Keywords

Details

Category:

Articles

Type:

artykuły w czasopismach recenzowanych i innych wydawnictwach ciągłych

Published in:

Współczesna Gospodarka edition 3, pages 1 - 12,
ISSN: 2082-677X

Language:

Polish

Publication year:

2017

Bibliographic description:

Balicki J., Dryja P., Korłub W., Tyszka M.: Metody zwiększania dostępności i efektywności informatycznej infrastruktury w inteligentnym mieście// Współczesna Gospodarka. -., iss. 3 (2017), s.1-12

Bibliography: test

1. A. T. Bubal, L. S. Lee, Differential Evolution for Urban Transit Routing Problem, Journal of Computer and Communications, 2016, 4, 11-25, s. 12. open in new tab
2. J. Kennedy, R. Eberhart, Particle Swarm Optimization, Proceedings of IEEE International Conference on Neural Networks IV, 1995, p. 1942. open in new tab
3. S. Nikam and P. Mane, Swarm Intelligent WSN for Smart City, Proceedings of the International Conference on Data Engineering and Communication Technology, 2016, p. 691. open in new tab
4. D. Karaboga, An Idea Based On Honey Bee Swarm for Numerical Optimization, Technical Report-TR06, Erciyes University, Engineering Faculty, Computer Engineering Department, 2005, p. 223. Rysunek 4. Pojazdy PTR na lotnisku Heathrow Źródło: http://www.ultraglobalprt.com (11.08.2017)
5. Algorytm kolonii mrówek Dorigo 17 zaprezentował algorytm Ant Colony Optimization (ACO) w 1992 do wyznacza- nia optymalniej ścieżki w grafie. Algorytm stanowi podstawę dla istotnej liczby rozszerzeń ta- kich jak Ranked-based ant system czy Recursive ant colony optimization. Prace nad ACO zainspirowane były obserwacją zachowań kolonii mrówek. Z biologicznego punktu widzenia zachowanie mrówek świadczy o tym, że przetrwanie kolonii jest celem nadrzędnym w odnie- sieniu do przetrwania pojedynczej jednostki. Inspirację stanowił proces poszukiwania pokarmu przez mrówki. W początkowej fazie poszukiwań mrówki poruszają się w sposób losowy wokół gniazda. Każda z mrówek pozostawia za sobą ślad feromonów w czasie poszukiwania open in new tab
6. Q. Pan, M. Fatih Tasgetiren, P. Suganthan and T. Chua, A discrete artificial bee colony algorithm for the lot- streaming flow shop scheduling problem, Elsevier, Information Sciences, vol. 181, no. 12, 2011, p. 2455. open in new tab
7. S.N. Omkar, J. Senthilnath, R. Khandelwal, G. Narayana Naik, S. Gopalakrishnan, Artificial Bee Colony (ABC) for multi-objective design optimization of composite structures, Elsevier, Applied Soft Computing, Netherlands, 2010, p. 12. open in new tab
8. E. Fatnassi, O. Chebbi, J. Siala, Bee colony algorithm for the routing of guided automated battery-operated elec- tric vehicles in personal rapid transit systems, 2014 IEEE Congress on Evolutionary Computation (CEC), 2014 open in new tab
9. M. Dorigo, L.M. Gambardella, Ant colony system: A cooperative learning approach to the traveling salesman problem, IEEE Transactions On Evolutionary Computation, Vol. 1, No. 1, 1997, pp. 53-66. open in new tab
10. Balicki J., Dryja P., Korłub W., Przybyłek P., Tyszka M., Zadroga M., Zakidalski M., Metody neuronowe do prognozowania finansowego, "Współczesna Gospodarka" 2016, nr 2 open in new tab
11. Balicki J., Korłub W., Uczenie maszynowe do samoorganizacji systemów rozproszonych w zastosowaniach gospodarczych, "Współczesna Gospodarka" 2017, nr 1
12. Balicki J., Przybyłek P., Zadroga M., Zakidalski M., Sztuczne sieci neuronowe oraz metoda wektorów wspierających w bankowych systemach informatycznych, "Współczesna Gospodarka" 2013, nr 4
13. Balicki J.: Wybrane paradygmaty sztucznej inteligencji w informatycznych systemach fi- nansowych, "Współczesna Gospodarka" 2015, nr 4
14. 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 open in new tab
15. Bubal A. T., Lee L. S., Differential Evolution for Urban Transit Routing Problem, Journal of Computer and Communications, 2016, no. 4, pp. 12 -14. open in new tab
16. Dorigo M, Gambardella LM., Ant colony system: A cooperative learning approach to the traveling salesman problem. IEEE Trans Evolutionary Comput 1997, pp. 53-66. open in new tab
17. 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 open in new tab
18. Huibin J., Mingguang L., An Improved Differential Evolution Alogorithm for Optimiza- tion. IITA International Conference on Control, Automation and Systems Engineering 2009, pp. 659-662 open in new tab
19. Kanter R., Litow S., Informed and interconnected: A manifesto for smarter cities. Harvard Business School, General Management Unit, Working Paper, 2009
20. Karaboga D.: An Idea Based On Honey Bee Swarm for Numerical Optimization, Tech- nical Report-TR06,Erciyes University, Engineering Faculty, Computer Engineering De- partment, 2005 open in new tab
21. Kennedy, J.; Eberhart, R.: Particle Swarm Optimization, Proceedings of IEEE Interna- tional Conference on Neural Networks, 1995, pp. 1942-1948 open in new tab
22. Nikam S., Mane P.: Swarm Intelligent WSN for Smart City, Proceedings of the Interna- tional Conference on Data Engineering and Communication Technology, 2016, pp. 691- 700 open in new tab
23. 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 open in new tab
24. Pan Q., Tasgetiren M. F., Suganthan P., Chua T.: A discrete artificial bee colony algo- rithm for the lot-streaming flow shop scheduling problem, Elsevier, Information Sciences, vol. 181, no. 12, 2011, pp. 2455-2468 open in new tab
25. Winiarski J., Ryzyko w działalności gospodarczej przedsiębiorstw. Wydawnictwo Uni- wersytet Gdański Instytut Transportu i Handlu Morskiego, Gdańsk 2014

show (25) hide

Verified by:

Gdańsk University of Technology