مطالب مرتبط با کلیدواژه

الگوریتم ژنتیک


۲۰۱.

مدل انتخاب تأمین کننده، تخصیص سفارش و قیمت گذاری در مدیریت زنجیره تأمین چند کالایی تک دوره ای و چند تأمین کننده با رویکرد روش های سطح پاسخ و الگوریتم ژنتیک(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت صنعتی دوره ۱۲ بهار ۱۳۹۹ شماره ۱ 1 - 23

کلیدواژه‌ها: قیمت گذاری انتخاب تأمین کننده الگوریتم ژنتیک روش شناسی سطحی پاسخ

حوزه های تخصصی:
تعداد بازدید : ۴۴۵ تعداد دانلود : ۱۸۸
هدف: یکی از موضوع های مهمی که خرده فروشان با آن مواجه اند، مسئله انتخاب تأمین کننده به منظور سفارش کالا، تخصیص کالا به تأمین کنندگان و قیمت گذاری کالاهاست. هدف این مقاله، ارائه مدل انتخاب تأمین کننده، تخصیص سفارش و قیمت گذاری چندکالایی، همراه با تقاضای تصادفی و خرید از تأمین کننده با تخفیف کلی است. روش: روش مقاله، مدل سازی کمّی از طریق ارائه مدل ریاضی است. در این پژوهش یک مدل مختلط غیرخطی عدد صحیح تک هدفه طراحی شده است. تقاضای کالاها مبتنی بر قیمت، به صورت تصادفی جمعی است. برای تخمین تابع درآمد، از تکنیک روش شناسی سطح پاسخ، برای حل مدل، از الگوریتم ژنتیک متناسب سازی و برای تنظیم پارامتر الگوریتم ژنتیک، از روش تاگوچی استفاده شده است. به منظور صحت بخشیدن به روش پیشنهادی، 9 مسئله با مقادیر مختلف کالا و سطوح مختلف واریانس های متغیر تصادفی تقاضا حل شد و مقایسه ای میان نتایج آن در مسائل با ابعاد کوچک با نتایج در حل مدل در نرم افزار لینگو به عمل آمد تا عملکرد الگوریتم بررسی شود. یافته ها: در مقایسه میان نتایج الگوریتم ژنتیک و حل مدل در نرم افزار لینگو، اختلاف کمی مشاهده شد. همچنین با حل مدل برای مثال های مدنظر با استفاده از روش پیشنهادی، مشخص شد که با افزایش واریانس متغیر تصادفی تقاضا، میزان سود نیز کاهش می یابد. نتیجه گیری: در نظر گرفتن هم زمان مسئله انتخاب تأمین کننده، تخصیص سفارش و قیمت گذاری، به خرده فروشان برای بهبود تصمیم گیری کمک می کند. همچنین تقاضای مبتنی بر قیمت و شرایط مختلف تخفیف، مفروض هایی هستند که به کاربردی تر شدن مدل منجر می شوند. پس از حل مدل برای مسائل مختلف، مشخص شد که با افزایش عدم قطعیت در تقاضا، میزان سود کاهش می یابد. الگوریتم ژنتیک نیز برای مدل مختلط غیرعددی صحیح انتخاب تأمین کننده، تخصیص سفارش و قیمت گذاری، کارایی مناسبی دارد.
۲۰۲.

قیمت گذاری کاهشی محصولات فسادپذیر در شرایط وابستگی تقاضا به قیمت و موجودی در معرض نمایش(مقاله پژوهشی دانشگاه آزاد)

نویسنده:
منبع: مدیریت صنعتی (آزاد سنندج) سال شانزدهم تابستان ۱۴۰۰ شماره ۵۶ 1 - 16

کلیدواژه‌ها: اقلام فسادپذیر الگوریتم تبرید شبیه سازی شده الگوریتم ژنتیک قیمت گذاری پویا

