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
—