الگوریتم ازدحام ذرات

در این مقاله مدل های کلاسیک سفارش اقتصادی و تولید اقتصادی با در نظر گرفتن هزینه نگهداری و خرید به صورت تابعی افزایشی و پیوسته از سیکل سفارش توسعه داده می شود. دو مدل ارائه شده است که مدل اول، مدل سفارش اقتصادی با فرض غیر مجاز بودن کمبود می باشد و مدل دوم هم مدل تولید اقتصادی با فرض غیر مجاز بودن کمبود است، از آنجاییکه مدل از نوع برنامه ریزی غیر خطی پیوسته است، حل آن به روش دقیق در زمان معقول امکان پذیر نیست به این سبب از الگوریتم های ابتکاری ژنتیک و ازدحام ذرات برای حل استفاده می شود برای افزایش اثربخشی الگوریتم ها از رویکرد تاگوچی برای تنظیم پارامتر الگوریتم ها استفاده می شود که پس از آن به سنجش دو الگوریتم پرداخته می شود.

یکی از رویکردهای بهینه یابی که در علوم مختلف مورد استفاده قرار می گیرد الگوریتم های فراکاوشی می باشد. در این پژوهش، با استفاده از الگوریتم فراکاوشی جدید جستجوی موجودات همزیست (SOS) مدلی برای انتخاب بهینه پرتفوی معرفی گردیده و سپس نتایج بدست آمده از آن با نتایج بدست آمده از الگوریتم های قدیمی تر ژنتیک (GA) و ازدحام ذرات (PSO) مقایسه گردیده است. بدین منظور با استفاده از اطلاعات ده ماهه ی بازده ی 50 شرکت برتر بورس، پرتفوی بهینه با توجه به هدف حداکثر سازی سود و حداقل سازی ریسک به وسیله ی الگوریتم های مذکور برآورد و با یکدیگر مقایسه گردیده است. نتایج به دست آمده از اجرای الگوریتم ها حاکی از آن است که علیرغم توانایی بالای الگوریتم های مورد بررسی در بهینه سازی سبد سهام، الگوریتم SOS در مقایسه با سایر الگوریتم های مورد بررسی توانایی بالاتری در بهینه سازی سبد سهام دارد

افزایش تعداد و گردش مالی پروژه های سازمان ها و سازمان های پروژه محور از یک سو و شدت گرفتن دغدغه های زیست محیطی تحت مفهوم «توسعه پایدار» از سوی دیگر به ورود دغدغه های زیست محیطی در مدیریت پروژه منجر شده است. از اینرو در این مطالعه، اثرات زیست محیطی پروژه به عنوان شاخص جدیدی در مسئله موازنه هزینه- زمان پروژه در نظر گرفته شده و مدل ریاضی جدیدی با سه شاخص هزینه، زمان و اثرات زیست محیطی ارائه شده است. با توجه به دشواری حل مدل ریاضی ارائه شده از دو الگوریتم فراابتکاری ازدحام ذرات چندهدفه و کرم شب تاب چندهدفه به صورت ترکیبی با یک الگوریتم ابتکاری که جواب های موجه از نظر روابط پیش نیازی ایجاد می کند، در محیط نرم افزار متلب استفاده شد. نتایج به کارگیری این مدل ریاضی و الگوریتم های حل بر روی داده های مسائل استاندارد موجود در کتابخانه PSPLIB نشان داد که مدیران پروژه با به کارگیری این مدل ریاضی در زمان بندی پروژه خود، حق انتخاب بین مقادیر مختلف زمان، هزینه و اثرات زیست محیطی پروژه را خواهند داشت و از طرفی می توانند اثرات زیست محیطی پروژه را کنترل کنند؛ همچنین مقادیر شاخص های ارزیابی جواب های پارتو نشان داد که الگوریتم ازدحام ذرات کارایی بهتری نسبت به الگوریتم کرم شب تاب در این مسئله داشته است.

