مطالب مرتبط با کلیدواژه

الگوریتم شبیه سازی بازپخت


۱.

بهینه سازی الگوهای مدیریت ریسک مارکویتز، ارزش در معرض ریسک و ارزش در معرض ریسک احتمالی پارامتریک با استفاده از الگوریتم های محلی و سراسری در بورس اوراق بهادار تهران

کلیدواژه‌ها: مدیریت ریسک بهینه سازی پورتفوی مرزهای کارا الگوریتم شبیه سازی بازپخت

حوزه های تخصصی:
  1. حوزه‌های تخصصی مدیریت مدیریت مالی – حسابداری مدیریت اوراق بهادار
  2. حوزه‌های تخصصی مدیریت مدیریت مالی – حسابداری حسابرسی حسابرسی عملکرد
تعداد بازدید : ۲۷۹۰ تعداد دانلود : ۱۵۰۹
امروزه مدیریت ریسک به همان اندازه کسب حداکثر بازده برای سرمایه گذاران مهم و حیاتی است؛ لذا بررسی الگوها و ابزار مدیریت ریسک برای سرمایه گذاران سودمند و قابل توجه است. این مطالعه به دنبال آن است تا با استفاده از دو روش الگوریتم بهینه سازی محلی و سراسری و با تکیه بر الگوهای مدیریت ریسک مارکویتز، ارزش در معرض ریسک و ارزش در معرض ریسک احتمالی، اوزان بهینه پورتفوی ها را با هدف حداقل کردن ریسک در سطوح مختلف بازده بیابد، مرزهای کارای آن را رسم کند و مورد مقایسه قرار دهد. برای این منظور، پس از آزمون نرمال بودن توزیع بازده شرکت های انتخاب شده، الگوهای برنامه ریزی غیرخطی پارامتریک برای هر سه الگوی مدیریت ریسک معرفی شده و با استفاده از الگوریتم های بهینه سازی ""حداقل سازی محدودیت دار"" نرم افزار Matlab، تابع بهینه سازی بر اساس روش گرادیان و الگوریتم شبیه سازی بازپخت مرزهای کارا رسم و مورد مقایسه قرار گرفته است. یافته های تحقیق نشان می دهند که تفاوتی در استفاده از الگوهای مارکویتز، ارزش در معرض ریسک و ارزش در معرض ریسک احتمالی (در حالت پارامتریک) وجود ندارد، مرزهای کارای آنها بر روی یکدیگر قرار می گیرد، ضرایب بهینه پورتفوی یکسان است و در نتیجه نتایج مشابهی را ارائه می دهند. همچنین، توصیه می شود برای بهینه سازی الگوهای مدیریت ریسک از روش های سراسری در کنار روش های محلی جهت اطمینان بیشتر استفاده شده و در صورتی که هدف سرمایه گذار، بهینه سازی در حداقل زمان ممکن باشد، جهت دستیابی به اوزان بهینه از روش های محلی استفاده شود.
۲.

مقایسة قابلیت الگوریتم های فراابتکاری در حل مسئلة مکان یابی مراکز آتش نشانی(مقاله علمی وزارت علوم)

کلیدواژه‌ها: الگوریتم ژنتیک مراکز آتش نشانی الگوریتم شبیه سازی بازپخت الگوریتم جست و جوی ممنوع مکان یابی و تخصیص مکان

حوزه های تخصصی:
تعداد بازدید : ۳۵۸۷ تعداد دانلود : ۱۶۳۴
مکان­یابی و تخصیص از نوع مسائل NP-Hard است که با افزایش تعداد نقاط تقاضا و مراکز خدماتی، پیچیدگی و حجم محاسبات مسئله به صورت نمایی افزایش می یابد. برای حل این گونه مشکلات، از روش های فراابتکاری متناسب با شرایط مسئله استفاده می شود. در این تحقیق، روش­های فراابتکاری جست وجوی ممنوع، ژنتیک و شبیه سازی بازپخت به عنوان روش های بهینه­سازی برای مکان­یابی مراکز آتش­نشانی و تخصیص مناطق شهری به آن ها استفاده شده اند. این روش­ها با توجه به معیارهای زمان حل مسئله، مقدار تابع هدف، تعداد تکرار و نحوة پوشش منطقه در سناریوهای مختلف ارزیابی شده اند. سناریوهای مختلف در روش ژنتیک بر اساس تغییر در تعداد تکرار و جمعیت اولیه و در روش شبیه­سازی بازپخت بر اساس تغییر در تعداد تکرار حرکات و تغییرات دما تولید شده اند. روش جست وجوی ممنوع دارای بیشترین زمان محاسباتی (38 دقیقه و 42 ثانیه) و کمترین (بهترین) مقدار تابع هدف (104×749/4) است و با توجه به نقشة تولید شده، بهترین پوشش را در منطقه توسط مکان های بهینة برگزیده ایجاد می کند. الگوریتم شبیه­سازی بازپخت، در بین روش های اجرا، دارای کمترین زمان حل مسئله است و هنگامی که تعداد تکرارها در این روش از اندازة مسئله (در اینجا تعداد پارسل ها) بزرگ تر باشد، جواب های مطلوبی تولید می شود. نتایج به دست آمده در سناریوی دوم روش SA در این تحقیق، صحّت این ادعا را اثبات کرده است. بر اساس یافته های این تحقیق، می توان نتیجه گیری کرد که در صورت نیاز به اجرای سریع (زمان بسیار کوتاه عملکرد الگوریتم) روش شبیه سازی بازپخت سریع ترین روش خواهد بود؛ در شرایط نیاز به سرعت و دقت مناسب و متوسط، الگوریتم ژنتیک گزینة مناسبی است و سرانجام در حالت نیاز به دقت و کیفیت بالای جواب و بدون محدودیت زمان، روش جست وجوی ممنوع گزینة برتر است.