Keywords

Details

Category:

Thesis, nostrification

Type:

praca doktorska pracowników zatrudnionych w PG oraz studentów studium doktoranckiego

Language:

Polish

Publication year:

2017

Bibliography: test

1. B. Abrahams, J. Zeleznikow. Agent and Multi-Agent Systems: Technologies and Applications: 4th KES International Symposium, KES-AMSTA 2010, Gdynia, Poland, June 23-25, 2010, Proceedings. Part I, Including Notions of Fairness in Development of an Integrated Multi-agent Online Dispute Resolution Environment, str. 102-111. Springer Berlin open in new tab
2. Heidelberg, Berlin, Heidelberg, 2010. ISBN 978-3-642-13480-7. doi:10.1007/978-3-642-13480- 7_12. open in new tab
3. R. Agarwal, A. Deo, S. Das. Intelligent Agents in E-learning. SIGSOFT Softw. Eng. Notes, 29(2):1-1, III 2004. ISSN 0163-5948. doi:10.1145/979743.979755. open in new tab
4. M. T. Al-Hajri, M. A. Abido. Multiobjective optimal power flow using Improved Strength Pareto Evolutionary Algorithm (SPEA2). Intelligent Systems Design and Applications (ISDA), 2011 11th International Conference on, str. 1097-1103. Nov 2011. ISSN 2164-7143. doi:10.1109/ISDA.2011.6121805. open in new tab
5. N. Al-Madi, S. Ludwig. Adaptive genetic programming applied to classification in data mining. Nature and Biologically Inspired Computing (NaBIC), 2012 Fourth World Congress on, str. 79-85. Nov 2012. doi:10.1109/NaBIC.2012.6402243. open in new tab
6. M. S. Alam, M. M. Islam, X. Yao, K. Murase. Diversity Guided Evolutionary Programming: A novel approach for continuous optimization. Applied Soft Computing, 12(6):1693 -1707, 2012. ISSN 1568-4946. doi:http://dx.doi.org/10.1016/j.asoc.2012.02.002. open in new tab
7. I. Alberto, C. Azcarate, F. Mallor, P. Mateo. Multiobjective Evolutionary Algorithms. Pareto Rankings. Monografias del Semin. Matem. Garcia de Galdeano, 27:27-35, 2003. open in new tab
8. R. Allan. Survey of Agent Based Modelling and Simulation Tools. Rap. tech., Computational Science and Engineering Department, STFC Daresbury Laboratory, 2011. http://www. grids.ac.uk/Complex/ABMS/ABMS.html. Dostęp: 2016-01-20.
9. W. Allcock, J. Bresnahan, R. Kettimuthu, M. Link, C. Dumitrescu, I. Raicu, I. Foster. The Globus Striped GridFTP Framework and Server. Proceedings of the 2005 ACM/IEEE Conference on Supercomputing, SC '05, str. 54-64. IEEE Computer Society, Washington, DC, USA, 2005. ISBN 1-59593-061-2. doi:10.1109/SC.2005.72. open in new tab
10. B. Allen. Einstein@Home. http://einsteinathome.org/. Dostęp: 2016-01-20.
11. R. M. Almeida, E. E. N. Macau. Percolation model for wildland fire spread dynamics. E. E. N. open in new tab
12. Macau, L. F. R. Turci, L. S. Martins Filho, red., Proceedings of Dynamics Days South America 2010: International Conference on Chaos and Nonlinear Dynamics. Instituto Nacional de Pesquisas Espaciais (INPE), São José dos Campos, 2010.
13. T. Altameem, M. Amoon. An agent-based approach for dynamic adjustment of scheduled jobs in computational grids. Journal of Computer and Systems Sciences International, 49(5):765-772, 2010. ISSN 1555-6530. doi:10.1134/S1064230710050114. open in new tab
14. A. Ameljańczyk. Teoria gier i optymalizacja wektorowa. WAT, Warszawa, 1980. open in new tab
15. A. Ameljańczyk. Optymalizacja wielokryterialna w problemach sterowania i zarządzania. PAN, Warszawa, 1984.
16. D. P. Anderson. BOINC: a system for public-resource computing and storage. Grid Computing, 2004. Proceedings. Fifth IEEE/ACM International Workshop on, str. 4-10. Nov 2004. ISSN 1550-5510. doi:10.1109/GRID.2004.14. open in new tab
17. P. J. Angeline. Evolutionary Optimization Versus Particle Swarm Optimization: Philosophy and Performance Differences. Proceedings of the 7th International Conference on open in new tab
18. Evolutionary Programming VII, EP '98, str. 601-610. Springer-Verlag, London, UK, UK, 1998. ISBN 3-540-64891-7. open in new tab
19. M. Anik, S. Ahmed. A mixed mutation approach for evolutionary programming based on guided selection strategy. Informatics, Electronics Vision (ICIEV), 2013 International Conference on, str. 1-6. May 2013. doi:10.1109/ICIEV.2013.6572647. open in new tab
20. Apache Software Foundation. Apache JMeter. http://jmeter.apache.org/. Dostęp: 2016-01-20. open in new tab
21. A. Arcuri, X. Yao. A novel co-evolutionary approach to automatic software bug fixing. Evolutionary Computation, 2008. CEC 2008. (IEEE World Congress on Computational Intelligence). IEEE Congress on, str. 162-168. June 2008. doi:10.1109/CEC.2008.4630793. open in new tab
22. T. Bäck. Selective pressure in evolutionary algorithms: a characterization of selection mechanisms. Evolutionary Computation, 1994. IEEE World Congress on Computational Intelligence., Proceedings of the First IEEE Conference on, str. 57-62 vol.1. Jun 1994. doi: 10.1109/ICEC.1994.350042. open in new tab
23. T. Bäck, G. Rudolph, H. P. Schwefel. Evolutionary Programming and Evolution Strategies: Similarities and Differences. D. B. Fogel, J. W. Atmar, red., Proceedings of the 2nd Annual Conference on Evolutionary Programming, str. 11-22. Evolutionary Programming Society, La Jolla, CA, II 1993. open in new tab
24. J. Balicki. Algorytmy ewolucyjne oraz algorytmy przeszukiwania tabu do optymalizacji przydziałów modułów programów w rozproszonych systemach komputerowych. Wydawnictwo AMW, Gdynia, 2001.
25. J. Balicki. Genetic programming for finding trajectories of underwater vehicle. Robot Motion and Control, 2002. RoMoCo '02. Proceedings of the Third International Workshop on, str. 217-222. Nov 2002. doi:10.1109/ROMOCO.2002.1177110. open in new tab
26. J. Balicki. Computational Science -ICCS 2006: 6th International Conference, Reading, UK, May 28-31, 2006. Proceedings, Part III, Negative Selection with Ranking Procedure in Tabu-Based Multi-criterion Evolutionary Algorithm for Task Assignment, str. 863-870. open in new tab
27. Springer Berlin Heidelberg, Berlin, Heidelberg, 2006. ISBN 978-3-540-34384-4. doi:10.1007/ 11758532_112.
28. J. Balicki. Multi-criterion Tabu Programming for Pareto-optimal Task Assignment in Distributed Computer Systems. Proceedings of the 12th WSEAS International Conference on Computers, ICCOMP'08, str. 142-147. World Scientific and Engineering Academy and Society (WSEAS), Stevens Point, Wisconsin, USA, 2008. ISBN 978-960-6766-85-5. open in new tab
29. J. Balicki. An Adaptive Quantum-based Multiobjective Evolutionary Algorithm for Efficient Task Assignment in Distributed Systems. Proceedings of the WSEAES 13th International Conference on Computers, ICCOMP'09, str. 417-422. World Scientific and Engineering Academy and Society (WSEAS), Stevens Point, Wisconsin, USA, 2009. ISBN 978- 960-474-099-4.
30. J. Balicki, Z. Kitowski. Multicriteria optimization of computer resource allocations with using genetic algorithms and artificial neural networks. Proceedings of the 12th International Conference on Systems Science, tom 3, str. 11-18. 1995. open in new tab
31. J. Balicki, Z. Kitowski. Evolutionary Multi-Criterion Optimization: First International Conference, EMO 2001 Zurich, Switzerland, March 7-9, 2001 Proceedings, Multicriteria Evolutionary Algorithm with Tabu Search for Task Assignment, str. 373-384. Springer Berlin Heidelberg, Berlin, Heidelberg, 2001. ISBN 978-3-540-44719-1. doi:10.1007/3-540- 44719-9_26. open in new tab
32. J. Balicki, H. Krawczyk, E. Nawarecki. Grid and Volunteer Computing. Wydawnictwo Politechniki Gdańskiej, 2012. ISBN 9788360779170.
33. J. Balicki, J. Kuchta. Obliczenia rozproszone w systemach komputerowych o architekturze klasy grid. Wydawnictwo Politechniki Gdańskiej, Gdańsk, 2012. ISBN 978-83-60779-14-9.
34. J. Balicki, J. Szymański, M. Kępa, K. Draszawka, W. Korłub. Artificial Intelligence and Soft Computing: 14th International Conference, ICAISC 2015, Zakopane, Poland, June 14-18, 2015, Proceedings, Part I, Improving Effectiveness of SVM Classifier for Large Scale Data, str. 675-686. Springer International Publishing, Cham, 2015. ISBN 978-3-319-19324-3. doi: open in new tab
35. J. Balicki, et al. Comcute system utrzymania wielkiej mocy obliczeniowej. Raport końcowy z projektu rozwojowego OR00010811, Politechnika Gdańska, Gdańsk, 2012.