حوزه های تخصصی:
تعداد بازدید : ۴۴۹ تعداد دانلود : ۳۳۰
در این مقاله برای دستیابی به حداکثر سود حاصل از فروش محصولات فسادپذیر سیاست کاهش قیمت یا تخفیف به کار گرفته شده است. به دلیل اینکه محصولات فسادپذیر پس از یک بازه زمانی دچار افت کیفیت شده و فساد در آنها شکل می گیرد ، بنابراین نزد مشتری از جذابیت لازم برخوردار نیستند و تقاضا برای خرید این محصولات کاهش می یابد، با سیاست کاهش قیمت می توان تقاضا را افزایش داد همچنین با بالارفتن میزان فروش، ضایعات نیز کاهش خواهد یافت و کاهش هزینه خواهیم داشت ؛بنابراین سود کل افزایش خواهد یافت. حال مسأله اینست که اگر تخفیف در زمان مناسب و مقدار بهینه ارائه نشود به هدف رسیدن به حداکثر سود نخواهیم رسید. لذا، در این مقاله به دنبال تعیین زمان بهینه تخفیف و مقدار بهینه تخفیف هستیم با هدف ماکزیمم کردن سود کل بنگاه مفروضات این مقاله تابع تقاضا وابسته به دو عامل قیمت فروش و موجودی در معرض نمایش، سطح موجودی نهایی غیر صفر و نرخ فساد ثابت می باشد. پس از حل مدل از رویکرد دقیق و مثال عددی، مثال با استفاده از الگوریتم ژنتیک، الگوریتم تبرید شبیه سازی شده حل شده و نتایج مقایسه شد و سپس تحلیل حساسیت پارامترهای اصلی سیستم انجام گردید.
۲۰۳.

فرآیند قیمت گذاری محصول در خوشه های صنعتی با استفاده از الگوریتم ژنتیک(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات مدیریت صنعتی سال ۱۹ پاییز ۱۴۰۰ شماره ۶۲ 1-22

کلیدواژه‌ها: خوشه صنعتی قیمت گذاری تعرفه ای بازی استکلبرگ الگوریتم ژنتیک روش تاگوچی

حوزه های تخصصی:
تعداد بازدید : ۴۵۵ تعداد دانلود : ۴۹۷
بیش از یک دهه است که توسعه صنعتی مبتنی بر ساختار خوشه های صنعتی، به عنوان یک استراتژی نوین مورد برنامه ریزی و سیاستگذاری کشورهای صنعتی در حال توسعه قرار گرفته است. با توجه به اهمیت نقش خوشه های صنعتی در برنامه های توسعه اقتصادی، ارائه راهکارهایی به منظور بهبود، پیشرفت و توسعه خوشه ها همواره مسئله مورد توجه محققان و متخصصان این موضوع بوده است. هدف از پژوهش حاضر نیز ارائه راهکاری برای فرآیند قیمت گذاری محصول در این پدیده صنعتی-اقتصادی می باشد به گونه ای که ساختار مدل پیشنهادی بر پایه سازوکارها و فعالیت های اجزای تشکیل دهنده ی خوشه های صنعتی تعریف گردیده است.فرآیند قیمت گذاری پیشنهادی بر اساس مفهوم بازی استکلبرگ و استراتژی قیمت گذاری تعرفه ای ارائه گردیده و به منظور حل مدل در سطوح تولیدی خوشه، از الگوریتم فراابتکاری ژنتیک استفاده شده است. در پایان، عملکرد و کارایی مدل ارائه شده در قالب یک مثال عددی مورد بررسی قرار گرفته و با استفاده از روش تنظیم پارامتر تاگوچی مقادیر بهینه متغیرهای مدل ارائه گردیده است. بر اساس نتایج حاصل از حل مدل پیشنهادی، قیمت بهینه عمده فروشی محصولات خوشه تعیین گردیده و هر بنگاه بر اساس مقدار بهینه تقاضای خود تعرفه مناسب خوشه را انتخاب می نماید.
۲۰۴.

پیش بینی روند حرکتی قیمت سهام با استفاده از ماشین بردار پشتیبان برپایه الگوریتم ژنتیک در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات مالی دوره ۱۵ پاییز و زمستان ۱۳۹۲ شماره ۲ 269 - 288

کلیدواژه‌ها: الگوریتم ژنتیک پیش بینی تحلیل تکنیکی قیمت سهام ماشین بردار پشتیبان

حوزه های تخصصی:
تعداد بازدید : ۲۲۰ تعداد دانلود : ۱۱۴
با توجه به گسترش روز افزون روش های پیش بینی در بازارهای مالی و نیز، از آنجا که قیمت سهام یکی از مهم ترین عوامل مؤثر در تصمیمات سرمایه گذاری است و پیش بینی آن می تواند نقش با اهمیتی در این زمینه ایفا کند، در این پژوهش سعی شده است، مدلی ارائه شود تا بر اساس آن بتوان روند حرکتی قیمت سهام شرکت مورد نظر را با دقت بالایی پیش بینی کرد. بر همین اساس، یک مدل ترکیبی برای پیش بینی روند حرکتی قیمت سهام با استفاده از ماشین بردار پشتیبان بر پایه الگوریتم ژنتیک ارائه شده است. برای نمونه آماری، سی شرکت از پنجاه شرکت برتر بورس اوراق بهادار در سه ماهه دوم سال 90 انتخاب شده است. سپس برای هر سی شرکت، 44 متغیر محاسبه شد. این متغیرها ورودی مدل ترکیبی هستند و به کمک الگوریتم ژنتیک بهینه سازی شده اند. نتایج نشان می دهد، مدل ترکیبی ماشین بردار پشتیبان بر پایه الگوریتم ژنتیک در پیش بینی روند حرکتی قیمت سهام بسیار بهتر عمل می کند و درمقایسه با روش ماشین بردار پشتیبان ساده، از دقت بیشتری برخوردار است.
۲۰۵.

