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”

Clustering Methods for Agent Distribution Optimization

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F10%3A00168913" target="_blank" >RIV/68407700:21230/10:00168913 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Clustering Methods for Agent Distribution Optimization

  • Popis výsledku v původním jazyce

    Multiagent systems consist of a collection of agents that directly interact usually via a form of message passing. Information about these interactions can be analyzed in an online or offline way to identify clusters of agents that are related. The firstpart of this paper is dedicated to a formal definition of a proposed dynamic model for agent clustering. The main contribution is the ability to discover and visualize communication neighborhoods of agents at runtime. The second part of this paper dealswith a static agent clustering problem where equally sized clusters with maximal intracluster communication among agents are sought in order to efficiently distribute agents across multiple execution units. A multiobjective clustering approach based onan iterative multiobjective optimization evolutionary algorithm is proposed and its advantages are demonstrated.

  • Název v anglickém jazyce

    Clustering Methods for Agent Distribution Optimization

  • Popis výsledku anglicky

    Multiagent systems consist of a collection of agents that directly interact usually via a form of message passing. Information about these interactions can be analyzed in an online or offline way to identify clusters of agents that are related. The firstpart of this paper is dedicated to a formal definition of a proposed dynamic model for agent clustering. The main contribution is the ability to discover and visualize communication neighborhoods of agents at runtime. The second part of this paper dealswith a static agent clustering problem where equally sized clusters with maximal intracluster communication among agents are sought in order to efficiently distribute agents across multiple execution units. A multiobjective clustering approach based onan iterative multiobjective optimization evolutionary algorithm is proposed and its advantages are demonstrated.

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    JC - Počítačový hardware a software

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2010

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    IEEE Transactions on Systems, Man, and Cybernetics: Part C

  • ISSN

    1094-6977

  • e-ISSN

  • Svazek periodika

    40

  • Číslo periodika v rámci svazku

    1

  • Stát vydavatele periodika

    US - Spojené státy americké

  • Počet stran výsledku

    9

  • Strana od-do

  • Kód UT WoS článku

    000271605100007

  • EID výsledku v databázi Scopus