36. E. T. Barr, M. Harman, Y. Jia, A. Marginean, J. Petke. Automated Software Transplantation. Proceedings of the 2015 International Symposium on Software Testing and Analysis, ISSTA 2015, str. 257-269. ACM, New York, NY, USA, 2015. ISBN 978-1-4503-3620-8. doi:10.1145/ 2771783.2771796. open in new tab
37. T. Bartz-Beielstein, J. Branke, J. Mehnen, O. Mersmann. Evolutionary Algorithms. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 4(3):178-195, 2014. ISSN 1942-4795. doi:10.1002/widm.1124. open in new tab
38. F. L. Bellifemine, G. Caire, D. Greenwood. Developing Multi-Agent Systems with JADE. Wiley, 2007. open in new tab
39. F. L. Bellifemine, G. Caire, T. Trucco, G. Rimassa. JADE Programmer's Guide. Telecom Italia Lab, April 2010. open in new tab
40. F. L. Bellifemine, G. Caire, T. Trucco, G. Rimassa, R. Mungenast. JADE Administrator's Guide. Telecom Italia Lab, April 2010. open in new tab
41. H. G. Beyer. The theory of evolution strategies. Springer, 2001. open in new tab
42. H. G. Beyer, H. P. Schwefel. Evolution strategies -A comprehensive introduction. Natural Computing, 1(1):3-52, 2002. ISSN 1567-7818. doi:10.1023/A:1015059928466. open in new tab
43. J. Blazewicz, M. Kovalyov, M. Machowiak, D. Trystram, J. Weglarz. Preemptable malleable task scheduling problem. Computers, IEEE Transactions on, 55(4):486-490, April 2006. ISSN 0018-9340. doi:10.1109/TC.2006.58. open in new tab
44. S. Bleuler, M. Brack, L. Thiele, E. Zitzler. Multiobjective genetic programming: reducing bloat using SPEA2. Evolutionary Computation, 2001. Proceedings of the 2001 Congress on, tom 1, str. 536-543 vol. 1. 2001. doi:10.1109/CEC.2001.934438. open in new tab
45. W. Blewitt, G. Ushaw, G. Morgan. Applicability of GPGPU Computing to Real-Time AI Solutions in Games. Computational Intelligence and AI in Games, IEEE Transactions on, 5(3):265-275, Sept 2013. ISSN 1943-068X. doi:10.1109/TCIAIG.2013.2258156. open in new tab
46. M. Bratman. Intention, Plans, and Practical Reason. Harvard University Press, 1987.
47. R. A. Brooks. A Robust Layered Control System for a Mobile Robot. IEEE Journal of Robotics and Automation, RA-2(1):14-23, 1986. open in new tab
48. I. Buck. GPU computing with NVIDIA CUDA. ACM SIGGRAPH 2007 courses, SIGGRAPH '07. ACM, New York, NY, USA, 2007. doi:10.1145/1281500.1281647. open in new tab
49. A. Byrski, R. Debski, M. Kisiel-Dorohinicki. Agent-based computing in an augmented cloud environment. International Journal of Computer Systems Science & Engineering, 27(1):7-18, 2012.
50. J. Cao, D. Kerbyson, E. Papaefstathiou, G. R. Nudd. Performance modeling of parallel and distributed computing using PACE. Performance, Computing, and Communications Conference, 2000. IPCCC '00. Conference Proceeding of the IEEE International, str. 485-492. Feb 2000. doi:10.1109/PCCC.2000.830354. open in new tab
51. J. Cao, D. J. Kerbyson, G. R. Nudd. High Performance Service Discovery in Large-Scale MultiAgent and Mobile-Agent Systems. J. Software Engineering and Knowledge Engineering, Special Issue on Multi-Agent Systems and Mobile Agents, str. 621-641, 2001. open in new tab
52. J. Cao, D. Spooner, J. D. Turner, S. Jarvis, D. J. Kerbyson, S. Saini, G. Nudd. Agent-Based Resource Management for Grid Computing. Cluster Computing and the Grid, 2002. 2nd
53. IEEE/ACM International Symposium on, str. 350-350. May 2002. doi:10.1109/CCGRID. 2002.1017159. open in new tab
54. L. Cao, V. Gorodetsky, P. Mitkas. Agent Mining: The Synergy of Agents and Data Mining. Intelligent Systems, IEEE, 24(3):64-72, May 2009. ISSN 1541-1672. doi:10.1109/MIS.2009. 45. open in new tab
55. G. Chen, C. P. Low, Z. Yang. Preserving and Exploiting Genetic Diversity in Evolutionary Programming Algorithms. Evolutionary Computation, IEEE Transactions on, 13(3):661-673, June 2009. ISSN 1089-778X. doi:10.1109/TEVC.2008.2011742. open in new tab
56. A. Chien, B. Calder, S. Elbert, K. Bhatia. Entropia: Architecture and Performance of an Enterprise Desktop Grid System. J. Parallel Distrib. Comput., 63(5):597-610, V 2003. ISSN 0743-7315. doi:10.1016/S0743-7315(03)00006-6. open in new tab
57. M. Clerc, J. Kennedy. The particle swarm -explosion, stability, and convergence in a multidimensional complex space. IEEE Transactions on Evolutionary Computation, 6(1):58-73, Feb 2002. ISSN 1089-778X. doi:10.1109/4235.985692. open in new tab
58. T. Clohessy, T. Acton, L. Morgan. Smart City as a Service (SCaaS): A Future Roadmap for E-Government Smart City Cloud Computing Initiatives. Utility and Cloud Computing (UCC), 2014 IEEE/ACM 7th International Conference on, str. 836-841. Dec 2014. doi: 10.1109/UCC.2014.136. open in new tab
59. C. A. C. Coello, G. B. Lamont, D. A. V. Veldhuizen. Evolutionary Algorithms for Solving Multi-Objective Problems (Genetic and Evolutionary Computation). Springer-Verlag New York, Inc., Secaucus, NJ, USA, 2006. ISBN 0387332545.
60. S. Conry, K. Kuwabara, V. Lesser, R. A. Meyer. Multistage negotiation for distributed constraint satisfaction. Systems, Man and Cybernetics, IEEE Transactions on, 21(6):1462-1477, Nov 1991. ISSN 0018-9472. doi:10.1109/21.135689. open in new tab
61. D. Corne, J. Knowles, M. Oates. The Pareto Envelope-Based Selection Algorithm for Multiobjective Optimization. M. Schoenauer, K. Deb, G. Rudolph, X. Yao, E. Lutton, J. Merelo, H.-P. Schwefel, red., Parallel Problem Solving from Nature PPSN VI, tom 1917 z serii Lecture Notes in Computer Science, str. 839-848. Springer Berlin Heidelberg, 2000. ISBN 978-3-540-41056-0. doi:10.1007/3-540-45356-3_82. open in new tab
62. G. Coulouris, J. Dollimore, T. Kindberg, G. Blair. Distributed Systems: Concepts and Design. Addison-Wesley Publishing Company, USA, 5th wyd., 2011. ISBN 0132143011, 9780132143011.
63. N. L. Cramer. A Representation for the Adaptive Generation of Simple Sequential Programs. Proceedings of the 1st International Conference on Genetic Algorithms, str. 183-187. L. Erlbaum Associates Inc., Hillsdale, NJ, USA, 1985. ISBN 0-8058-0426-9.
64. H. A. Dau, F. D. Salim, A. Song, L. Hedin, M. Hamilton. Phone Based Fall Detection by Genetic Programming. Proceedings of the 13th International Conference on Mobile and Ubiquitous Multimedia, MUM '14, str. 256-257. ACM, New York, NY, USA, 2014. ISBN 978-1-4503-3304-7. doi:10.1145/2677972.2678010. open in new tab
65. K. A. De Jong. Evolutionary Computation: a Unified Approach. MIT press, 2006.
66. K. Deb, S. Agrawal, A. Pratap, T. Meyarivan. A Fast Elitist Non-dominated Sorting Genetic Algorithm for Multi-objective Optimization: NSGA-II. M. Schoenauer, K. Deb, G. Rudolph, X. Yao, E. Lutton, J. Merelo, H.-P. Schwefel, red., Parallel Problem Solving from Nature PPSN VI, tom 1917 z serii Lecture Notes in Computer Science, str. 849-858. Springer Berlin Heidelberg, 2000. ISBN 978-3-540-41056-0. doi:10.1007/3-540-45356-3_83. open in new tab
67. K. Deb, H. Jain. An Evolutionary Many-Objective Optimization Algorithm Using Reference-Point-Based Nondominated Sorting Approach, Part I: Solving Problems With Box Constraints. Evolutionary Computation, IEEE Transactions on, 18(4):577-601, Aug 2014. ISSN 1089-778X. doi:10.1109/TEVC.2013.2281535. open in new tab
68. K. Deb, D. Kalyanmoy. Multi-Objective Optimization Using Evolutionary Algorithms. John Wiley & Sons, Inc., New York, NY, USA, 2001. ISBN 047187339X.
69. K. Deb, J. Sundar. Reference Point Based Multi-objective Optimization Using Evolutionary Algorithms. Proceedings of the 8th Annual Conference on Genetic and Evolutionary Computation, GECCO '06, str. 635-642. ACM, New York, NY, USA, 2006. ISBN 1- 59593-186-4. doi:10.1145/1143997.1144112. open in new tab
70. Deutsche Elektronen-Synchrotron DESY. dCache. https://www.dcache.org/. Dostęp: 2016-03-20. open in new tab
71. V. T. Dunin-Kęplicz B. Teamwork in Multi-Agent Systems A formal Approach. John Wiley & Sons, 2010. open in new tab
72. Earth System Grid Federation. Earth System Grid. https://www.earthsystemgrid.org/. Dostęp: 2016-03-20. open in new tab
73. J. Eggermont. Data mining using genetic programming: classification and symbolic regression. Rozprawa doktorska, Leiden University, 2005. open in new tab
74. EGI.eu. European Grid Infrastructure. http://www.egi.eu/. Dostęp: 2016-03-20.
75. A. E. Eiben, J. E. Smith. Introduction to evolutionary computing. Springer, 2003. open in new tab
76. Enabling Grids for E-sciencE (EGEE) Project. gLite. http://grid-deployment.web.cern. ch/grid-deployment/glite-web/. Dostęp: 2016-03-20. open in new tab
77. M. Farina, P. Amato. Fuzzy Optimality and Evolutionary Multiobjective Optimization. open in new tab
78. C. Fonseca, P. Fleming, E. Zitzler, L. Thiele, K. Deb, red., Evolutionary Multi-Criterion Optimization, tom 2632 z serii Lecture Notes in Computer Science, str. 58-72. Springer Berlin Heidelberg, 2003. ISBN 978-3-540-01869-8. doi:10.1007/3-540-36970-8_5. open in new tab
79. FIPA -Foundations for Intelligent Physical Agents. FIPA Abstract Architecture Specification. http://www.fipa.org/specs/fipa00001/, December 2002. Dostęp: 2016-01-20. open in new tab
80. FIPA -Foundations for Intelligent Physical Agents. FIPA ACL Message Structure Specification. http://www.fipa.org/specs/fipa00061/, December 2002. Dostęp: 2016- 01-20. open in new tab
81. FIPA -Foundations for Intelligent Physical Agents. FIPA Communicative Act Library Specification. http://www.fipa.org/specs/fipa00037/, December 2002. Dostęp: 2016- 01-20. open in new tab
82. FIPA -Foundations for Intelligent Physical Agents. FIPA SL Content Language Specification. http://www.fipa.org/specs/fipa00008/, December 2002. Dostęp: 2016- 01-20. open in new tab
83. FIPA -Foundations for Intelligent Physical Agents. FIPA Standard Status Specifications. http://www.fipa.org/repository/standardspecs.html, December 2002. Dostęp: 2016- 01-20. open in new tab
84. FIPA -Foundations for Intelligent Physical Agents. FIPA Agent Management Specification. http://www.fipa.org/specs/fipa00023/, March 2004. Dostęp: 2016-01-20. open in new tab
85. L. J. Fogel, A. J. Owens, M. J. Walsh. Artificial Intelligence through Simulated Evolution. John Wiley, 1966. open in new tab
86. C. M. Fonseca, P. J. Fleming. Genetic Algorithms for Multiobjective Optimization: Formulation Discussion and Generalization. Proceedings of the 5th International Conference on Genetic Algorithms, str. 416-423. Morgan Kaufmann Publishers Inc., San Francisco, CA, USA, 1993. ISBN 1-55860-299-2. open in new tab
87. C. M. Fonseca, P. J. Fleming. An Overview of Evolutionary Algorithms in Multiobjective Optimization. Evolutionary Computation, 3:1-16, 1995. open in new tab
88. I. Foster, C. Kesselman, S. Tuecke. The Anatomy of the Grid: Enabling Scalable Virtual Organizations. Int. J. High Perform. Comput. Appl., 15(3):200-222, VIII 2001. ISSN 1094- 3420. doi:10.1177/109434200101500302. open in new tab
89. Frontline Systems, Inc. The Frontline solvers. http://www.solver.com/. Dostęp: 2016- 01-20. open in new tab
90. F. Fu, C. Zhang. A Modified Harmony Search for Multi-mode Resource Constrained Project Scheduling Problem. Computational Intelligence and Design (ISCID), 2011 Fourth International Symposium on, tom 1, str. 181-184. Oct 2011. doi:10.1109/ISCID.2011.54. open in new tab
91. D. Gâlea, F. Leon, M. H. Zaharia. E-learning Distributed Framework Using Intelligent Agents.
92. C. M, G. Dan, V. A, red., New Trends in Computer Science and Engineering, Anniversary Volume, Department of Computer Engineering, Faculty of Automatic Control and Computer Engineering, Technical University "Gh. Asachi", Polirom Press, Ia¸si, str. 159-163. Citeseer, 2003.