با مقررات زدایی از بازار و شکل گیری بازار روز بعد انرژی، باهدف کاهش هزینه های تولی د و توزی ع ب رق و رف ع ناکارآمدی های صنعت برق انحصاری، تحدید ساختار در بازار برق ایران انجام گرفت که در آن در هرروز تولیدکنندگان انرژی با یکدیگر به رقابت می پردازند. دراین بین بهای تمام شده تولید انرژی پارامتر تعیین کننده در تعیین استراتژی پیشنهاد قیمت توسط هر نیروگاه و میزان سود بخشی آن می باشد. ازاین رو در این مقاله با در نظر گرفتن هزینه های سوخت مصرفی، استهلاک، تعمیرات، بهره برداری و سایر هزینه ها به عنوان عوامل تأثیرگذار بر روی بهای تمام شده تولید برق، تابع هزینه تولید برآورد شده است. در این مطالعه، نظر به سهم قابل توجه سوخت بر روی بهای تمام شده، سوخت مصرفی را به صورت جدا از سایر موارد موردبررسی قرار داده ایم و به جای سرشکن کردن هزینه سوخت در طول یک سال بر روی کل تولید، ابتدا تابع مصرف سوخت در سطوح مختلف تولید در دو حالت سوخت گاز و گازوئیل محاسبه شده و به دنبال آن هزینه سوخت مصرفی محاسبه گردیده است. مطابق با نتایج به دست آمده، از اجرای مدل پیشنهادی بر روی واحد گازی نیروگاه سیکل ترکیبی اردبیل، متوسط هزینه تولید هر کیلووات ساعت برق با سوخت گاز برابر با 398 ریال و با سوخت گازوئیل برابر با 500 ریال می باشد.

رویکردهای فراکاوشی عمدتاً بر اساس نظم و قواعد موجود در ارگانیسمهای طبیعی الهام گرفتهاند. این رویکردها امروزه کاربرد بسیاری در شاخههای مختلف پیدا کرده است. با توجه به اهمیت پیشبینی، شناخت روشها در پیشبینی مدیریت سود میتواند اطلاعات مفیدی را برای ذینفعان فراهم آورد. تنوع عوامل بدست آمده ناشی از نتایج الگوهای خطی برای سنجش مدیریت سود موجب شده است سرمایهگذارن نسبت به کیفیت سود گزارش شده تردید نمایند. بنابراین هدف از این پژوهش ارائه الگوی بهینهتر برای پیشبینی مدیریت سود است. در مرحله نخست با استفاده از الگوی شبکههای عصبی الگوی اولیه خطی را بهینه نموده، سپس از الگوریتمهای ازدحام ذرات و رقابت استعماری برای بهینهتر نمودن الگو استفاده گردید. از این رویافتههای تجربی مربوط به بررسی 620 مشاهده (سال – شرکت) پذیرفته شده در بورس اورق بهادر تهران در بازه زمانی 1390 الی 1395 حاکی از سودمندی و تاثیر مثبت در روشهای ترکیبی بر عملکرد پیشبینی مدیریت سود و همچنین وجود تفاوت معنادر بین میزان سودمندی روشهای خطی و غیرخطی است. به عبارتی در صورت استفاده از الگوریتمها در پیشبینی مدیریت سود دقت پیشبینی با حذف متغیرهای ناکارآمد افزایش مییابد. افزون بر این یافته های پژوهش حاکی از عملکرد بهتر و مناسب الگوریتم رقابت استعماری نسبت به سایر الگوها در کارآمدی متغیرهای گروه مدیریتی با دقت (8/95%) است.

انتخاب سبد سهام یکی از مباحث مهم در حوزه مدیریت سرمایه گذاری بوده که در رابطه با نحوه تخصیص سرمایه یک سرمایه گذار به دارایی های مختلف و تشکیل یک پرتفوی کارا بحث می کند که هرچه مفروضات و شرایط مدل سازی جهت انتخاب و بهینه سازی سبد سرمایه گذاری به شرایط دنیای واقعی نزدیکتر باشد، نتایج حاصل از آن بیشتر قابل اتکا خواهد بود. در نظر گرفتن افق تک دوره ای برای سرمایه گذاری چندان واقعی نبوده و بیشتر سرمایه گذاران برای بیش از یک دوره اقدام به سرمایه گذاری می کنند که سرمایه گذار بتواند موقعیت خود را در طول زمان مورد بازنگری قرار دهد. الگو ها و روش های مختلفی از زمان ارائه کار اولیه مار کویتز تا کنون برای انتخاب سبد سرمایه گذاری بهینه ارائه شده است . با این حال یافتن مفید ترین الگو در انتخاب این سبد همواره دغدغه سرمایه گذاران بوده است. در این پژوهش تعدادی از الگوریتم های بهینه سازی سبد سهام مانند الگوریتم مورچگان ، الگوریتم ژنتیک، الگوریتم فرهنگی، الگوریتم ازدحام ذرات، الگوریتم کرم شب تاب، آورده شده است که در مورد هر کدام به صورت مختصر توضیح داده شده است.

