A comparison of implementations of basic evolutionary algorithm operations in different languages

Merelo, J. J.; Blancas-Álvarez, Israel; Castillo, Pedro; Romero, Gustavo; Rivas, Víctor M.; García-Valdéz, Mario; Hernandez-Aguila, Amaury; Romain, Mario

doi:10.1109/cec.2016.7743980

Cited by 6 publications

(3 citation statements)

References 24 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…al. [28] analysed evolutionary algorithms over OneMax function, bitflip mutation and crossover, and evaluated the performance of interpreted and compiled languages including C, C++, Java and Python. The study reported Java as fastest, but pointed that interpreter-based languages should not be much slower than compiled languages.…”

Section: Related Workmentioning

confidence: 99%

Comparison of C++ and Java in Implementing Introductory Programming Algorithms

Naveed

2021

QUEST Research Journal

View full text Add to dashboard Cite

Computer programming is the heart of computer science and C++ and Java are the most popular and widely used languages. The performance of C++ and Java programming languages has been benchmarked using robotics, numerical, genetic and evolutionary algorithms, but not using introductory programming algorithms. This article examined C++ and Java by analysing the implementation of novice algorithms of introductory programming courses by evaluating the difficulty, effort, time and delivered bugs of programs with Halstead software metrics. The study identified that Java is more difficult than C++ in the implementation of selected algorithms. Similarly, the efforts required to translate the novice algorithms in Java are higher than C++. The time involved in translating selected algorithms in C++ is lower than Java. Similarly, the number of delivered bugs in C++ is lower than Java. The study suggests that C++ is more suitable than Java for the implementation of introductory programming algorithms and reasonably more suitable for introductory programming courses. The study emboldens the programming linguists to do further analyses in contemplating other programming languages with Halstead software metrics and other kinds of algorithms.

show abstract

Section: Related Workmentioning

confidence: 99%

Comparison of C++ and Java in Implementing Introductory Programming Algorithms

Naveed

2021

QUEST Research Journal

View full text Add to dashboard Cite

show abstract

“…Było to możliwe zarówno dzięki wspomnianym badaniom oraz znacznie malejącym kosztom szybkich i tanich komputerów. Problemy, które kiedyś rozważane były w kategoriach niemożliwych do wyznaczenia, w dzisiejszych czasach, z punktu widzenia złożoności obliczeń nie stanowią już wyzwania [16]. Dzięki temu, złożone problemy, które wymagają jednoczesnego rozwiązywania mogą być wyznaczone z użyciem algorytmu genetycznego.…”

Section: Algorytm Genetycznyunclassified

Porównanie wydajności języka skryptowego oraz kompilowanego na podstawie działania algorytmu genetycznego

Dzikowski

2019

jcsi

View full text Add to dashboard Cite

Celem artykułu jest porównanie wydajności wybranych języków programowania (Python, C) - poprzez pomiar czasu działania oraz wykorzystania zasobów komputera - algorytmu genetycznego dla zadanych parametrów, a następnie ocena czy język skryptowy może być porównywalny pod względem szybkości z językiem kompilowanym. Do tego celu zaimplementowany został algorytm genetyczny w każdym z wymienionych języków, a następnie przeprowadzone zostały testy, których wyniki stanowiły podstawę ostatecznej oceny ich wydajności oraz dowód, że język skryptowy może osiągać czasy działania porównywalne z językiem kompilowanym

show abstract

“…Se ha decidido desarrollar este proyecto en el lenguaje de programación Python debido a estar familiarizado con este lenguaje y a la disponibilidad de una API de OWASP ZAP en dicho lenguaje. Además, aunque este proyecto no requiere un elevado rendimiento, diversas publicaciones indican un muy buen desempeño del lenguaje Python a la hora de trabajar con algoritmos genéticos [24].…”

Section: Pythonunclassified

Sistema de ciberdefensa dinámica basada en algoritmos evolutivos para la prevención de ataques informáticos

Serrano Collado

View full text Add to dashboard Cite

Cyber attacks are one of the biggest problems for many organizations. That organizations are investing so many resources in detecting cyber-attacks, but they still have serious difficulties to prevent them.The common way to perform an attack is using a list of known vulnerabilities. Many of these vulnerabilities can be caused by a bad configuration.A simple protection against computer security threats can be implemented by properly tuning existing system software without the needed of expensive security solutions.This project shows a low-cost technique to prevent computer attacks. This technique consists of constantly modifying the configuration of a server.Using a genetic algorithm, many different possible configurations are mutated to find an optimal solution. This optimal configuration is regularly applied, so the systems information previously collected by a potential attacker is no longer effective, achieving a simple protection layer while optimizing the service configuration.

show abstract

A comparison of implementations of basic evolutionary algorithm operations in different languages

Cited by 6 publications

References 24 publications

Comparison of C++ and Java in Implementing Introductory Programming Algorithms

Comparison of C++ and Java in Implementing Introductory Programming Algorithms

Porównanie wydajności języka skryptowego oraz kompilowanego na podstawie działania algorytmu genetycznego

Sistema de ciberdefensa dinámica basada en algoritmos evolutivos para la prevención de ataques informáticos

Contact Info

Product

Resources

About