93. J. Gao, J. Wang, B. Wang, X. Song. A Papr Reduction Algorithm Based on Harmony Research for Ofdm Systems. Procedia Engineering, 15(0):2665 -2669, 2011. ISSN 1877- 7058. doi:http://dx.doi.org/10.1016/j.proeng.2011.08.501. {CEIS} 2011. open in new tab
94. K. Gao, H. Li, Q. Pan, J. Li, J. Liang. Hybrid heuristics based on harmony search to minimize total flow time in no-wait flow shop. Control and Decision Conference (CCDC), 2010 open in new tab
95. Chinese, str. 1184-1188. May 2010. doi:10.1109/CCDC.2010.5498155. open in new tab
96. L. Gao, D. Zou, Y. Ge, W. Jin. Solving pressure vessel design problems by an effective global harmony search algorithm. Control and Decision Conference (CCDC), 2010
97. Chinese, str. 4031-4035. May 2010. doi:10.1109/CCDC.2010.5498438. open in new tab
98. X. Gao, X. Wang, S. Ovaska. Harmony Search Methods for Multi-modal and Constrained Optimization. Z. Geem, red., Music-Inspired Harmony Search Algorithm, tom 191 z serii Studies in Computational Intelligence, str. 39-51. Springer Berlin Heidelberg, 2009. ISBN 978-3-642-00184-0. doi:10.1007/978-3-642-00185-7_3. open in new tab
99. X.-Z. Gao, T. Jokinen, X. Wang, S. Ovaska, A. Arkkio. A New Harmony Search method in optimal wind generator design. Electrical Machines (ICEM), 2010 XIX International Conference on, str. 1-6. Sept 2010. doi:10.1109/ICELMACH.2010.5608219. open in new tab
100. T. Gea, J. Paradells, M. Lamarca, D. Roldan. Smart Cities as an Application of Internet of Things: Experiences and Lessons Learnt in Barcelona. Innovative Mobile and Internet Services in Ubiquitous Computing (IMIS), 2013 Seventh International Conference on, str. 552-557. July 2013. doi:10.1109/IMIS.2013.158. open in new tab
101. Z. Geem. Improved Harmony Search from Ensemble of Music Players. B. Gabrys, R. Howlett, L. Jain, red., Knowledge-Based Intelligent Information and Engineering Systems, tom 4251 open in new tab
102. z serii Lecture Notes in Computer Science, str. 86-93. Springer Berlin Heidelberg, 2006. ISBN 978-3-540-46535-5. doi:10.1007/11892960_11. open in new tab
103. Z. Geem. Harmony Search Algorithm for Solving Sudoku. B. Apolloni, R. Howlett, L. Jain, red., Knowledge-Based Intelligent Information and Engineering Systems, tom 4692 z serii Lecture Notes in Computer Science, str. 371-378. Springer Berlin Heidelberg, 2007. ISBN 978-3-540-74817-5. doi:10.1007/978-3-540-74819-9_46. open in new tab
104. Z. Geem, J.-Y. Choi. Music Composition Using Harmony Search Algorithm. M. Giacobini, red., Applications of Evolutionary Computing, tom 4448 z serii Lecture Notes in Computer Science, str. 593-600. Springer Berlin Heidelberg, 2007. ISBN 978-3-540-71804-8. doi:10. 1007/978-3-540-71805-5_65. open in new tab
105. Z. W. Geem. Multiobjective Optimization of Time-Cost Trade-Off Using Harmony Search. Journal of Construction Engineering and Management, 136(6):711-716, 2010. doi:10.1061/ (ASCE)CO.1943-7862.0000167. open in new tab
106. Z. W. Geem. Effects of initial memory and identical harmony in global optimization using harmony search algorithm. Applied Mathematics and Computation, 218(22):11337 -11343, 2012. ISSN 0096-3003. doi:http://dx.doi.org/10.1016/j.amc.2012.04.070. open in new tab
107. Z. W. Geem. Recent Advances in Harmony Search Algorithm. Springer Publishing Company, Incorporated, 2012. ISBN 3642263178, 9783642263170. open in new tab
108. Z. W. Geem, J. H. Kim, G. Loganathan. A new heuristic optimization algorithm: harmony search. Simulation, 76(2):60-68, 2001.
109. Z. W. Geem, Y. Park. Optimal Layout for Branched Networks Using Harmony Search. Proceedings of the 5th WSEAS International Conference on Applied Computer Science, ACOS'06, str. 364-367. World Scientific and Engineering Academy and Society (WSEAS), Stevens Point, Wisconsin, USA, 2006. ISBN 960-8457-43-2. open in new tab
110. A. M. George, A. Razak, N. Wilson. The Comparison of Multi-objective Preference Inference Based on Lexicographic and Weighted Average Models. Tools with Artificial Intelligence (ICTAI), 2015 IEEE 27th International Conference on, str. 88-95. Nov 2015. ISSN 1082- 3409. doi:10.1109/ICTAI.2015.26. open in new tab
111. S. Gil-Lopez, I. Landa-Torres, J. Del Ser, S. Salcedo-Sanz, D. Manjarres, J. Portilla-Figueras.
112. A Novel Grouping Heuristic Algorithm for the Switch Location Problem Based on a Hybrid Dual Harmony Search Technique. J. Cabestany, I. Rojas, G. Joya, red., Advances in Computational Intelligence, tom 6691 z serii Lecture Notes in Computer Science, str. 17-24.
113. Springer Berlin Heidelberg, 2011. ISBN 978-3-642-21500-1. doi:10.1007/978-3-642-21501- 8_3. open in new tab
114. Globus Alliance. Globus Toolkit. http://toolkit.globus.org/. Dostęp: 2016-01-20.
115. Globus Alliance. Globus Toolkit 6.0 Release Manuals. http://toolkit.globus.org/ toolkit/docs/6.0/. Dostęp: 2016-03-20.
116. D. E. Goldberg. Genetic Algorithms in Search, Optimization and Machine Learning. open in new tab
117. Addison-Wesley Longman Publishing Co., Inc., Boston, MA, USA, 1st wyd., 1989. ISBN 0201157675.
118. J. Gomez-Sanz, R. Fuentes, J. Pavón. INGENIAS Development Kit. http://ingenias. sourceforge.net/. Dostęp: 2016-02-15.
119. Google Inc. Android. http://developer.android.com/. Dostęp: 2016-02-20. open in new tab
120. C. Goues, S. Forrest, W. Weimer. Current challenges in automatic software repair. Software Quality Journal, 21(3):421-443, 2013. ISSN 1573-1367. doi:10.1007/s11219-013-9208-0. open in new tab
121. J. Granatyr, V. Botelho, O. R. Lessing, E. E. Scalabrin, J.-P. Barthès, F. Enembreck. Trust and Reputation Models for Multiagent Systems. ACM Comput. Surv., 48(2):27:1-27:42, X 2015. ISSN 0360-0300. doi:10.1145/2816826. open in new tab
122. O. Gutknecht, F. Michel. MaDKit. http://www.madkit.org/. Dostęp: 2016-02-15. open in new tab
123. D. Hadka. MOEA Framework. http://moeaframework.org. Dostęp: 2016-02-15. open in new tab
124. M. Harman, Y. Jia, W. B. Langdon. Search-Based Software Engineering: 6th International Symposium, SSBSE 2014, Fortaleza, Brazil, August 26-29, 2014. Proceedings, Babel Pidgin: SBSE Can Grow and Graft Entirely New Functionality into a Real World System, str. 247-252. Springer International Publishing, Cham, 2014. ISBN 978-3-319-09940-8. doi: 10.1007/978-3-319-09940-8_20. open in new tab
125. M. Harman, W. Langdon, W. Weimer. Genetic programming for Reverse Engineering. Reverse Engineering (WCRE), 2013 20th Working Conference on, str. 1-10. Oct 2013. doi: 10.1109/WCRE.2013.6671274. open in new tab
126. F. Hermenier, N. Loriant, J.-M. Menaud. Power Management in Grid Computing with Xen. open in new tab
127. G. Min, B. Di Martino, L. Yang, M. Guo, G. Rünger, red., Frontiers of High Performance Computing and Networking -ISPA 2006 Workshops, tom 4331 z serii Lecture Notes in Computer Science, str. 407-416. Springer Berlin Heidelberg, 2006. ISBN 978-3-540-49860-5. doi:10.1007/11942634_43. open in new tab
128. C. Hewitt. Viewing Control Structures as Patterns of Passing Messages. Artificial Intelligence, 8(3):323-364, VI 1977. open in new tab
129. C. Hewitt, J. Inman. DAI betwixt and between: from 'intelligent agents' to open systems science. Systems, Man and Cybernetics, IEEE Transactions on, 21(6):1409-1419, Nov 1991. ISSN 0018-9472. doi:10.1109/21.135685. open in new tab
130. A. Hirales-Carbajal, A. Tchernykh, R. Yahyapour, J. L. González-García, T. Röblitz, J. M. Ramírez-Alcaraz. Multiple Workflow Scheduling Strategies with User Run Time Estimates on a Grid. J. Grid Comput., 10(2):325-346, VI 2012. ISSN 1570-7873. doi:10.1007/s10723- 012-9215-6. open in new tab
131. J. H. Holland. Adaptation in Natural and Artificial Systems. University of Michigan Press, Ann Arbor, MI, 1975. Second edition, 1992.