اساس کارکرد سیستم های تولید سلولی بر پایه تعریف و شناسایی نوعی شباهت در میان قطعاتی است که باید در یک دوره برنامه ریزی تولید شوند. تشکیل سلول و طراحی چیدمان از مراحل مهم اجرای این نوع از سیستم های تولیدی اند. در این مقاله یک مدل برنامه ریزی ریاضی غیرخطی جدید برای مسئله تشکیل سلول ارائه شده است که در آن با بهره گیری از مفهوم فاصله متعامد، چیدمان ماشین آلات در یک فضای پیوسته تعیین می شود. در مدل ارائه شده، با استفاده از مزایای در نظر گرفتن جانمایی سلولی در تابع هدف، هزینه های جابه جایی درون و بین سلولی قطعات دقیق محاسبه می شود. با توجه به پیچیدگی های مسئله، مدل ریاضی ارائه شده ازنظر پیچپدگی در زمره مسائل سخت قرار می گیرد که برای حل آن از الگوریتم ژنتیک و ازدحام ذرات استفاده شده است. به منظور نشان دادن کارآیی مدل و الگوریتم های حل ارائه شده، از اطلاعات تولیدی یک مسئله واقعی استفاده شده و 30 نمونه مسئله دیگر در ابعاد مختلف ارائه شده است که نتایج حاصل بیانگر عملکرد بهتر الگوریتم ژنتیک در مقایسه با الگوریتم ازدحام ذرات در کیفیت جواب های حاصل شده است.

امروزه مدیریت شبکه های توزیع مواد غذایی با هدف پاسخ گویی سریع به تقاضای مصرف کنندگان، کاهش هزینه توزیع و افزایش سود در مقایسه با رقبای تجاری اهمیت بسیاری یافته است. فروشگاه های “شهرما” شبکه گسترده توزیع محصولات کشاورزی در شهر مشهد هستند که با هدف عرضه مستقیم محصولات کشاورزی و فراهم نمودن امکان دسترسی ارزان و سریع تر شهروندان به میوه و تره بار شکل گرفته اند. در این مقاله، مسیرهای توزیع بهینه و به موقع محصولات فروشگاه هایی با نام تجاری “شهرما” از مبدأ تا میدان میوه و تره بار مورد بررسی قرار می گیرد. به این منظور از الگوریتم های تکاملی ژنتیک و ازدحام ذرات برای بهینه کردن زمان توزیع استفاده شده است. برای توزیع عادلانه و به موقع محصولات میان تمام فروشگاه ها یک قید زمانی سه ساعته وارد مسئله شده است. به این معنی که اگر توزیع میان تمام فروشگاه ها در زمان کمتر از سه ساعت صورت نگیرد به تعداد یک وسیله نقلیه توزیع جدید به مسئله اضافه خواهد شد. این افزایش تعداد وسایل نقلیه تا جایی ادامه پیدا خواهد کرد که توزیع میان تمام فروشگاه ها کمتر از سه ساعت صورت پذیرد. به منظور تعیین زمان مسیر میان فروشگاه ها بر روی شبکه راه های شهر مشهد از آنالیز شبکه در نرم افزار ArcGIS استفاده شده است. در انتها دو الگوریتم ژنتیک و ازدحام ذرات توانستند توزیع میوه و تره بار را با چهار وسیله نقلیه انجام دهند. مقایسه نتایج دو الگوریتم نشان می دهد که مجموع زمانی توزیع در الگوریتم ژنتیک در مقایسه با الگوریتم ازدحام ذرات 47 دقیقه کمتر بوده و الگوریتم ژنتیک، مسیرهای بهتری را برای توزیع پیشنهاد داده است.

انتخاب سبد سهام بهینه از اهداف اصلی مدیریت سرمایه است. امروزه ابزارها و تکنیک های متعددی برای اندازه گیری ریسک سبد سرمایه گذاری و انتخاب سبد سهام بهینه ارائه شده است. در این مقاله، با استفاده از داده های 15 سهم که با روش نمونه گیری هدفمند از شرکتهای برتر سازمان بورس اوراق بهادار تهران انتخاب شده اند که شامل خپارس، خزامیا، وپاسار، فولاد، اخابر، کگل، فملی، تاپیکو، سپاها، فاذر، فخاس، شبهرن، شفن، قمرو و قثابت هستند، ابتدا بازده این سهام بصورت روزانه در بازه زمانی31/3/1394-31/3/1399 طی 5 سال به مدت 1183 روز محاسبه می شوند و سپس با استفاده از نرم افزار متلب مدل های بهینه سازی فرا ابتکاری الگوریتم ژنتیک چند هدفه تحت معیار ریسکMSV و الگوریتم ازدحام ذرات تحت معیار ریسکCVaR با هم مقایسه می شوند. نتایج نشان می دهد که مدل الگوریتم ژنتیک چند هدفه تحت معیار ریسک MSV دارای بازده بیشتر و ریسک کمتری می باشد، در نتیجه مدل الگوریتم ژنتیک تحت معیار ریسک MSV از مدل الگوریتم ازدحام ذرات تحت معیار ریسک CVaR کارآمدتر می باشد.

