Identifikační kód |
RIV/67985807:_____/17:00477352 |
Název v anglickém jazyce |
Tree Based Decision Strategies and Auctions in Computational Multi-Agent Systems |
Druh |
J - Recenzovaný odborný článek (Jimp, Jsc a Jost) |
Poddruh |
J/B - Článek v odborném periodiku je obsažen v databázi SCOPUS společnosti Elsevier s příznakem „Article“, „Review“ nebo „Letter“ (Jsc) |
Jazyk |
eng - angličtina |
Vědní obor |
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8) |
Rok uplatnění |
2017 |
Kód důvěrnosti údajů |
S - Úplné a pravdivé údaje o výsledku nepodléhající ochraně podle zvláštních právních předpisů. |
Počet výskytů výsledku |
2 |
Počet tvůrců celkem |
2 |
Počet domácích tvůrců |
1 |
Výčet všech uvedených jednotlivých tvůrců |
Roman Neruda (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 8926050, orcid: 0000-0003-2364-5357, scopusid: 6701660464, researcherid: D-2442-2014) M. Šlapák (státní příslušnost: CZ - Česká republika) |
Popis výsledku v anglickém jazyce |
This paper deals with an agent-based implementation of data mining system where a set of tasks is being processed in a distributed manner. The key role within such a system is the decision strategy of a computational agent which should consider accepting or rejecting a particular task based on various decision strategies. We present several adaptive decision strategies and compare them to traditional auction-based task distribution. Results show that optimal decision making strategy depends on the task set characteristic properties { e.g. how distinct are the best and the worst average results of each task type in dataset. |
Klíčová slova oddělená středníkem |
auction systems;decision making;genetic programming;multi-agent system;task distribution |
Stránka www, na které se nachází výsledek |
http://rev-inv-ope.univ-paris1.fr/fileadmin/rev-inv-ope/files/38417/38417-04.pdf |
Odkaz na údaje z výzkumu |
- |