Agent optimization by means of genetic programming

Abstract

Tato práce se zabývá problémem výběru nejvhodnějšího agenta pro novou, agenty doposud neviděnou úlohu z oblasti dobývání znalostí. Je navržena metrika na prostoru úloh z oblasti dobývání znalostí a na základě této metriky je vybráno několik nejbližších úloh. Tento výběr je předložen jako vstup programu, který byl vyvinut pomocí genetického programování a který odhaduje výsledky agentů na nové úloze jak z pohledu chybovosti, tak z pohledu časové náročnosti. Je implementován JADE agent poskytující rozhraní umožňující získat výsledky odhadu ostatním agentům v reálném čase.

This thesis deals with a problem of choosing the most suitable agent for a new data mining task not yet seen by the agents. The metric is proposed on the data mining tasks space, and based on this metric similar tasks are identified. This set is advanced as an input to a program evolved by means of genetic programming. The program estimates agents performance on the new task from both the time and error point of view. A JADE agent is implemented which provides an interface allowing other agents to obtain estimation results in real time.