توسعه و پیچیدگی بازارهای جدید از یک سو و محدودیت های اقتصادی از سوی دیگر، سبب شده اند تا توجه به دو اصل ارائه خدمات مطلوب و کاهش هزینه ها به ضرورتی اجتناب ناپذیر تبدیل شوند. نگرش تولید بهنگام، از جمله رویکردهای مناسب برای موازنه میان دو اصل یاد شده است. همچنین، طی دو دهه اخیر، به موضوع تعیین توالی و زمان بندی عملیات در سیستم های تولید انباشته ای به طور وسیعی توجه شده است. دستگاه پردازش انباشته ای، هم زمان یک انباشته را از کارها پردازش می کند و این امر سبب کاهش زمان تنظیم دستگاه و همچنین تسهیل در امر مدیریت جریان مواد می شود. هدف پژوهش حاضر، کمینه سازی مجموع وزنی تعجیل و تأخیر کارهایی با اندازه غیر یکسان بر ماشین پردازش انباشته، با لحاظ کردن موعد تحویل نزدیک به زمان شروع زمان بندی و در راستای تحقق تولید بهنگام است. در این تحقیق دو رویکرد برای انباشته سازی کارها، یکی مبتنی بر یک روش ابتکاری و دیگری مبتنی بر حل یک مدل ریاضی، بررسی شده است؛ سپس توالی انباشته ها به کمک یک الگوریتم برنامه ریزی پویا برای تحقق تولید بهنگام، تعیین شده است. همچنین یک الگوریتم ابتکاری و یک الگوریتم فراابتکاری بر مبنای الگوریتم ازدحام ذرات برای حل کامل مسئله ارائه شده است. نتایج محاسباتی حاکی از آن است که متوسط انحراف نسبی الگوریتم ازدحام ذرات پیشنهادی، کمتر از ۱درصد و مقدار این شاخص برای الگوریتم ابتکاری ارائه شده ۷۸/۱درصد است.

تلاش این مقاله در جهت حل یکی از مشکلات اصلی حوزه ی بانکداری می باشد که ارتباط تنگاتنگی با حوزه ی فناوری اطلاعات دارد. ترکیب بحث مدیریتی این موضوع با حیطه ی فناوری اطلاعات یکی از مباحث مهم حوزه ی مدیریت فناوری اطلاعات را رقم خواهد زد.هدف اساسی این مقاله، خوشه بندی مشتریان بانک است.در ابتدا، تمامی ویژگی های مشتریان از پایگاه داده ی بانک استخراج گردیده که استخراج برای 900 هزار مشتری و به طور تصادفی انجام گرفته است که به عنوان ورودی در اختیار روش پیشنهادی این مقاله قرار خواهد گرفت. تمامی ویژگی-های این مشتریان استخراج شد و با استفاده از نظرات کارشناسان 10 ویژگی (به جز چهار ویژگی روش LRFM) لیست گردید. روش پیشنهادی باید از بین این 10 ویژگی بتواند ویژگی هایی را برای خوشه بندی مشتریان انتخاب کند که تفکیک پذیری بیش تری را در خوشه بندی نتیجه دهد. با توجه به تعداد بالای حالات این مساله، امکان انجام دستی آن وجود ندارد و روش پیشنهادی سعی می کند با بررسی حالات مختلف، برای مشتریان هر بانک الگوی مجزایی را برای خوشه بندی ارایه دهد. همچنین، مشکل انتخاب مقدار مناسب برای تعداد خوشه ها در روش K-میانگین به وسیله ی روش پیشنهادی این مقاله برطرف می گردد. نتایج حاصل، نشان از بهبود آن نسبت به روشRFM و LRFM پایه دارد.کلمات کلیدی:مدیریت ارتباط با مشتریان بانک،خوشه بندی، مدل RFM،مدل LRFM، الگوریتم ازدحام ذرات، روش K-میانگین.