132. J. Horn, N. Nafpliotis, D. Goldberg. A niched Pareto genetic algorithm for multiobjective optimization. Evolutionary Computation, 1994. IEEE World Congress on Computational Intelligence., Proceedings of the First IEEE Conference on, str. 82-87 vol.1. Jun 1994. doi: 10.1109/ICEC.1994.350037. open in new tab
133. HP. Benchmark report for SAS Grid Manager on HP ProLiant BL460c G7 Blades and 3PAR T800 Storage System. http://h20195.www2.hp.com/v2/getpdf.aspx/4AA3-8251ENW. pdf?ver=1.0. Dostęp: 2016-01-20. open in new tab
134. Y. Huang, S. Tripathi. Resource allocation for primary-site fault-tolerant systems. Software Engineering, IEEE Transactions on, 19(2):108-119, Feb 1993. ISSN 0098-5589. doi:10.1109/ 32.214829. open in new tab
135. Z. Huiyu. Data mining and classification for traffic systems using genetic network programming. Rozprawa doktorska, Waseda University, Japan, 2011.
136. D. Isla. Handling Complexity in the Halo 2 AI. Game Developers Conference, 2005.
137. D. Jara-Roa, P. Valdiviezo-Díaz, M. Agila-Palacios, C. Sarango-Lapo, M. Rodriguez-Artacho. open in new tab
138. An adaptive multi-agent based architecture for engineering education. Education Engineering (EDUCON), 2010 IEEE, str. 217-222. April 2010. doi:10.1109/EDUCON.2010.5492574. open in new tab
139. B. Javadi, D. Kondo, J.-M. Vincent, D. P. Anderson. Discovering Statistical Models of Availability in Large Distributed Systems: An Empirical Study of SETI@home. IEEE Transactions on Parallel and Distributed Systems, 22(11):1896-1903, 2011. ISSN 1045-9219. doi:http://doi.ieeecomputersociety.org/10.1109/TPDS.2011.50. open in new tab
140. D. Kafura, J. Briot. Actors And Agents. IEEE Concurrency, 6(2):24-29, April 1998. ISSN 1092-3063. doi:10.1109/MCC.1998.678786. open in new tab
141. H. Kameda, J. Li, C. Kim, Y. Zhang. Optimal Load Balancing in Distributed Computer Systems. Springer-Verlag, London, UK, UK, 1997. ISBN 3-540-76130-6. open in new tab
142. J. Kaplan, N. Yankelovich. Open Wonderland: An Extensible Virtual World Architecture. open in new tab
143. IEEE Internet Computing, 15(5):38-45, Sept 2011. ISSN 1089-7801. doi:10.1109/MIC.2011. 76. open in new tab
144. Katedra Architektury Systemów Komputerowych, Wydział ETI, Politechnika Gdańska. Comcute. http://comcute.eti.pg.gda.pl/. Dostęp: 2016-01-20.
145. K. K. Khajwaniya, V. Tiwari. Satellite image denoising using Weiner filter with SPEA2 algorithm. Intelligent Systems and Control (ISCO), 2015 IEEE 9th International Conference on, str. 1-6. Jan 2015. doi:10.1109/ISCO.2015.7282324. open in new tab
146. Khronos Group. OpenCL. http://www.khronos.org/opencl/. Dostęp: 2016-02-20.
147. M. Kim, T. Hiroyasu, M. Miki, S. Watanabe. SPEA2+: Improving the Performance of the Strength Pareto Evolutionary Algorithm 2. X. Yao, E. Burke, J. Lozano, J. Smith, J. Merelo-Guervós, J. Bullinaria, J. Rowe, P. Tiňo, A. Kabán, H.-P. Schwefel, red., Parallel Problem Solving from Nature -PPSN VIII, tom 3242 z serii Lecture Notes in Computer Science, str. 742-751. Springer Berlin Heidelberg, 2004. ISBN 978-3-540-23092-2. doi:10. 1007/978-3-540-30217-9_75. open in new tab
148. S.-H. Kim, W.-S. Yoo, K.-J. Oh, I.-S. Hwang, J.-E. Oh. Transient Analysis and Leakage Detection Algorithm using GA and HS algorithm for a Pipeline System. Journal of Mechanical Science and Technology, 20(3):426-434, 2006. ISSN 1738-494X. doi:10.1007/BF02917526. open in new tab
149. L. Kleinrock, W. Korfhage. Collecting Unused Processing Capacity: An Analysis of Transient Distributed Systems. IEEE Transactions on Parallel and Distributed Systems, str. 535-546, May 1993. open in new tab
150. J. Knowles, D. Corne. The Pareto archived evolution strategy: a new baseline algorithm for Pareto multiobjective optimisation. Evolutionary Computation, 1999. CEC 99. Proceedings of the 1999 Congress on, tom 1, str. -105 Vol. 1. 1999. doi:10.1109/CEC.1999.781913. open in new tab
151. Z. Kobti, S. Sharma. A Multi-Agent Architecture for Game Playing. Computational Intelligence and Games, 2007. CIG 2007. IEEE Symposium on, str. 276-281. April 2007. doi:10.1109/CIG.2007.368109. open in new tab
152. Konsorcjum PL-Grid. PL-Grid. http://www.plgrid.pl/. Dostęp: 2016-01-20.
153. J. Korczak, M. Hernes, M. Bac. Fuzzy logic in the multi-agent financial decision support system. Computer Science and Information Systems (FedCSIS), 2015 Federated Conference on, str. 1367-1376. Sept 2015. doi:10.15439/2015F155. open in new tab
154. W. Korłub, H. Balicka, J. Balicki, P. Dryja, P. Przybyłek, M. Tyszka, M. Zadroga, M. Zakidalski. Metoda ewolucyjno-neuronowa oraz metoda wektorów nośnych w bankowości.
155. K. Kreft, red., Wyzwania społeczeństwa informacyjnego, str. 73-87. Wydawnictwo Uniwersytetu Gdańskiego, Gdańsk, 2015.
156. W. Korłub, J. Balicki. Uczenie maszynowe do samoorganizacji systemów rozproszonych w zastosowaniach gospodarczych. Współczesna Gospodarka, 2016 (w recenzji).
157. W. Korłub, J. Balicki, M. Beringer, P. Dryja, J. Paluszak, P. Przybyłek, M. Tyszka, M. Zadroga. Inteligentne systemy agentowe w systemach zdalnego nauczania. EduAkcja. Magazyn edukacji elektronicznej, 1(9):51-64, 2015.
158. W. Korłub, J. Balicki, M. Beringer, P. Dryja, M. Tyszka, M. Zadroga. Inteligentne superkomputery wirtualne do prognozowania trendów w finansa. K. Kreft, red., Wyzwania społeczeństwa informacyjnego, str. 59-72. Wydawnictwo Uniwersytetu Gdańskiego, Gdańsk, 2015.
159. W. Korłub, J. Balicki, M. Beringer, P. Przybylek, M. Tyszka, M. Zadroga. Collective citizens' behavior modelling with support of the Internet of Things and Big Data. Human System Interactions (HSI), 2015 8th International Conference on, str. 61-67. June 2015. doi:10. 1109/HSI.2015.7170644.
160. W. Korłub, J. Balicki, T. Bieliński, J. Paluszak. Volunteer Computing System Comcute with Smart Scheduler. J. Balicki, red., Applications of Information Systems in Engineering and Bioscience, Proceeding of SEPADS'14 -13th International Conference on Software Engineering, Parallel and Distributed Systems, str. 54-60. WSEAS Press, 2014.
161. W. Korłub, J. Balicki, T. Boiński, J. Paluszak, A. Polak. Optymalizacja równoważenia obciążeń w systemach klasy grid. J. Balicki, J. Kuchta, red., Obliczenia rozproszone w systemach komputerowych o architekturze klasy grid, str. 145-158. Wydawnictwo Politechniki Gdańskiej, Gdańsk, 2012.
162. W. Korłub, J. Balicki, H. Krawczyk. Genetic Positioning of Fire Stations Utilizing Grid-computing Platform. J. Balicki, H. Krawczyk, E. Nawarecki, red., Grid and Volunteer Computing, str. 116-131. GUT, Gdańsk, 2012.
163. W. Korłub, J. Balicki, H. Krawczyk, J. Paluszak. Genetic programming with negative selection for volunteer computing system optimization. Human System Interaction (HSI), 2013 The 6th International Conference on, str. 271-278. June 2013. ISSN 2158-2246. doi:10.1109/HSI. 2013.6577835. open in new tab
164. W. Korłub, J. Balicki, J. Masiejczyk, J. Paluszak. Mersenne Number Finding and Collatz Hypothesis Verification in the Comcute Grid System. J. Balicki, H. Krawczyk, E. Nawarecki, red., Grid and Volunteer Computing, str. 148-162. GUT, Gdańsk, 2012.
165. W. Korłub, J. Balicki, J. Masiejczyk, J. Paluszak. Techniki audytowania zabezpieczeń sieci bezprzewodowej z wykorzystaniem systemów klasy grid. J. Balicki, J. Kuchta, red., Obliczenia rozproszone w systemach komputerowych o architekturze klasy grid, str. 161-174. Wydawnictwo Politechniki Gdańskiej, Gdańsk, 2012.
166. W. Korłub, J. Balicki, J. Paluszak. Efektywne zrównoleglanie obliczeń w systemie klasy grid na przykładzie hipotezy Collatza. J. Balicki, J. Kuchta, red., Obliczenia rozproszone w systemach komputerowych o architekturze klasy grid, str. 243-254. Wydawnictwo Politechniki Gdańskiej, Gdańsk, 2012.
167. W. Korłub, J. Balicki, J. Paluszak. Pattern Recognition and Machine Intelligence: 6th International Conference, PReMI 2015, Warsaw, Poland, June 30 -July 3, 2015, Proceedings, Big Data Processing by Volunteer Computing Supported by Intelligent Agents, str. 268-278. Springer International Publishing, Cham, 2015. ISBN 978-3-319-19941-2. doi: 10.1007/978-3-319-19941-2_26. open in new tab
168. W. Korłub, J. Balicki, J. Paluszak, A. Zacniewski. Genetic Programming for Workload Balancing in the Comcute Grid System. J. Balicki, H. Krawczyk, E. Nawarecki, red., Grid and Volunteer Computing, str. 97-115. GUT, Gdańsk, 2012.
169. W. Korłub, J. Balicki, J. Szymanski, M. Zakidalski. Artificial Intelligence and Soft Computing: 13th International Conference, ICAISC 2014, Zakopane, Poland, June 1-5, 2014, Proceedings, Part I, Big Data Paradigm Developed in Volunteer Grid System with Genetic Programming Scheduler, str. 771-782. Springer International Publishing, Cham, 2014. ISBN 978-3-319-07173-2. doi:10.1007/978-3-319-07173-2_66. open in new tab
170. W. Korłub, J. Balicki, M. Tyszka. Harmony Search to Self-Configuration of Fault-Tolerant Grids for Big Data. Z. Kowalczuk, red., Advanced and Intelligent Computations in Diagnosis and Control, tom 386 z serii Advances in Intelligent Systems and Computing, str. 411-424.