کاربرد روش ترکیبی ماشین بردار پشتیبان و انتخاب ویژگی به منظور پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات مالی دوره ۱۹ بهار ۱۳۹۶ شماره ۱ 139 - 156

کلیدواژه‌ها: الگوریتم ژنتیک پوشش دهنده درماندگی مالی فیلترکننده ماشین بردار پشتیبان

حوزه های تخصصی:
تعداد بازدید : ۳۰۶ تعداد دانلود : ۱۰۹
پیش بینی درماندگی مالی از مسائل مهمی است که همواره پژوهشگران، مؤسسه های اعتباری و بانک ها به آن توجه کرده اند. تاکنون تحقیقات بسیاری در این زمینه صورت گرفته است، ولی استفاده از مدل های ترکیب شده انتخاب ویژگی و مدل طبقه بندی کننده، از مسائلی است که فقط در سال های اخیر توجه پژوهشگران را به خود جلب کرده است. در این مقاله ماشین بردار پشتیبان با چهار تابع کرنل خطی، چند جمله ای، شعاعی و سیگمویید به عنوال مدل طبقه بندی کننده و ترکیب آن با روش های انتخاب ویژگی فیلترکننده و پوشش دهنده استفاده شده است. همچنین از الگوریتم ژنتیک که یکی از انواع روش های پوشش دهنده انتخاب ویژگی است و روش های آنالیز اجزای اساسی، زنجیره اطلاعات و رلیف که جزء روش های فیلترکننده انتخاب ویژگی هستند، استفاده شده است. نتایج به دست آمده نشان داد که روش الگوریتم ژنتیک نسبت به روش های فیلترکننده، عملکرد بهتری دارد. همچنین دقت ماشین بردار پشتیبان با توابع کرنل خطی، چند جمله ای، شعاعی و سیگمویید در ترکیب با الگوریتم ژنتیک، با سطح اطمینان 95 درصد تفاوت معناداری با هم ندارند.
۲۰۶.

بهینه سازی پرتفوی ردیابی شاخص بر اساس بتای نامطلوب مبتنی بر الگوریتم های تکاملی(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات مالی دوره ۱۹ تابستان ۱۳۹۶ شماره ۲ 319 - 340

کلیدواژه‌ها: الگوریتم های تکاملی الگوریتم تکامل دیفرانسیلی الگوریتم ژنتیک بتای نامطلوب ردیابی شاخص

حوزه های تخصصی:
تعداد بازدید : ۲۴۹ تعداد دانلود : ۱۶۱
بهینه سازی سبد سهام همواره یکی از با اهمیت ترین مسائل در علوم مالی است. استراتژی های مختلفی برای مدیریت پرتفوی سبد سهام استفاده شده اند که به طور عمده می توان آنها را بر دو نوع فعال و غیرفعال دسته بندی کرد. یکی از مهم ترین رویکردهای مدیریت غیرفعال پرتفوی، تشکیل پرتفوی ردیاب شاخص است. به منظور تشکیل پرتفوی ردیاب شاخص از مدل ها و الگوریتم های مختلفی استفاده می شود. پژوهش پیش رو به منظور بررسی عملکرد پرتفوی ردیاب شاخص با رویکرد نامتقارن و وارد کردن بتای نامطلوب در مدل ردیاب شاخص برای بهبود عملکرد آن است. به این منظور، ضمن به کارگیری سه مدل برای ردیابی شاخص، از دو الگوریتم تکاملی ژنتیک و تکامل دیفرانسیلی برای حل مدل مد نظر بهره برده شد. به منظور بررسی کارایی مدل نیز، از داده های بورس اوراق بهادار تهران استفاده شده است. نتایج در انتها نشان داد مدلی که بر مبنای بتای نامطلوب ارائه شده و توسط الگوریتم تکامل دیفرانسیلی حل شده است، کارایی بیشتری دارد.
۲۰۷.

