Agentowe metody poprawy efektywności ewolucyjnych technik optymalizacji wielokryterialnej
Link do zdalnego zasobu
Dostęp z terminali w BG AGH
Data publikacji
Data publikacji (copyright)
Data prezentacji
Data obrony
Data nadania stopnia
Autorzy (rel.)
Inny tytuł
Typ zasobu:
rozprawa doktorska, spis treściWersja
Sygnatura:
R.10138Nr normy / patentu
Szczegóły wydania / pracy
Redaktorzy (rel.)
Promotorzy (rel.)
Recenzenci (rel.)
Projekt
Tytuł:Dyscyplina
Słowa kluczowe
systemy wieloagentowe, optymalizacja matematyczna, system agentowy, optymalizacja wielokryterialna, obliczenia ewolucyjneDyscyplina (2011-2018)
Specjalność
Klasyfikacja MKP
Abstrakt
Paradygmat obliczeń agentowo-ewolucyjnych (ang. Evolutionary Multi-Agent System) - EMAS) to model obliczeniowy będący możliwie pełną analogią do procesów (ewolucyjnych) obserwowanych w naturze. Zasadniczy obszar rozważań podjętych w rozprawie dotyczy możliwości zastosowania tego podejścia do budowy efektywnych technik polioptymalizacji. W ramach prowadzonych prac zaproponowano kilka wariantów agentowo-ewolucyjnych technik polioptymalizacji, w tym omawiane szczegółowo w pracy to: elitarny system agentowo-ewolucyjny optymalizacji wielokryterialnej - elEMAS oraz system agentowo-ewolucyjny do optymalizacji wielokryterialnej z ograniczeniami - conEMAS. Efektywność zaproponowanych technik obliczeniowych zweryfikowana została w toku licznych eksperymentów prowadzonych z wykorzystaniem zadań polooptymalizacji o zróżnicowanej charakterystyce. Uzyskane i prezentowane w rozprawie rezultaty potwierdzają, iż dla pewnych klas problemów bądź w pewnych warunkach (w szczególności w środowiskach zaszumionych) zaproponowane metody obliczeniowe charakteryzują się lepszą efektywnością od wykorzystywanych powszechnie takich, jak SNGA-OO czy SPEA2.