171. Springer International Publishing, 2016. ISBN 978-3-319-23179-2. doi:10.1007/978-3-319- 23180-8_30. open in new tab
172. W. Korłub, J. Balicki, M. Zakidalski. Some Optimization Methods for Simulations in Volunteer and Grid Systems. P. Czarnul, red., Modeling Large-Scale Computing Systems: Concepts and Models, str. 161-172. Wydawnictwo Politechniki Gdańskiej, Gdańsk, 2013.
173. W. Korłub, M. Kania, J. Krajewski. A proposition for integrating elements of game universe by means of behavioral trees. Zeszyty Naukowe Wydziału ETI Politechniki Gdańskiej, 2011. open in new tab
174. W. Korłub, M. Kania, J. Krajewski. Integrating heterogeneous systems with high dependability requirements by means of web services. ICT Young 2012: II konferencja Studentów i Doktorantów Elektroniki, Telekomunikacji, Informatyki, Automatyki i Robotyki: materiały konferencyjne, 26-27.05.2012, str. 249-253. Wydawnictwo Politechniki Gdańskiej, Gdańsk, 2012.
175. W. Korłub, M. Wójcik. Possible uses of crisis situation aiding system in virtual world simulation. T. Boiński, J. Lebiedź, M. Wójcik, red., Wytwarzanie Gier Komputerowych: Materiały konferencyjne Krajowej Konferencji Wytwarzania Gier Komputerowych, 31.08- 2.09.2016, 2, str. 133-142. Wydawnictwo Politechniki Gdańskiej, Gdańsk, 2012.
176. J. R. Koza. Genetic Programming: On the Programming of Computers by Means of Natural Selection. MIT Press, Cambridge, MA, USA, 1992. ISBN 0-262-11170-5. open in new tab
177. J. R. Koza. Genetic programming IV: routine human-competitive intelligence. Springer, New York, 2003. ISBN 1-4020-7446-8. open in new tab
178. J. R. Koza, D. Andre, F. H. Bennett III, M. Keane. Genetic Programming 3: Darwinian Invention and Problem Solving. Morgan Kaufman, IV 1999. ISBN 1-55860-543-6. open in new tab
179. S. Kraus. Automated Negotiation and Decision Making in Multiagent Environments. M. Luck, V. Mařík, O. Štěpánková, R. Trappl, red., Multi-Agent Systems and Applications, tom 2086 z serii Lecture Notes in Computer Science, str. 150-172. Springer Berlin Heidelberg, 2001. ISBN 978-3-540-42312-6. doi:10.1007/3-540-47745-4_7. open in new tab
180. K. Kravari. EMERALD. http://lpis.csd.auth.gr/systems/emerald/index.html. Dostęp: 2016-01-20. open in new tab
181. K. Kravari, N. Bassiliades. A Survey of Agent Platforms. Journal of Artificial Societies and Social Simulation, 18(1):11, 2015. ISSN 1460-7425. doi:10.18564/jasss.2661. open in new tab
182. A. N. Laboratory. Repast. http://repast.sourceforge.net/. Dostęp: 2016-02-15. open in new tab
183. M. Lammie, P. Brenner, D. Thain. Scheduling Grid Workloads on Multicore Clusters to Minimize Energy and Maximize Performance. 10th IEEE/ACM International Conference on Grid Computing. 2009. open in new tab
184. S. Lander, V. Lesser. Customizing Distributed Search Among Agents with Heterogeneous Knowledge. Proceedings of the First International Conference on Information and Knowledge Management, str. 335-344, January 1992. open in new tab
185. W. B. Langdon. Performance of genetic programming optimised Bowtie2 on genome comparison and analytic testing (GCAT) benchmarks. BioData Mining, 8(1):1-7, 2015. ISSN 1756-0381. doi:10.1186/s13040-014-0034-0. open in new tab
186. W. B. Langdon, A. P. Harrison. GP on SPMD parallel graphics hardware for mega Bioinformatics data mining. Soft Computing, 12(12):1169-1183, 2008. ISSN 1433-7479. doi:10.1007/s00500-008-0296-x. open in new tab
187. W. B. Langdon, M. Modat, J. Petke, M. Harman. Improving 3D Medical Image Registration CUDA Software with Genetic Programming. Proceedings of the 2014 Annual Conference on Genetic and Evolutionary Computation, GECCO '14, str. 951-958. ACM, New York, NY, USA, 2014. ISBN 978-1-4503-2662-9. doi:10.1145/2576768.2598244. open in new tab
188. C. Le Goues, M. Dewey-Vogt, S. Forrest, W. Weimer. A Systematic Study of Automated Program Repair: Fixing 55 out of 105 Bugs for $8 Each. Proceedings of the 34th International Conference on Software Engineering, ICSE '12, str. 3-13. IEEE Press, Piscataway, NJ, USA, 2012. ISBN 978-1-4673-1067-3.
189. T. Leppänen, J. Riekki, M. Liu, E. Harjula, T. Ojala. Internet of Things Based on Smart Objects: Technology, Middleware and Applications, Mobile Agents-Based Smart Objects for the Internet of Things, str. 29-48. Springer International Publishing, Cham, 2014. ISBN 978-3-319-00491-4. doi:10.1007/978-3-319-00491-4_2. open in new tab
190. B. Li, E. Zhou, B. Huang, J. Duan, Y. Wang, N. Xu, J. Zhang, H. Yang. Large scale recurrent neural network on GPU. Neural Networks (IJCNN), 2014 International Joint Conference on, str. 4062-4069. July 2014. doi:10.1109/IJCNN.2014.6889433. open in new tab
191. K. Li. Optimal Load Distribution in Nondedicated Heterogeneous Cluster and Grid Computing Environments. J. Syst. Archit., 54(1-2):111-123, I 2008. ISSN 1383-7621. doi:10.1016/j. sysarc.2007.04.003. open in new tab
192. P. Lichodzijewski, M. I. Heywood, A. Nur Zincir-Heywood. Cascaded GP models for data mining. Evolutionary Computation, 2004. CEC2004. Congress on, tom 2, str. 2258-2264 open in new tab
193. Vol.2. June 2004. doi:10.1109/CEC.2004.1331178. open in new tab
194. B. J. Liu T. An Intuitive and Flexible Architecture for Intelligent Mobile Robots. 2nd International Conference on Autonomous Robots and Agents, 2004.
195. M. Luck, P. McBurney, O. Shehory, S. Willmott. Agent Technology: Computing as Interaction (A Roadmap for Agent Based Computing). AgentLink, 2005. open in new tab
196. S. A. Ludwig, S. Roos. Knowledge-Based and Intelligent Information and Engineering Systems: 14th International Conference, KES 2010, Cardiff, UK, September 8-10, 2010, Proceedings, Part IV, Prognosis of Breast Cancer Using Genetic Programming, str. 536-545. open in new tab
197. Springer Berlin Heidelberg, Berlin, Heidelberg, 2010. ISBN 978-3-642-15384-6. doi: 10.1007/978-3-642-15384-6_57. open in new tab
198. B. Luo, J. Zheng, J. Xie, J. Wu. Dynamic Crowding Distance: A New Diversity Maintenance Strategy for MOEAs. Natural Computation, 2008. ICNC '08. Fourth International Conference on, tom 1, str. 580-585. Oct 2008. doi:10.1109/ICNC.2008.532. open in new tab
199. R. Maddegoda, A. S. Karunananda. Multi agent based approach to assist the design process of 3D game environments. Advances in ICT for Emerging Regions (ICTer), 2012 International Conference on, str. 36-44. Dec 2012. doi:10.1109/ICTer.2012.6422829. open in new tab
200. H. H. Maheta, V. K. Dabhi. An improved SPEA2 Multi objective algorithm with non dominated elitism and Generational Crossover. Issues and Challenges in Intelligent Computing Techniques (ICICT), 2014 International Conference on, str. 75-82. Feb 2014. doi:10.1109/ICICICT.2014.6781256. open in new tab
201. D. Manjarres, I. Landa-Torres, S. Gil-Lopez, J. Del Ser, M. N. Bilbao, S. Salcedo-Sanz, Z. W. Geem. A Survey on Applications of the Harmony Search Algorithm. Eng. Appl. Artif. Intell., 26(8):1818-1831, IX 2013. ISSN 0952-1976. doi:10.1016/j.engappai.2013.05.008. open in new tab
202. Z. Manna, R. J. Waldinger. Toward Automatic Program Synthesis. Commun. ACM, 14(3):151-165, III 1971. ISSN 0001-0782. doi:10.1145/362566.362568. open in new tab
203. N. Marz, J. Warren. Big Data: Principles and Best Practices of Scalable Realtime Data Systems. Manning Publications Company, 2015. ISBN 9781617290343. open in new tab
204. J. Masiejczyk. Wielokryterialne algorytmy przeszukiwania tabu do optymalizacji trajektorii autonomicznego pojazdu podwodnego. Rozprawa doktorska, Wydział Elektroniki, Telekomunikacji i Informatyki, Politechnika Gdańska, 2013.
205. A. Maslow. Motivation and personality. Harper & Row, New York, 2. wyd., 1970. open in new tab
206. MAXON Computer. CINEBENCH. http://www.maxon.net/products/cinebench/ overview.html. Dostęp: 2016-01-20. open in new tab
207. R. I. McKay, N. X. Hoai, P. A. Whigham, Y. Shan, M. O'Neill. Grammar-based Genetic Programming: a survey. Genetic Programming and Evolvable Machines, 11(3):365-396, 2010. ISSN 1573-7632. doi:10.1007/s10710-010-9109-y. open in new tab
208. Mersenne Research, Inc. GIMPS: the Great Internet Mersenne Prime Search. http://www. mersenne.org/. Dostęp: 2016-03-20. open in new tab
209. Microsoft Corporation. Microsoft Azure. http://azure.microsoft.com/. Dostęp: 2016- 03-14. open in new tab
210. J. F. Miller. An empirical study of the efficiency of learning boolean functions using a Cartesian Genetic Programming approach. W. Banzhaf, J. Daida, A. E. Eiben, M. H. Garzon, V. Honavar, M. Jakiela, R. E. Smith, red., Proceedings of the Genetic and Evolutionary Computation Conference, tom 2, str. 1135-1142. Morgan Kaufmann, Orlando, Florida, USA, 13-17 VII 1999. ISBN 1-55860-611-4.