ارائه مدل ترکیبی برآورد بازده مورد انتظار با استفاده از الگوریتم ژنتیک(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات مالی دوره ۲۱ بهار ۱۳۹۸ شماره ۱ 101 - 120

کلیدواژه‌ها: الگوریتم ژنتیک رگرسیون آستانه ای رگرسیون کرنل موضعی مدل ترکیبی مدل قیمت گذاری دارایی سرمایه ای استاندارد

حوزه های تخصصی:
تعداد بازدید : ۱۶۵ تعداد دانلود : ۱۲۹
هدف: از مدل های پرکاربرد در برآورد نرخ بازده مورد انتظار، مدل قیمت گذاری دارایی سرمایه ای است. در مدل قیمت گذاری دارایی سرمایه ای استاندارد، ضریب بتا ثابت و رابطه بین بازده سهام و بازده بازار خطی فرض می شود، در حالی که در بازارهای مالی این امکان وجود دارد که با تغییر هزینه منفعت سرمایه گذاران در خصوص بازده و ریسک، ضریب بتا نسبت به زمان متغیر شده و همچنین در محیط غیرخطی، تخمین ضریب بتا به صورت خطی ناسازگار و  با اریب همراه شود. بنابراین استفاده از مدل های دیگر در برآورد بازده موردانتظار ضروری به نظر می رسد. روش : در این پژوهش علاوه بر مدل قیمت گذاری دارایی سرمایه ای استاندارد، از مدل های رگرسیون آستانه ای و رگرسیون کرنل به منظور برآورد مدل قیمت گذاری دارایی سرمایه ای استفاده شده است. با توجه به اینکه اساس هر یک از مدل های یادشده را مفروضات متفاوتی شکل می دهد، در این پژوهش تلاش شده است که با استفاده از الگوریتم ژنتیک و در بازه زمانی 1387 تا 1396 به ارائه مدل ترکیبی به منظور برآورد بازده مورد انتظار پرداخته شود. یافته ها : بازده مورد انتظار از طریق مدل های قیمت گذاری دارایی سرمایه ای استاندارد، آستانه ای، رگرسیون کرنل موضعی و ترکیب هر سه مدل مذکور، برآورد شده و نتایج آن با بازده تحقق یافته مقایسه شدند. از شاخص میانگین مجذور خطا برای سنجش قدرت پیش بینی مدل های تحقیق استفاده شده است. همچنین، به کمک آزمون مقایسه زوجی روی شاخص میانگین مجذور خطا مدل های تحقیق با یکدیگر مقایسه شده اند. نتیجه گیری : نتایج نشان می دهد که در نظر گرفتن مدل ترکیبی موجب شده است قدرت پیش بینی بازده تحقق یافته در مقایسه با سایر مدل های تحقیق افزایش یابد.  
۲۰۸.

طراحی مدلی برای مدیریت فعال پرتفوی با استفاده از VaR و الگوریتم ژنتیک(مقاله علمی وزارت علوم)

نویسنده:
منبع: بررسی های حسابداری و حسابرسی سال ۱۸ تابستان ۱۳۹۰ شماره ۶۴ 19 - 34

کلیدواژه‌ها: ارزش در معرض ریسک الگوریتم ژنتیک بهینه سازی پرتفوی مدیریت فعال پرتفوی

حوزه های تخصصی:
تعداد بازدید : ۲۵۲ تعداد دانلود : ۱۰۷
استراتژی فعال در مدیریت سرمایه گذاری یکی از رویکردهای مشهور در بازار سرمایه است. یکی از مشکلات این استراتژی، عدم توجه به ریسک کل پرتفوی است. در این پژوهش به منظور ارایه راه حلی برای رفع این مشکل، اثر اضافه نمودن محدودیت جدید VaR به مدل مدیریت فعال بررسی شده است. با توجه به پیچیده بودن چنین مدلی، از الگوریتم ژنتیک برای بهینه سازی استفاده شده است. برای ارزیابی و مقایسه عملکرد مدل ها، از دو معیار شارپ و نسبت بازده به VaR استفاده شده است. نتایج این پژوهش نشان داد، مدل جدید در مقایسه با مدل مدیریت فعال بدون محدودیت در VaR، به طور معناداری از عملکرد بهتری برخوردار است.
۲۰۹.

