Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Testing of Python Models of Parallelized Genetic Algorithms

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F20%3APU138162" target="_blank" >RIV/00216305:26220/20:PU138162 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://ieeexplore.ieee.org/document/9163475" target="_blank" >https://ieeexplore.ieee.org/document/9163475</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/TSP49548.2020.9163475" target="_blank" >10.1109/TSP49548.2020.9163475</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Testing of Python Models of Parallelized Genetic Algorithms

  • Popis výsledku v původním jazyce

    The paper describes the testing of three models (master slave, fine-grained, and coarse grained) of parallelized genetic algorithms and the comparison of their computational time with each other and with the basic serial model. The analysis of the number of iterations, the load of the main memory and the central processing unit is the subject of other contributions. Corresponding Python modules have been implemented for these models. A test scenario and a test environment were prepared. Testing was realized on a Linux server with the Ubuntu operating system. A RabbitMQ server creating processes by the SCOOP module on the selected workstation was used. Models have been tested by a single-workstation and multi-workstation scenarios. The tested models bring time savings and efficiency improvement compared to the serial model; the fastest was the fine-grained model.

  • Název v anglickém jazyce

    Testing of Python Models of Parallelized Genetic Algorithms

  • Popis výsledku anglicky

    The paper describes the testing of three models (master slave, fine-grained, and coarse grained) of parallelized genetic algorithms and the comparison of their computational time with each other and with the basic serial model. The analysis of the number of iterations, the load of the main memory and the central processing unit is the subject of other contributions. Corresponding Python modules have been implemented for these models. A test scenario and a test environment were prepared. Testing was realized on a Linux server with the Ubuntu operating system. A RabbitMQ server creating processes by the SCOOP module on the selected workstation was used. Models have been tested by a single-workstation and multi-workstation scenarios. The tested models bring time savings and efficiency improvement compared to the serial model; the fastest was the fine-grained model.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20201 - Electrical and electronic engineering

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/VI20192022135" target="_blank" >VI20192022135: Hloubková hardwarová detekce síťového provozu pasivních optických sítí nové generace v kritických infrastrukturách</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2020

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the 43 rd International Conference on Telecommunications and Signal Processing

  • ISBN

    978-1-7281-6376-5

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    4

  • Strana od-do

    235-238

  • Název nakladatele

    IEEE

  • Místo vydání

    Milan, Italy

  • Místo konání akce

    Milan, Italy

  • Datum konání akce

    7. 7. 2020

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000577106400051