211. J. F. Miller. Cartesian Genetic Programming. Springer Berlin Heidelberg, Berlin, Heidelberg, 2011. ISBN 978-3-642-17310-3. doi:10.1007/978-3-642-17310-3_2. open in new tab
212. T. Moehlman, V. Lesser, B. Buteau. Decentralized negotiation: An approach to the distributed planning problem. Group Decision and Negotiation, 1(2):161-191, 1992. ISSN 0926-2644. doi: 10.1007/BF00406753. open in new tab
213. D. J. Montana. Strongly Typed Genetic Programming. Evol. Comput., 3(2):199-230, VI 1995. ISSN 1063-6560. doi:10.1162/evco.1995.3.2.199. open in new tab
214. J. Montusiewicz. Ewolucyjna analiza wielokryterialna w zagadnieniach technicznych. Wyd. Instytut Podstawowych Problemów Techniki PAN, Warszawa, 2004.
215. N. Nedjah, A. Abraham, L. de Macedo Mourelle. Genetic Systems Programming: Theory and Experiences. Springer Publishing Company, Incorporated, 1st wyd., 2009. ISBN 3540298495, 9783540298496. open in new tab
216. C. Nikolai, G. Madey. Tools of the Trade: A Survey of Various Agent Based Modeling Platforms. Journal of Artificial Societies and Social Simulation, 12(2):2, 2009. ISSN 1460- 7425.
217. NorduGrid. ARC middleware. http://www.nordugrid.org/. Dostęp: 2016-03-20.
218. H. S. Nwana. Software Agents: An Overview. Knowledge Engineering Review, 11(3):1-40, IX 1996. open in new tab
219. J. J. Odell. Objects and Agents Compared. Journal of Object Technology, 1(1):41-53, May-June 2002. open in new tab
220. OMG -Object Management Group. MASIF -Mobile Agent System Interoperability Facilities Specification, November 1997. http://www.omg.org/cgi-bin/doc?orbos/97-10-05. open in new tab
221. M. O'Neil, C. Ryan. Grammatical Evolution: Evolutionary Automatic Programming in an Arbitrary Language, Grammatical Evolution, str. 33-47. Springer US, Boston, MA, 2003. ISBN 978-1-4615-0447-4. doi:10.1007/978-1-4615-0447-4_4. open in new tab
222. M. O'Neill, L. Vanneschi, S. Gustafson, W. Banzhaf. Open Issues in Genetic Programming. Genetic Programming and Evolvable Machines, 11(3-4):339-363, IX 2010. ISSN 1389-2576. doi:10.1007/s10710-010-9113-2. open in new tab
223. Open Wonderland Foundation. Open Wonderland. http://openwonderland.org/. Dostęp: 2016-03-20. open in new tab
224. Oracle. Java Online Documentation. http://www.oracle.com/technetwork/java/index. html. Dostęp: 2016-01-20.
225. Oracle Corporation. Glassfish. https://glassfish.java.net/documentation.html. Dostęp: 2016-01-20. open in new tab
226. J. Paluszak. Optymalizacja wykorzystania zasobów w systemach rozproszonych o architekturze typu grid. Rozprawa doktorska, Wydział Elektroniki, Telekomunikacji i Informatyki, Politechnika Gdańska, 2015.
227. V. Pande. Folding@Home. https://folding.stanford.edu/. Dostęp: 2016-01-20. open in new tab
228. V. Pandey, W.-K. Ng, E.-P. Lim. Financial advisor agent in a multi-agent financial trading system. Database and Expert Systems Applications, 2000. Proceedings. 11th International Workshop on, str. 482-486. 2000. ISSN 1529-4188. doi:10.1109/DEXA.2000.875070. open in new tab
229. PassMark Software. CPU Benchmarks. http://www.cpubenchmark.net/. Dostęp: 2016- 03-20. open in new tab
230. T. K. Paul, H. Iba. Prediction of Cancer Class with Majority Voting Genetic Programming Classifier Using Gene Expression Data. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 6(2):353-367, April 2009. ISSN 1545-5963. doi:10.1109/TCBB.2007. 70245. open in new tab
231. J. Petke, M. Harman, W. B. Langdon, W. Weimer. Using Genetic Improvement and Code Transplants to Specialise a C++ Program to a Problem Class. M. Nicolau, K. Krawiec, M. I. open in new tab
232. Heywood, M. Castelli, P. Garcia-Sanchez, J. J. Merelo, V. M. Rivas Santos, K. Sim, red., 17th European Conference on Genetic Programming, tom 8599 z serii LNCS, str. 137-149. open in new tab
233. Springer, Granada, Spain, 23-25 IV 2014. doi:doi:10.1007/978-3-662-44303-3_12. open in new tab
234. M. Philips. Knight Shows How to Lose $440 Million in 30 Minutes. http://www.bloomberg. com/news/articles/2012-08-02/knight-shows-how-to-lose-440-million-in-30- minutes, 2012. Dostęp: 2016-01-20. open in new tab
235. A. Pimenta, F. G. Guimarães, E. G. Carrano, C. A. L. Nametala, R. H. C. Takahashi. GoldMiner: A genetic programming based algorithm applied to Brazilian Stock Market. Computational Intelligence and Data Mining (CIDM), 2014 IEEE Symposium on, str. 397-402. Dec 2014. doi:10.1109/CIDM.2014.7008695. open in new tab
236. P. Plaszczak, R. Wellner. Grid Computing: The Savvy Manager's Guide. Morgan Kaufmann, first wyd., 2005. ISBN 0127425039. open in new tab
237. A. Pokahr, L. Braubach, W. Lamersdorf. A flexible BDI architecture supporting extensibility. Intelligent Agent Technology, IEEE/WIC/ACM International Conference on, str. 379-385. Sept 2005. doi:10.1109/IAT.2005.9. open in new tab
238. R. Poli, W. B. Langdon, N. F. McPhee. A field guide to genetic programming. Published via http://lulu.com and freely available at http://www.gp-field-guide.org.uk, 2008. (With contributions by J. R. Koza).
239. J. Powers, M. Sen. Mathematical Methods in Engineering. Cambridge University Press, 2015. ISBN 9781107037045. open in new tab
240. A. Pugliese, D. Talia, R. Yahyapour. Modeling and Supporting Grid Scheduling. Journal of Grid Computing, 6(2):195-213, 2008. ISSN 1570-7873. doi:10.1007/s10723-007-9083-7. open in new tab
241. A. S. Rao, M. P. George. BDI agents: From theory to practice. Proceedings of the First International Conference on Multi-Agent Systems (ICMAS-95), str. 312-319. 1995. open in new tab
242. H. Rasiowa. Wstęp do matematyki współczesnej. PWN, Warszawa, xiv wyd., 2007.
243. M. L. Raymer, W. F. Punch, E. D. Goodman, L. A. Kuhn. Genetic Programming for Improved Data Mining: Application to the Biochemistry of Protein Interactions. Proceedings of the 1st Annual Conference on Genetic Programming, str. 375-380. MIT Press, Cambridge, MA, USA, 1996. ISBN 0-262-61127-9. open in new tab
244. I. Rechenberg. Evolutionsstrategie: Optimierung technischer Systeme nach Prinzipien der biologischen Evolution. Problemata, 15. Frommann-Holzboog, 1973. ISBN 9783772803734.
245. S. Refat, M. El-Telbany, H. Hefny, A. Bahnasawi. Discovering the classification rules for Egyptian stock market using genetic programming. Circuits and Systems, 2003 IEEE 46th open in new tab
246. P. Resnick, K. Kuwabara, R. Zeckhauser, E. Friedman. Reputation Systems. Commun. ACM, 43(12):45-48, XII 2000. ISSN 0001-0782. doi:10.1145/355112.355122. open in new tab
247. T. Rings, H. Neukirchen, J. Grabowski. Testing Grid Application Workflows Using TTCN-3. open in new tab
248. Software Testing, Verification, and Validation, 2008 1st International Conference on, str. 210-219. April 2008. doi:10.1109/ICST.2008.24. open in new tab
249. J. S. Rosenschein, G. Zlotkin. Rules of Encounter: Designing Conventions for Automated Negotiation Among Computers. MIT Press, Cambridge, MA, USA, 1994. ISBN 0- 262-18159-2.
250. S. J. Russell, P. Norvig. Artificial Intelligence a modern approach. Prentice Hall, Upper Saddle River, N.J., 2nd international edition wyd., 2003.
251. C. Ryan. Automatic Re-engineering of Software Using Genetic Programming. Springer US, Boston, MA, 2000. ISBN 978-1-4615-4631-3. open in new tab
252. C. Ryan, K. Krawiec, U.-M. O'Reilly, J. Fitzgerald, D. Medernach. Genetic Programming: 17th European Conference, EuroGP 2014, Granada, Spain, April 23-25, 2014, Revised Selected Papers, Building a Stage 1 Computer Aided Detector for Breast Cancer Using Genetic Programming, str. 162-173. Springer Berlin Heidelberg, Berlin, Heidelberg, 2014. ISBN 978-3-662-44303-3. doi:10.1007/978-3-662-44303-3_14. open in new tab
253. B. Sareni, L. Krahenbuhl. Fitness sharing and niching methods revisited. IEEE Transactions on Evolutionary Computation, 2(3):97-106, Sep 1998. ISSN 1089-778X. doi:10.1109/4235. 735432. open in new tab
254. J. D. Schaffer. Multiple Objective Optimization with Vector Evaluated Genetic Algorithms. Proceedings of the 1st International Conference on Genetic Algorithms, str. 93-100. L. Erlbaum Associates Inc., Hillsdale, NJ, USA, 1985. ISBN 0-8058-0426-9.
255. H. Schwefel. Evolutionsstrategie und numerische Optimierung. Technische Universität Berlin, 1975. open in new tab
256. Science and Technology Facilities Council. FLAME -Flexible Large-scale Agent Modelling Environment. http://www.flame.ac.uk/. Dostęp: 2016-01-20. open in new tab
257. H. Seada, K. Deb. Evolutionary Multi-Criterion Optimization: 8th International Conference, EMO 2015, Guimarães, Portugal, March 29 -April 1, 2015. Proceedings, Part II, U-NSGA-III: A Unified Evolutionary Optimization Procedure for Single, Multiple, and Many Objectives: Proof-of-Principle Results, str. 34-49. Springer International Publishing, Cham, 2015. ISBN 978-3-319-15892-1. doi:10.1007/978-3-319-15892-1_3. open in new tab
258. C. R. Shalizi. Complex Systems Science in Biomedicine, Methods and Techniques of Complex Systems Science: An Overview, str. 33-114. Springer US, Boston, MA, 2006. ISBN 978- 0-387-33532-2. doi:10.1007/978-0-387-33532-2_2. open in new tab
259. S. Shangxiong. A Particle Swarm Optimization (PSO) Algorithm Based on Multi-agent System. Intelligent Computation Technology and Automation (ICICTA), 2008 International Conference on, tom 2, str. 802-805. Oct 2008. doi:10.1109/ICICTA.2008.367. open in new tab
260. Y. Shoham, K. Leyton-Brown. Multiagent Systems: Algorithmic, Game-Theoretic, and Logical Foundations. Cambridge University Press, New York, NY, USA, 2008. ISBN 0521899435. open in new tab
261. M. R. Sierra, C. A. Coello Coello. Evolutionary Multi-Criterion Optimization: Third International Conference, EMO 2005, Guanajuato, Mexico, March 9-11, 2005. Proceedings, Improving PSO-Based Multi-objective Optimization Using Crowding, Mutation and - Dominance, str. 505-519. Springer Berlin Heidelberg, Berlin, Heidelberg, 2005. ISBN 978- 3-540-31880-4. doi:10.1007/978-3-540-31880-4_35. open in new tab