کاربرد الگوریتم ژنتیک در پیش بینی ورشکستگی و مقایسه آن با مدل Z آلتمن در شرکت های پذیرفته شده در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)

نویسنده:
منبع: بررسی های حسابداری و حسابرسی سال ۱۸ پاییز ۱۳۹۰ شماره ۶۵ 99 - 114

کلیدواژه‌ها: الگوریتم ژنتیک پیش بینی ورشکستگی مدل Z آلتمن ورشکستگی

حوزه های تخصصی:
تعداد بازدید : ۲۴۹ تعداد دانلود : ۱۵۸
پیش بینی ورشکستگی یکی از موضوع های اصلی طبقه بندی ورشکستگی شرکت ها است. سرمایه گذاران، مالکان، مدیران، اعتباردهندگان و مؤسسات دولتی علاقه مند به ارزیابی وضعیت مالی شرکت هستند؛ زیرا درصورت ورشکستگی هزینه های زیادی به آن ها تحمیل می شود. امروزه مدل های مختلفی برای پیش بینی ورشکستگی مورد استفاده قرار می گیرد. این پژوهش درصدد پیش بینی ورشکستگی شرکت-های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از مدل های Z آلتمن و الگوریتم ژنتیک است. نمونه تحت بررسی شامل 36 شرکت ورشکسته و 36 شرکت غیر ورشکسته طی دوره مالی 5 ساله 84-88 است. متغیرهای نهایی مورد استفاده در مدل الگوریتم ژنتیک و مدل Z آلتمن 5 متغیر است که شامل نسبت های مالی است. درنهایت نتایج این 2 مدل با هم مقایسه شده است. مدل الگوریتم ژنتیک توانست به طور میانگین در یک سال و دو سال قبل از سال مبنا به ترتیب دقتی معادل 90 و 5/91 درصد داشته باشد و مدل Z آلتمن دقتی معادل 83.32 و83.32 درصد دارد با توجه به نتایج مدل الگوریتم ژنتیک دقت بیشتری در پیش بینی ورشکستگی دارد؛ درنتیجه ابزار مناسب تری برای پیش بینی محسوب می شود.
۲۱۰.

مدل ریاضی انتخاب تأمین کننده و تخصیص سفارش در زنجیره تأمین با لحاظ عدم اطمینان در متغیرهای طراحی(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت صنعتی دوره ۶ بهار ۱۳۹۳ شماره ۱ 151 - 180

کلیدواژه‌ها: الگوریتم ژنتیک انتخاب تأمین کننده در زنجیره زنجیره تأمین برنامه ریزی ریاضی مختلط

حوزه های تخصصی:
تعداد بازدید : ۲۳۸ تعداد دانلود : ۱۶۰
هزینه مواد خام حدود 60درصد از بهای تمام شده (در برخی صنایع تا 80درصد) را دربرمی گیرد. در چنین شرایطی، منبع یابی مناسب، می تواند نقش مهمی در کارایی و اثربخشی سازمان ایفا کند و تأثیر مستقیمی در کاهش هزینه ها، افزایش سودآوری و انعطاف پذیری شرکت داشته باشد. در این مقاله، تعیین کمیت مطلوب سفارش با وجود چند تأمین کننده، چند محصول، طی چند دوره، در حالت مجازبودن مازاد و کمبود، با لحاظ ماهیت چندمعیاره و چندهدفی مسئله، و وجود تخفیف افزایشی، با لحاظ عدم اطمینان در متغیرهای طراحی، مد نظر قرار گرفته است. به منظور لحاظ معیارهای مؤثر بر انتخاب تأمین کننده از فرایند تحلیل شبکه و به منظور لحاظ وابستگی داخلی میان معیارها از دیمتل استفاده شده است. به منظور لحاظ عدم اطمینان در فرایند ارزیابی و انتخاب تأمین کننده، عدم اطمینان در متغیر طراحی، بدون مدنظر قراردادن عدم اطمینان در پارامترها، لحاظ و مدل با استفاده از الگوریتم ژنتیک حل شد. در مدل مذکور، مسئله نسبت به تغییر در متغیرهای طراحی مقاوم شده، به نحوی که با تغییر در فضای مسئله، تغییر در تابع هدف اندک است که به کاهش نوسانات منجر خواهد شد.
۲۱۱.

زمان بندی مقاوم و پایدار برای محیط کار کارگاهی منعطف با شکست تصادفی ماشین(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت صنعتی دوره ۶ پاییز ۱۳۹۳ شماره ۳ 511 - 534

کلیدواژه‌ها: الگوریتم تکامل تفاضلی الگوریتم ژنتیک زمان بندی مقاوم و پایدار شکست ماشین کار کارگاهی منعطف

