Ανακάλυψη πληροφορίας πλαισίου: Βελτιστοποίηση σμήνους σωματιδίων και θεωρία βέλτιστης παύσης

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριοι συγγραφείς: Γκαρτζονίκας, Ανδρέας, Θεοχαράτος, Δημήτριος
Μορφή: Πτυχιακή εργασία
Γλώσσα:Greek
Έκδοση: Α.Ε.Ι. Πειραιά Τ.Τ. 2016
Θέματα:
Διαθέσιμο Online:http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/2680
_version_ 1780524443965063168
abstract Ο βασικός στόχος της εργασίας αυτής είναι η αξιοποίηση της Βελτιστοποίησης Σμήνους Σωματιδίων (Particle Swarm Optimization – PSO) και της Θεωρίας Βέλτιστης Παύσης (Optimal Stopping Theory – OST) για την αντιμετώπιση του Προβλήματος Ανακάλυψης Πληροφορίας Πλαισίου (Context Discovery Problem – CDP). Ο όρος «Ανακάλυψη Πληροφορίας Πλαισίου» αναφέρεται στο μηχανισμό που υιοθετούν κινητοί κόμβοι σε μια καθορισμένη περιοχή ώστε να αναζητούν πηγές πληροφορίας. Ο αλγόριθμος Βελτιστοποίησης Σμήνους Σωματιδίων είναι ένας πληθυσμιακός αλγόριθμος αναζήτησης που βασίζεται στην προσομοίωση της κοινωνικής συμπεριφοράς των πουλιών μέσα σε ένα σμήνος. Η Θεωρία Βέλτιστης Παύσης μελετάει το πρόβλημα της επιλογής της χρονικής στιγμής εκτέλεσης μιας συγκεκριμένης ενέργειας, βασισμένη σε μια ακολουθία παρατηρούμενων τυχαίων μεταβλητών, προκειμένου να μεγιστοποιηθεί κάποια αναμενόμενη ανταμοιβή ή να ελαχιστοποιηθεί κάποιο αναμενόμενο κόστος.
abstracttranslated The basic purpose of this research is the combined use of Particle Swarm Optimization (PSO) and Optimal Stopping Theory (OST) in order to confront the Context Discovery Problem (CDP). Context Discovery refers to the mechanism adopted by mobile nodes moving in a specified area in order to seek information sources. The Particle Swarm Optimization algorithm is a population-based search algorithm based on the simulation of the social behavior of birds within a flock. The Optimal Stopping Theory is concerned with the problem of choosing a time to take a given action based on sequentially observed random variables in order to maximize an expected payoff or to minimize an expected cost.
advisor
author Γκαρτζονίκας, Ανδρέας
Θεοχαράτος, Δημήτριος
author_facet Γκαρτζονίκας, Ανδρέας
Θεοχαράτος, Δημήτριος
author_sort Γκαρτζονίκας, Ανδρέας
collection Okeanis Institutional Repository
facultydepartment Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.
format Πτυχιακή εργασία
id okeanis-123456789-2680
institution University of West Attica Campus II
keyword Ασύρματα δίκτυα αισθητήρων
Θεωρία βέλτιστης παύσης
Πληροφορία πλαισίου
Αλγόριθμος βελτιστοποίησης σμήνους σωματιδίων
language Greek
physical 164 σελ.
publishDate 2016
publisher Α.Ε.Ι. Πειραιά Τ.Τ.
