiany, kod informacyjny rozwoju systemu, rozbieżności systemowe pomiędzy systemem a otoczeniem (uogólnienie pojęcia funkcji przystosowania), mapy wiedzy o rozwoju systemu itp.

This paper contains proposition of new method of evolving algorithm called evolving algorithm of system (SAE). Classical algorithms are not, for example, furnished with a method of getting population directly from systems and adequacy methods to qualify artificial genetic code to new populations. The article presents the way to produce genetic code directly from systems and also defines steps leading to new population. Besides this, the article presents definitions of structural and parametric changes, information code of systems, divergence between system and environment (special fitness function), knowledge maps on system development, and others.

Wykorzystanie narzędzi genetycznych do sterowania środowiskiem rozproszonym

Piech H., Ptak A.

Informatyka Teoretyczna i Stosowana

2002

R. 2, nr 2

109-118

W środowisku rozproszonym możemy mieć do czynienia zarówno z rozproszeniem danych, jak i z rozproszeniem procesów. Problemy związane z takimi strukturami polegają na rozwiązywaniu zagadnień optymalizacyjnych, zmierzających do równomiernego obciążenia węzłów sieci, minimalizacji przepływów, minimalizacji rozpiętości drzewa sieci etc. Włączenie opisów i procedur genetycznych nie będzie przykładem zastosowania szybkiego i precyzyjnego narzędzia do optymalizacji, lecz niejako ożywi sieć, śledząc na bieżąco wszystkie transfery procesów oraz danych i może dostarczać informacji wykorzystywanych do usprawnienia pracy i dystrybucji w sieci. Wadą genetycznej optymalizacji jest długi czas jej realizacji, lecz równolegle śledzenie stanów i efektów decyzji sterujących przepływem procesów i danych pozwoli na równomierne rozłożenie zadań.