حوزه های تخصصی:
تعداد بازدید : ۲۴۴ تعداد دانلود : ۹۲
پژوهش پیش رو، رویکردی را به منظور ایجاد زمان بندی مقاوم و پایدار برای محیط کار کارگاهی منعطف، زمانی که شکست تصادفی ماشین وجود دارد، پیشنهاد می کند. به منظور بررسی وضعیت شکست ماشین از شبیه سازی استفاده شد که برای دستیابی به زمان بندی مقاوم و پایدار به کمک الگوریتم های فراابتکاری پکپارچه شده است. الگوریتم پیشنهادی دو مرحله را دربرمی گیرد. در مرحله اول، از آنجاکه زمان تکمیل برنامه اولین هدف هر برنامه زمان بندی است، این شاخص بهبود می یابد و سپس در مرحله دوم سه شاخص زمان تکمیل برنامه، مقاومت و پایداری به صورت خطی ترکیب شده و تابع هدف را تشکیل خواهد داد. در مدل پیشنهادی، برنامه ریز می تواند میزان اهمیت هریک از شاخص ها را در تابع ترکیب خطی مشخص کند و مسیر بهبود الگوریتم را در جهت شاخص های مد نظر تغییر دهد. نتایج محاسباتی نشان می دهد که دستیابی به زمان بندی مقاوم و پایدار بدون افت در شاخص زمان تکمیل برنامه امکان پذیر است. در نهایت از آزمون فرضیه آماری به منظور مقایسه عملکرد دو الگوریتم فراابتکاری استفاده شده است.
۲۱۲.

به کارگیری الگوریتم ژنتیک برای برنامه ریزی تأمین، تولید و توزیع یکپارچه سیستم های مونتاژ(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت صنعتی دوره ۸ تابستان ۱۳۹۵ شماره ۲ 163 - 190

کلیدواژه‌ها: الگوریتم ژنتیک برنامه ریزی عدد صحیح محض مدل سازی ریاضی مدیریت زنجیره تأمین مدیریت موجودی

حوزه های تخصصی:
تعداد بازدید : ۲۹۴ تعداد دانلود : ۹۸
با وجود این حقیقت که در بیشتر پژوهش ها، تنها بخشی از زنجیره تأمین مطالعه شده است؛ در این مطالعه تلاش می شود به بررسی برنامه ریزی ای برای تأمین، تولید و توزیع یکپارچه پرداخته شود. بنابراین پژوهش پیش رو، نوعی مدل ریاضی را به منظور مدیریت موجودی برای سطوح زنجیره تأمین توسعه داده است؛ به گونه ای که سیاست سفارش دهی مناسب را برای سطوح تأمین، تولید و توزیع زنجیره مشخص کند و همچنین هزینه های مرتبط با آن را به کمترین حد برساند. مسئله این مطالعه به عنوان برنامه ریزی عدد صحیح محض فرموله می شود و برای حل آن روش الگوریتم ابتکاری ژنتیک به کار می رود؛ سپس مدل ساخته شده در نمونه واقعی استفاده می شود. نتایج تجربی به دست آمده نشان می دهد به کارگیری این مدل می تواند هزینه های موجودی شرکت نمونه را تا حد 4694/8 درصد کاهش دهد
۲۱۳.

مسئله مکان یابی- مسیریابی هاب زمینی در محدوده نامتراکم و وسیع(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت صنعتی دوره ۹ بهار ۱۳۹۶ شماره ۱ 59 - 78

کلیدواژه‌ها: الگوریتم ژنتیک الگوریتم شبیه سازی تبرید مد ل سازی ریاضی مسئله مسیریابی وسایل نقلیه مکان یابی هاب

حوزه های تخصصی:
تعداد بازدید : ۳۷۴ تعداد دانلود : ۱۲۵
به منظور کنترل هزینه ها در یک شبکه حمل و نقل زمینی که میزان کالای انتقالی بین شهرها از میزان ظرفیت یک کامیون کمتر است، باید علاوه بر تعیین محل صحیح هاب ها، بار چند شهر با یکدیگر تجمیع شود و پس از تعیین مسیر حرکت کالاها، به هاب مناسب اختصاص یابد. در این مقاله، حالت خاصی از مسئله مکان یابی مسیریابی هاب زمینی مطرح می شود که مناسب با وضعیت ایران است؛ به طوری که شهرها در محدوده نامتراکم و وسیع واقع شده اند. یک مدل برنامه ریزی ریاضی عدد صحیح مختلط به منظور نگاشت مسئله ارائه شده است. با توجه به پیچیدگی محاسباتی حل بهینه مدل، روش حل دو مرحله ای، تلفیقی از الگوریتم های ژنتیک و شبیه سازی تبرید طراحی شده است. نتایج مقایسات عددی روش حل پیشنهاد شده با یک روش بهینه یاب، نشان از دقت و سرعت روش حل ارائه شده دارد. در نهایت یک مورد واقعی از ایران با 31 مرکز استان حل شده تا عملکرد مناسب روش حل پیشنهاد شده در این پژوهش نشان داده شود.
۲۱۴.