262. SmartBear Software. SoapUI. https://www.soapui.org/. Dostęp: 2016-01-20. open in new tab
263. M. Sobczyk. Statystyka. Wydawnictwo Naukowe PWN, Warszawa, 2007.
264. N. Srinivas, K. Deb. Muiltiobjective Optimization Using Nondominated Sorting in Genetic Algorithms. Evol. Comput., 2(3):221-248, IX 1994. ISSN 1063-6560. doi:10.1162/evco.1994. 2.3.221. open in new tab
265. Standard Performance Evaluation Corporation. SPEC's Benchmarks. https://www.spec. org/benchmarks.html. Dostęp: 2016-01-20. open in new tab
266. C. Szabo, Q. Z. Sheng, T. Kroeger, Y. Zhang, J. Yu. Science in the Cloud: Allocation and Execution of Data-Intensive Scientific Workflows. J. Grid Comput., 12(2):245-264, VI 2014. ISSN 1570-7873. doi:10.1007/s10723-013-9282-3. open in new tab
267. W. A. Tackett. Genetic Programming for Feature Discovery and Image Discrimination. Proceedings of the 5th International Conference on Genetic Algorithms, str. 303-311. Morgan Kaufmann Publishers Inc., San Francisco, CA, USA, 1993. ISBN 1-55860-299-2.
268. Telecom Italia Lab. Java Agent DEvelopment Framework Documentation. http://jade. tilab.com/doc/index.html. Dostęp: 2016-01-20.
269. T. Terzidou, T. Tsiatsos, C. Miliou, A. Sourvinou. Agent Supported Serious Game Environment. IEEE Transactions on Learning Technologies, PP(99):1-1, 2016. ISSN 1939- 1382. doi:10.1109/TLT.2016.2521649. open in new tab
270. TOP500.org. LINPACK Benchmark. http://www.top500.org/project/linpack/. Dostęp: 2016-01-20.
271. M. Tornow, A. Al-Hamadi, V. Borrmann. A multi-agent mobile robot system with environment perception and HMI capabilities. Signal and Image Processing Applications (ICSIPA), 2013 IEEE International Conference on, str. 252-257. Oct 2013. doi:10.1109/ ICSIPA.2013.6708013. open in new tab
272. B. Twardowski, D. Ryzko. Multi-agent Architecture for Real-Time Big Data Processing. Web Intelligence (WI) and Intelligent Agent Technologies (IAT), 2014 IEEE/WIC/ACM International Joint Conferences on, tom 3, str. 333-337. Aug 2014. doi:10.1109/WI-IAT. 2014.185. open in new tab
273. Typesafe Inc. Akka. http://akka.io/. Dostęp: 2016-01-20.
274. E. Ulungu, J. Teghem, C. Ost. Efficiency of interactive multi-objective simulated annealing through a case study. Journal of the Operational Research Society, 49(10):1044-1050, 1998. open in new tab
275. UNICORE Forum e.V. UNICORE. https://www.unicore.eu/. Dostęp: 2016-03-20. open in new tab
276. R. F. Van der Wijngaart, M. Frumkin. NAS Grid Benchmarks Version 1.0. Rap. tech., NASA Advanced Supercomputing (NAS) Division, 2002. https://www.nas.nasa.gov/ assets/pdf/techreports/2002/nas-02-005.pdf. Dostęp: 2016-01-20.
277. J. A. Walker, J. F. Miller. Solving Real-valued Optimisation Problems Using Cartesian Genetic Programming. Proceedings of the 9th Annual Conference on Genetic and Evolutionary Computation, GECCO '07, str. 1724-1730. ACM, New York, NY, USA, 2007. ISBN 978-1-59593-697-4. doi:10.1145/1276958.1277295. open in new tab
278. J. A. Walker, J. F. Miller, R. Cavill. A Multi-chromosome Approach to Standard and Embedded Cartesian Genetic Programming. Proceedings of the 8th Annual Conference on Genetic and Evolutionary Computation, GECCO '06, str. 903-910. ACM, New York, NY, USA, 2006. ISBN 1-59593-186-4. doi:10.1145/1143997.1144153. open in new tab
279. T. Wang, M. Harman, Y. Jia, J. Krinke. Searching for Better Configurations: A Rigorous Approach to Clone Evaluation. Proceedings of the 2013 9th Joint Meeting on Foundations of Software Engineering, ESEC/FSE 2013, str. 455-465. ACM, New York, NY, USA, 2013. ISBN 978-1-4503-2237-9. doi:10.1145/2491411.2491420. open in new tab
280. W. Weimer, T. Nguyen, C. Le Goues, S. Forrest. Automatically Finding Patches Using Genetic Programming. Proceedings of the 31st International Conference on Software Engineering, ICSE '09, str. 364-374. IEEE Computer Society, Washington, DC, USA, 2009. ISBN 978-1-4244-3453-4. doi:10.1109/ICSE.2009.5070536. open in new tab
281. G. Weiss, red. Multiagent Systems: A Modern Approach to Distributed Artificial Intelligence. MIT Press, Cambridge, MA, 1999. ISBN 978-0-262-23203-6.
282. P. A. Whigham. Grammatically-based Genetic Programming. J. P. Rosca, red., Proceedings of the Workshop on Genetic Programming: From Theory to Real-World Applications, str. 33-41. 1995. open in new tab
283. D. White, A. Arcuri, J. A. Clark. Evolutionary Improvement of Programs. Evolutionary Computation, IEEE Transactions on, 15(4):515-538, Aug 2011. ISSN 1089-778X. doi:10. 1109/TEVC.2010.2083669. open in new tab
284. D. Wieers. Dstat. http://dag.wiee.rs/home-made/dstat/. Dostęp: 2016-03-20.
285. R. J. Wilson. The European DataGrid project. Proceedings of APS / DPF / DPB Summer Study on the Future of Particle Physics (Snowmass 2001), Snowmass, Colorado, 30 Jun - 21 Jul 2001. 2001.
286. M. Wooldridge. Introduction to MultiAgent Systems. John Wiley & Sons, June 2002. ISBN 047149691X.
287. M. J. Wooldridge, N. R. Jennings. Intelligent Agents: Theory and Practice. The Knowledge Engineering Review, 10(2):115-152, 1995. open in new tab
288. World Wide Web Consortium (W3C). SOAP Version 1.2 Part 1: Messaging Framework (Second Edition). http://www.w3.org/TR/soap12-part1/, April 2007. Dostęp: 2016-01-20. open in new tab
289. World Wide Web Consortium (W3C). Extensible Markup Language (XML) 1.0 (Fifth Edition). http://www.w3.org/TR/REC-xml/, November 2008. Dostęp: 2016-01-20. open in new tab
290. F. Xie, A. Song, V. Ciesielski. Applications of Evolutionary Computation: 16th European Conference, EvoApplications 2013, Vienna, Austria, April 3-5, 2013. Proceedings, Human Action Recognition from Multi-Sensor Stream Data by Genetic Programming, str. 418-427. open in new tab
291. Springer Berlin Heidelberg, Berlin, Heidelberg, 2013. ISBN 978-3-642-37192-9. doi:10.1007/ 978-3-642-37192-9_42.
292. H. Yu, Z. Shen, C. Leung. From Internet of Things to Internet of Agents. Green Computing and Communications (GreenCom), 2013 IEEE and Internet of Things (iThings/CPSCom), IEEE International Conference on and IEEE Cyber, Physical and Social Computing, str. 1054-1057. Aug 2013. doi:10.1109/GreenCom-iThings-CPSCom.2013.179. open in new tab
293. J. Yu, R. Buyya. A Taxonomy of Scientific Workflow Systems for Grid Computing. SIGMOD Rec., 34(3):44-49, IX 2005. ISSN 0163-5808. doi:10.1145/1084805.1084814. open in new tab
294. A. Zacniewski. Optymalizacja alokacji modułów programistycznych w rozproszonym systemie szkolenia wojskowego. Rozprawa doktorska, Wydział Elektroniki, Telekomunikacji i Informatyki, Politechnika Gdańska, 2011.
295. L. Zha, W. Li, H. Yu, X. Xie, N. Xiao, Z. Xu. System Software for China National Grid. H. Jin, D. Reed, W. Jiang, red., Network and Parallel Computing, tom 3779 z serii Lecture Notes in Computer Science, str. 14-21. Springer Berlin Heidelberg, 2005. ISBN 978-3-540-29810-6. doi:10.1007/11577188_3. open in new tab
296. R. Zheng, N. Chakraborty, T. Dai, K. Sycara. Multiagent Negotiation on Multiple Issues with Incomplete Information: Extended Abstract. Proceedings of the 2013 International Conference on Autonomous Agents and Multi-agent Systems, AAMAS '13, str. 1279-1280. International Foundation for Autonomous Agents and Multiagent Systems, Richland, SC, 2013. ISBN 978-1-4503-1993-5.
