بهینه سازی

سنجش میزان اثربخشی اجرای هر طرح لازمه ی برآورد هزینه و سوددهی، به منظور ایجاد تغییرات لازم در جهت بیشینه شدن عایدی های آن می باشد. طرح ملی بهینه سازی موتورخانه های مشترکین مصرف گاز طبیعی با هدف ایجاد صرفه جویی و کاهش مصرف در کشور اجرا شده است. این طرح در شهر اراک توسط شرکت گاز استان مرکزی برای 68 مشترک با کاربری های مسکونی، ادرای و آموزشی انجام گرفت. در این پژوهش با استفاده از پروتکل بین المللی ارزیابی کارای انرژی با در نظر گرفتن اثرات تغییرات دما و همچنین همه گیری بیماری کرونا، به برآورد و مقایسه حجم مصرف گاز طبیعی این مشترکین در دو بازه قبل و بعد از انجام طرح و محاسبه میزان صرفه جویی و کاهش مصرف صورت گرفته با استفاده از معادلات محاسبه بار حرارتی ساختمان به عنوان پارامتر جایگزین، پرداخته شد. نتایج حاصل نشان داد برای درصد قابل ملاحظه ای از مشترکین کاهش مصرف و صرفه جویی رخ داده است. همچنین به ترتیب بیشترین میزان کاهش مصرف در مشترکین آموزشی، مسکونی و اداری بوده است.

بهینه سازی پرتفوی به عنوان یکی از چالش های کلیدی در مدیریت سرمایه، با هدف دستیابی به تعادل بهینه بین بازدهی و ریسک، همواره در کانون توجه پژوهش های مالی قرار دارد. اگرچه نظریه پرتفوی مدرن با معرفی چارچوب میانگین واریانس، بنیان های اولیه بهینه سازی را شکل داد، اما پیچیدگی های نوین بازارها، از جمله نوسانات پویا، ریسک های شدید، و وابستگی های غیرخطی، نیاز به روش های پیشرفته تری را آشکار ساخته است. این پژوهش با بهره گیری از مدل کاپولای پویا برای ارزیابی وابستگی های وابسته به زمان دارایی ها و ادغام معیارهای چندهدفه شامل بدترین حالت ارزش در معرض ریسک شرطی (WCVaR) و بازدهی تعدیل شده، دو چارچوب بهینه سازی مبتنی بر الگوریتم فراابتکاری ازدحام ذرات (PSO) و شبکه های مولد تخاصمی (GAN) را ارائه می دهد. هسته روش شناختی این مطالعه، مقایسه سیستماتیک توانایی های PSO و GAN در شناسایی پرتفوی های بهینه است. در حالی که PSO با مکانیزم جستجوی جمعی ذرات، فضای راه حل ها را با تمرکز بر بهبود همزمان نسبت شارپ و کاهش WCVaR کاوش می کند،GAN با استفاده از شبکه های مولد و تشخیصی، الگوهای پیچیده بازار را شبیه سازی کرده و پرتفوی هایی با سازگاری بالاتر با شرایط بحرانی طراحی می نماید. داده های تجربی این پژوهش، مبتنی بر اطلاعات تاریخی شرکت های پذیرفته شده در بورس اوراق بهادار تهران است که در محیط Python پردازش و تحلیل شده اند. یافته های کلیدی نشان می دهند که هر دو مدل PSO و GAN نسبت به روش های کلاسیک مانند مارکویتز و پرتفوی با وزن برابر، برتری چشمگیری دارند. با این حال، GAN با بهبود نسبت شارپ و حفظ مقدار WCVaR در حد مدل PSO عملکرد بهتری از خود نشان می دهد. این شکاف عملکردی ناشی از توانایی GAN در مدلسازی روابط غیرخطی و شناسایی دارایی های با همبستگی منفی در شرایط نوسانی بازار است.

 در دهه های اخیر، تجارت برق به یکی از اجزای کلیدی بازار جهانی انرژی تبدیل شده است. ایران با ظرفیت بالای تولید برق و موقعیت ژئوپلیتیکی مهم در خاورمیانه، پتانسیل تبدیل شدن به بازیگری محوری در شبکه تبادلات برق منطقه ای و فرامنطقه ای را دارد. این مقاله مدلی ریاضی برای بهینه سازی تبادلات برق ایران ارائه می دهد که موازنه میان صادرات مستقیم برق و صادرات غیرمستقیم از طریق کالاهای برق بر مانند فولاد و سیمان را تحلیل می کند. مدل ارائه شده با استفاده از داده های سال 2023 و در نرم افزار GAMS پیاده شده است. این مدل تقاضا و عرضه برق و تاثیر تبدیل برق به کالاهای جایگزین را در نظر گرفته و متغیرهای کلیدی مانند ظرفیت تولید، واردات و صادرات را به گونه ای مدلسازی کرده است که به سیاست گذاران در تصمیم گیری های استراتژیک کمک کند. نتایج نشان می دهد، افزایش منطقی ظرفیت تولید برق (۱۰ تا ۱۵ درصد) سودآوری و رقابت پذیری تجارت برق ایران را بهبود می بخشد، اما افزایش بیش از این حد ممکن است بازده سرمایه را کاهش دهد. فولاد به عنوان کالایی با پتانسیل بالای صادرات و سیمان به عنوان گزینه ای سودآور در کوتاه مدت شناسایی شده اند. همچنین تقویت چانه زنی سیاسی و تجاری به تنهایی نمی تواند سودآوری تجارت برق را افزایش دهد و نیاز به اصلاح ساختار عرضه و بهینه سازی ترکیب صادرات دارد.