ارزیابی مقایسه ای عملکرد توابع شایستگی الگوریتم ژنتیک در رتبه بندی مشتریان(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت صنعتی دوره ۹ تابستان ۱۳۹۶ شماره ۲ 245 - 264

کلیدواژه‌ها: الگوریتم ژنتیک تابع شایستگی تحلیل پوششی داده ها رتبه بندی اعتباری رگرسیون لجستیک روش های ارزشیابی مدیریت ریسک

حوزه های تخصصی:
تعداد بازدید : ۳۱۴ تعداد دانلود : ۱۳۷
با توجه به اهمیت بحث اعتبارسنجی مشتریان در تصمیم گیری مؤسسه های اعتباری برای اعطای تسهیلات، تحقیقات گسترده ای در خصوص روش های رتبه بندی اعتباری انجام شده است. الگوریتم های ژنتیک به عنوان یکی از روش های محاسبه تکاملی، از جمله روش هایی است که در این زمینه استفاده می شود. مقالات بسیاری در مقایسه عملکرد الگوریتم های ژنتیک و سایر روش های رتبه بندی رایج منتشر شده است، اما جزئیات چندانی درباره تابع شایستگی مورد استفاده در الگوریتم ژنتیک ارائه نشده، در حالیکه تابع شایستگی تأثیر شایان توجهی بر عملکرد مدل کلّی دارد. برای بررسی بیشتر موضوع، در مقاله حاضر سه تابع شایستگی قابل استفاده در الگوریتم ژنتیک مطرح شده و عملکرد آنها با سایر روش های رتبه بندی اعتباری شامل رگرسیون لجستیک و تحلیل پوششی داده ها مقایسه شده است. نتایج به دست آمده حاکی از برتری عملکرد تابع درجه دو الگوریتم ژنتیک از لحاظ مجموع شاخص های صحت، تشخیص و حساسیت است.
۲۱۵.

رتبه بندی شرکت های صنعت هواپیمایی ایران با ارزیابی فازی ترکیبی و الگوریتم ژنتیک(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت صنعتی دوره ۹ پاییز ۱۳۹۶ شماره ۳ 409 - 434

کلیدواژه‌ها: ارزیابی فازی ترکیبی الگوریتم ژنتیک رضایتمندی کیفیت خدمات مجموعه گسترده مسافران

حوزه های تخصصی:
تعداد بازدید : ۱۴۵ تعداد دانلود : ۸۴
مسافران دیدگاه های متفاوتی نسبت به اهمیت معیارهای کیفیت خدمات دارند. وزن معیارهای کیفیت خدمات نشان دهنده اهمیت آنهاست. در اغلب پژوهش ها میزان اهمیت معیار ها وابسته به نظر خبره است و دیدگاه مسافران در نظر گرفته نمی شود. هدف پژوهش حاضر، ارائه روش پیشرفته ای برای رتبه بندی شرکت های صنعت هواپیمایی ایران از دیدگاه مسافران است. برای دستیابی به این منظور در مرحله اول، فاصله اقلیدوسی بین رضایت از تک تک معیارها و رضایت کلی با استفاده از ارزیابی فازی ترکیبی و الگوریتم ژنتیک محاسبه شد و وزن معیارها به دست آمد. در مرحله دوم با استفاده از ارزیابی فازی ترکیبی، شرکت های صنعت هواپیمایی ایران رتبه بندی شدند. نمونه آماری این پژوهش متشکل از مسافران چند شرکت هواپیمایی به نام های آسمان، ماهان، تابان، زاگرس و هما است. نتایج نشان می دهد میزان اهمیت معیارها در گروه های مختلف مسافران با هم متفاوت است و در نتیجه رتبه بندی شرکت های صنعت هواپیمایی از دیدگاه مسافران متفاوت است.
۲۱۶.

شناسایی شاخص های سلامت تجهیزات، مؤثر بر کیفیت یک محصول پیوسته (مطالعه موردی: فرایند تولید برق واحد دو نیروگاه گازی پرند)(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت صنعتی دوره ۱۰ پاییز ۱۳۹۷ شماره ۳ 455 - 480