record_format dspace
spelling okeanis-123456789-26802018-12-14T13:36:42Z Ανακάλυψη πληροφορίας πλαισίου: Βελτιστοποίηση σμήνους σωματιδίων και θεωρία βέλτιστης παύσης Context discovery: Particle swarm optimization and optimal stopping theory Γκαρτζονίκας, Ανδρέας Θεοχαράτος, Δημήτριος Τσελές, Δημήτριος Τμήμα Μηχανικών Αυτοματισμού Τ.Ε. TPSH::Επιστήμη Υπολογιστών::Τεχνητή Νοημοσύνη TPSH::Επιστήμη Υπολογιστών Ασύρματα δίκτυα αισθητήρων Θεωρία βέλτιστης παύσης Πληροφορία πλαισίου Αλγόριθμος βελτιστοποίησης σμήνους σωματιδίων Ο βασικός στόχος της εργασίας αυτής είναι η αξιοποίηση της Βελτιστοποίησης Σμήνους Σωματιδίων (Particle Swarm Optimization – PSO) και της Θεωρίας Βέλτιστης Παύσης (Optimal Stopping Theory – OST) για την αντιμετώπιση του Προβλήματος Ανακάλυψης Πληροφορίας Πλαισίου (Context Discovery Problem – CDP). Ο όρος «Ανακάλυψη Πληροφορίας Πλαισίου» αναφέρεται στο μηχανισμό που υιοθετούν κινητοί κόμβοι σε μια καθορισμένη περιοχή ώστε να αναζητούν πηγές πληροφορίας. Ο αλγόριθμος Βελτιστοποίησης Σμήνους Σωματιδίων είναι ένας πληθυσμιακός αλγόριθμος αναζήτησης που βασίζεται στην προσομοίωση της κοινωνικής συμπεριφοράς των πουλιών μέσα σε ένα σμήνος. Η Θεωρία Βέλτιστης Παύσης μελετάει το πρόβλημα της επιλογής της χρονικής στιγμής εκτέλεσης μιας συγκεκριμένης ενέργειας, βασισμένη σε μια ακολουθία παρατηρούμενων τυχαίων μεταβλητών, προκειμένου να μεγιστοποιηθεί κάποια αναμενόμενη ανταμοιβή ή να ελαχιστοποιηθεί κάποιο αναμενόμενο κόστος. The basic purpose of this research is the combined use of Particle Swarm Optimization (PSO) and Optimal Stopping Theory (OST) in order to confront the Context Discovery Problem (CDP). Context Discovery refers to the mechanism adopted by mobile nodes moving in a specified area in order to seek information sources. The Particle Swarm Optimization algorithm is a population-based search algorithm based on the simulation of the social behavior of birds within a flock. The Optimal Stopping Theory is concerned with the problem of choosing a time to take a given action based on sequentially observed random variables in order to maximize an expected payoff or to minimize an expected cost. 2016-02 Πτυχιακή εργασία http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/2680 el http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα Α.Ε.Ι. Πειραιά Τ.Τ. 164 σελ. http://okeanis.lib2.uniwa.gr/xmlui/bitstream/123456789/2680/9/auto37923_%26_auto38004.pdf.jpg
spellingShingle TPSH::Επιστήμη Υπολογιστών::Τεχνητή Νοημοσύνη
TPSH::Επιστήμη Υπολογιστών
Γκαρτζονίκας, Ανδρέας
Θεοχαράτος, Δημήτριος
Ανακάλυψη πληροφορίας πλαισίου: Βελτιστοποίηση σμήνους σωματιδίων και θεωρία βέλτιστης παύσης
title Ανακάλυψη πληροφορίας πλαισίου: Βελτιστοποίηση σμήνους σωματιδίων και θεωρία βέλτιστης παύσης
title_full Ανακάλυψη πληροφορίας πλαισίου: Βελτιστοποίηση σμήνους σωματιδίων και θεωρία βέλτιστης παύσης
title_fullStr Ανακάλυψη πληροφορίας πλαισίου: Βελτιστοποίηση σμήνους σωματιδίων και θεωρία βέλτιστης παύσης
title_full_unstemmed Ανακάλυψη πληροφορίας πλαισίου: Βελτιστοποίηση σμήνους σωματιδίων και θεωρία βέλτιστης παύσης
title_short Ανακάλυψη πληροφορίας πλαισίου: Βελτιστοποίηση σμήνους σωματιδίων και θεωρία βέλτιστης παύσης
title_sort ανακάλυψη πληροφορίας πλαισίου: βελτιστοποίηση σμήνους σωματιδίων και θεωρία βέλτιστης παύσης
title_translated Context discovery: Particle swarm optimization and optimal stopping theory
topic TPSH::Επιστήμη Υπολογιστών::Τεχνητή Νοημοσύνη
TPSH::Επιστήμη Υπολογιστών
url http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/2680