297. E. Zitzler, M. Laumanns, L. Thiele. SPEA2: Improving the Strength Pareto Evolutionary Algorithm. Rap. tech., Computer Engineering and Networks Laboratory (TIK), ETH Zurich, Switzerland, 2001. open in new tab
298. E. Zitzler, L. Thiele. Multiobjective evolutionary algorithms: a comparative case study and the strength Pareto approach. Evolutionary Computation, IEEE Transactions on, 3(4):257-271, Nov 1999. ISSN 1089-778X. doi:10.1109/4235.797969. open in new tab
299. Podstawowe rodzaje metaheurystyk [184] . . . . . . . . . . . . . . . . . . . . . . . 11 open in new tab
300. Wybrane rodzaje krzyżowania w algorytmach genetycznych [61] . . . . . . . . . . . 14 open in new tab
301. Selekcja ruletki . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
302. Przykłady drzew reprezentujących wybrane S-wyrażenia . . . . . . . . . . . . . . . 19 open in new tab
303. Diagram algorytmu ewolucyjnego . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
304. Wybrane procedury nadawania rang [276] . . . . . . . . . . . . . . . . . . . . . . . 25 open in new tab
305. Wyznaczanie wartości miary oddalenia i miary zagęszczenia osobników w algoryt- mach z rodziny NSGA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 open in new tab
306. Diagram procedury aktualizacji populacji w NSGA-II i NSGA-III [62, 63] . . . . . 28 open in new tab
307. Diagram algorytmu harmonicznego dla zagadnień optymalizacji jednokryterialnej [209] 32 open in new tab
308. Przepływ informacji z perceptorów i decyzji przy wyborze akcji w architekturach warstwowych . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 open in new tab
309. Wybrane strategie realizacji zachowań [158] . . . . . . . . . . . . . . . . . . . . . . 39 open in new tab
310. Wstępne przetwarzanie nowych informacji przez agenta [169] . . . . . . . . . . . . 41
311. Zarządzanie zasobami za pomocą agentów [49] . . . . . . . . . . . . . . . . . . . . 46 open in new tab
312. Doradczy monitor wydajności PMA [49] . . . . . . . . . . . . . . . . . . . . . . . . 46
313. Agentowe przetwarzanie Big Data w czasie rzeczywistym w architekturze lambda [253] 47 open in new tab
314. Zastosowanie systemów agentowych w inteligentnych miastach [145] . . . . . . . . 48
315. Podmioty zrzeszone w wirtualnych organizacjach . . . . . . . . . . . . . . . . . . . 51
316. Kluczowy fragment strony głównej projektu Comcute [131] . . . . . . . . . . . . . 55
317. Zasada działania systemu Comcute . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
318. Przykłady powiązań między agentami warstwy pośredniczącej w gridzie Comcute . 59 open in new tab
319. Czas przetwarzania wybranej liczby paczek danych przez agenta klasy S w zależności od liczby paczek oraz od łącznej liczby agentów klasy S przetwarzających taką samą liczbę paczek w ramach zadania obliczeniowego . . . . . . . . . . . . . . . . . . . . 63 open in new tab
320. Obciążenie komunikacyjne agenta klasy S w zależności od liczby obsługiwanych paczek danych i liczby agentów klasy S przetwarzających taką samą liczbę paczek w ramach zadania obliczeniowego . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64 open in new tab
321. Obciążenie agenta klasy S w zależności od liczby żądań na sekundę od węzłów obliczeniowych . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65 open in new tab
322. Czas przetwarzania agenta zarządzającego klasy W w zależności od liczby żądań napływających do powiązanych agentów dystrybucyjnych typu S . . . . . . . . . . 66
323. Czasy przetwarzania wybranej liczby paczek przez agenta klasy W w zależności od liczby powiązanych agentów typu S oraz od liczby paczek . . . . . . . . . . . . . . 67
324. Czasy komunikacji pomiędzy agentami klasy W w zależności od czasu realizacji zadania . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
325. Obciążenie węzła, w którym działa agent klasy W . . . . . . . . . . . . . . . . . . 70
326. Obciążenie węzła, w którym działa agent klasy S . . . . . . . . . . . . . . . . . . . 71
327. Obciążenie sterty maszyny wirtualnej Javy przez agenta klasy S . . . . . . . . . . 72
328. Okresy dostępności i niedostępności komputera wolontariusza [136] . . . . . . . . . 87
329. Wybrane oceny strategii zespołu 12 agentów w przestrzeni kryterialnej (Ẑ max , Ξ ) dla gridu o sześciu węzłach i realizacji dwóch zadań obliczeniowych . . . . . . . . . 98 open in new tab
330. Mapowanie genotyp-fenotyp w programowaniu genetycznym do wyznaczania stra- tegii zespołu agentów . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110 open in new tab
331. Wartości funkcji celu dla rozwiązań wyznaczonych przez agenta GP(F 1 , µ, F ) . . . 111 open in new tab
332. Uśredniona zbieżność wartości funkcji celu wyznaczonych za pomocą agentów GP(F 1 , µ, F ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
333. Zastosowanie operatorów OR, AND i NOT do implementacji operatora XOR . . . 113
334. Przykładowa procedura warunkowa IF w programowaniu genetycznym . . . . . . . 113 open in new tab
335. Porównanie zbieżności agentów GP(F 1 , µ, F ) i GP(F 1 , µ, F + ) . . . . . . . . . . . 114
336. Operatory obsługi zmiennych w drzewie programu . . . . . . . . . . . . . . . . . . 115 open in new tab
337. Przykładowa procedura WHILE w programowaniu genetycznym . . . . . . . . . . 116
338. Drzewo programu wyznaczającego NWD i odpowiadający mu pseudokod . . . . . . 117
339. Porównanie zbieżności programowania genetycznego dla trzech zbiorów procedur: F , F + oraz F ++ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
340. Przykładowa procedura FOR w programowaniu genetycznym . . . . . . . . . . . . 118
341. Porównanie zbieżności programowania genetycznego dla czterech zbiorów procedur: F , F + , F ++ oraz F +++ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
342. Rangi wyznaczone za pomocą wybranych procedur . . . . . . . . . . . . . . . . . . 119
343. Oceny rozwiązań na różnych etapach programowania genetycznego . . . . . . . . . 122
344. Zbieżność programowania genetycznego podczas 100 epok . . . . . . . . . . . . . . 122
345. Diagram wielokryterialnego programowania genetycznego z archiwum MOGPA . . 124 open in new tab
346. Oceny rozwiązań zakwalifikowane do archiwum przy różnych miarach zagęszczenia 126 open in new tab
347. Utrata rozwiązań niezdominowanych i ich przywrócenie z archiwum . . . . . . . . 128 open in new tab
348. Wykorzystanie archiwum do utrzymania różnorodności w populacji . . . . . . . . . 129
349. Schemat wielokryterialnej metaheurystyki programowania genetycznego MOGPA . 130 open in new tab
350. Punkty charakterystyczne w przestrzeni kryterialnej dla zagadnienia optymalizacji strategii sieci agentów w gridzie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135 open in new tab
351. Schemat blokowy metody DMGP . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
352. Rozproszone wdrożenie strategii przez zespół agentów warstwy pośredniczącej w gri- dzie Comcute . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146 open in new tab
353. Zbieżność programowania genetycznego w zagadnieniu dwukryterialnym . . . . . . 151 5.26 Rozmieszczenie agentów i zasobów w gridzie zgodne ze strategią x GP 1 . . . . . . . . 151
354. Porównanie rozwiązań wyznaczonych przez wybrane metaheurystyki . . . . . . . . 152
355. Porównanie ocen strategii wyznaczonych po rozluźnieniu wymagań interesariusza . 153 open in new tab
356. Oceny rozwiązań niezdominowanych na różnych etapach programowania genetycznego156 open in new tab
357. Porównanie wyników wyznaczonych za pomocą programowania genetycznego z re- zultatami otrzymanymi za pomocą innych metaheurystyk . . . . . . . . . . . . . . 156
358. Wybór rozwiązania kompromisowego ze zbioru Pareto . . . . . . . . . . . . . . . . 158
359. Porównanie zbieżności metod DMGP i NSGA-II . . . . . . . . . . . . . . . . . . . 161 5.33 Porównanie zbieżności metod DMGP i NSGA-II w wypadku dzierżawy węzłów w chmurze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
360. A.1 Zbieżność programowania genetycznego dla czterech problemów De Jonga . . . . . 199
361. A.2 Wartości funkcji celu dla kolejnych osobników w zagadnieniu (A.3), G size = 20 . . . 201 open in new tab
362. A.3 Zbieżność programowania genetycznego dla problemów o 30-wymiarowej przestrzeni przeszukiwań . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203 open in new tab
363. B.1 Wybór kryteriów optymalizacji w aplikacji AAG'16 . . . . . . . . . . . . . . . . . . 205
364. B.2 Widok szczegółowy realizowanej symulacji dla zagadnienia dwukryterialnego . . . . 206 open in new tab
365. Wykaz algorytmów 1.1 Diagram programowania ewolucyjnego . . . . . . . . . . . . . . . . . . . . . . . . . 13 1.2 Diagram algorytmu genetycznego . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 1.3 Diagram strategii ewolucyjnej . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 1.4 Diagram programowania genetycznego . . . . . . . . . . . . . . . . . . . . . . . . . 21 2.1 Diagram interpretera BDI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 3.1 Diagram symulatora przetwarzania paczek danych przez agenty z grupy S m . . . . 61
366. Wykaz tabel open in new tab
367. Parametry wybranych rodzajów serwerów dostępnych na rynku lub zainstalowanych w gridzie Comcute . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 open in new tab
368. Obciążenie agenta klasy S w zależności od liczby paczek danych do przetworzenia oraz od łącznej liczby agentów klasy S w gridzie . . . . . . . . . . . . . . . . . . . 63 open in new tab
369. Obciążenie agenta klasy S w zależności od liczby żądań na sekundę od węzłów obliczeniowych w czasie przetwarzania 32 tys. paczek danych . . . . . . . . . . . . 65 open in new tab
370. Metody szacowania obciążeń agentów typu W i S w gridzie Comcute . . . . . . . . 74
371. Indeksy selektorów ograniczeń dla strategii zespołu agentów warstwy pośredniczącej gridu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
372. Kryteria oceny jakości strategii zespołu agentów warstwy pośredniczącej gridu . . . 94 open in new tab
373. Oceny rozwiązań niezdominowanych wyznaczonych za pomocą metody losowej . . 99 open in new tab
374. Wartości miar zagęszczenia GCD i DGCD dla przykładowego zbioru strategii kan- dydujących do archiwum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126 open in new tab
375. Przykładowy scenariusz wykonania zadań w gridzie . . . . . . . . . . . . . . . . . . 140
376. Wybrane profile sprzętowe dla maszyn wirtualnych w chmurze Amazon EC2 . . . . 142 open in new tab
377. Dostrajanie strategii w toku programowania genetycznego . . . . . . . . . . . . . . 151
378. Wspólne obszary zbieżności algorytmów MOGPA, HS, NSGA-II i OMOPSO . . . . 157
379. Etapy scenariusza realizacji zadań . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
380. Oceny strategii wyznaczonych przez program χ * . . . . . . . . . . . . . . . . . . . 161
381. Oceny wyznaczonych strategii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
382. Testowe stany gridu Comcute i oceny strategii wyznaczonych przez program χ * . . 163 open in new tab
383. A.1 Porównanie programowania genetycznego z metodą PSO i algorytmem ewolucyjnym 203
384. Dodatek B. Aplikacja Administratora Gridu AAG'16
385. Opracowana Aplikacja Administratora Gridu AAG'16 jest dostępna do pobrania na stronie inter- netowej http://genetic-programming.pl. Wersja demonstracyjna, którą wdrożono na serwerach systemu Comcute, jest dostępna pod adresem: http://aag.comcute.eti.pg.gda.pl/. Dostęp do wersji demonstracyjnej jest możliwy przy użyciu loginu: interesariusz oraz hasła: aag16. open in new tab
386. Posługując się aplikacją AAG'16 interesariusz wybiera zagadnienie optymalizacji, a następnie konfiguruje istotne parametry metaheurystyki do wyznaczenia rozwiązań. W szczególności następuje wybór kryteriów optymalizacji i ograniczeń (rysunek B.1). Konfiguracji podlega również specyfikacja zadań obliczeniowych, agentów w gridzie i dostępnych typów komputerów. open in new tab
387. Rysunek B.1: Wybór kryteriów optymalizacji w aplikacji AAG'16 Źródło: opracowanie własne open in new tab

show (387) hide

Verified by:

Gdańsk University of Technology