کلیدواژه‌ها: الگوریتم ژنتیک پایش وضعیت شاخص سلامتی شناسایی مشخصه کیفیتی

حوزه های تخصصی:
تعداد بازدید : ۲۴۵ تعداد دانلود : ۱۲۹
هدف: تولیدکنندگان برتر، کیفیت را معیاری اصلی در تصمیم گیری می دانند. در این بین مشخصه های کیفیتی تحت تأثیر تصمیم های نگهداری و تعمیرات قرار می گیرند. به بیان دیگر یکی از راه های کنترل کیفیت محصول بررسی شاخص های خروجی تجهیزات است. به همین دلیل در این مقاله مدلی برای تحلیل شاخص های اصلی دریافتی از تجهیزات تولیدی برای شناسایی شاخص های مؤثر تر بر کیفیت یک محصول پیوسته توسعه می یابد. روش: تنوع پارامترهای مؤثر بر کیفیت و تأخیر زمانی تا بروز تأثیرات در کیفیت، دو جنبه عمده مسئله هستند. در این مقاله روشی مبتنی بر الگوریتم ژنتیک همراه با تابع برازندگی شامل معیارهای دقت تخمین، سرعت همگرایی و تعداد شاخص ها برای شناسایی ترکیب بهینه شاخص ها توسعه یافته است و از شبکه های عصبی مصنوعی برای ارزیابی میزان برازندگی پاسخ ها استفاده می شود. یافته ها: مدل نهایی، در رابطه با واحد دو نیروگاه گازی پرند ارزیابی و استفاده شد. استفاده از این مدل موجب شد، مجموعه بهینه معیارهای مؤثر بر مشخصه کیفیت در نیروگاه مشخص شود. در این مورد مطالعاتی و بر اساس داده های در اختیار، نتایج نشان می دهد تجهیزات انتهایی فرایند تولید، تأثیر معنادارتری بر مشخصه کیفیتی دارند. نتیجه گیری: مدل توسعه یافته می تواند در قدم های معین و با در دست بودن داده های حاصل از فرایند پایش وضعیت تجهیزاتِ فرایند تولید شود. همچنین اطلاعات وضعیت مشخصه کیفیتی، برای یک محصول پیوسته تعیین کند کدام یک از شاخص های سلامت تجهیزات فرایند تولید، تأثیر بیشتری بر کیفیت خروجی دارند و لازم است در تصمیم گیری های نگهداری و تعمیرات، به آن بیشتر توجه شود.    
۲۱۷.

ارائه ترکیبی از برنامه ریزی پویای تصادفی تقریبی و الگوریتم ژنتیک در بهینه سازی چندمرحله ای سبد سهام با معیار ریسک GlueVaR(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت صنعتی دوره ۱۱ پاییز ۱۳۹۸ شماره ۳ 517 - 542

کلیدواژه‌ها: بهینه سازی سبد سهام برنامه ریزی پویای تصادفی معیار ریسک GlueVaR الگوریتم ژنتیک سناریوسازی

حوزه های تخصصی:
تعداد بازدید : ۳۷۵ تعداد دانلود : ۱۳۵
هدف: انتخاب یک سبد سرمایه گذاری بهینه در طولانی مدت منطقی نیست و با گذشت زمان کارایی خود را از دست می دهد. هدف این مقاله ارائه روشی برای به روز کردن چندمرحله ای سبد سهام است. همچنین از آنجا که بعد این مسئله با گذشت دوره های زمانی، به صورت چشمگیری افزایش می یابد، حل مسئله به روش قطعی ممکن نیست، از این رو هدف دیگر، استفاده از روش تقریبی برای مقابله با این دغدغه است. روش: از برنامه ریزی پویای تصادفی تقریبی چندمرحله ای برای تعیین سبد بهینه سهام و رفع مشکل ناکارایی آن با گذشت زمان استفاده شده است. از نرخ های بازده به عنوان متغیر تصادفی طی دوره ها، از روش مونت کارلو برای سناریوسازی و از معیار ریسک GlueVaR به عنوان معیار اندازه گیری ریسک استفاده شده است. با استفاده از روش تقریبی، امکان حذف برخی از جواب های بهینه افزایش می یابد، از این رو، از الگوریتم ژنتیک برای جست وجو در اطراف پاسخ بهینه بهره برده شد تا در صورت امکان، جواب بهتری به دست آید. مدل سازی این پژوهش توسط نرم افزار متلب و آزمون های آن به کمک نرم افزار SPSS صورت پذیرفته است. یافته ها: در این مقاله از اطلاعات 100 شرکت برتر موجود در بورس اوراق بهادار تهران، در سال های 1390 تا 1396 استفاده شد و بر اساس روش برنامه ریزی پویای تقریبی پیشنهادی، الگوریتم ژنتیک و روش سبد سهام با وزن های برابر، به مقایسه بازدهی و ریسک سرمایه گذاری در سبدهای مختلف پرداخته شده است. نتیجه گیری: آزمون های آماری مربوطه نشان دهنده عملکرد بهتر روش پیشنهادی در مقایسه با دو روش دیگر است.
۲۱۸.

ارائه روش طبقه بندی جدید با استفاده از رویکرد ترکیبی یادگیری ماشین و تصمیم گیری چندمعیاره(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت صنعتی دوره ۱۱ زمستان ۱۳۹۸ شماره ۴ 675 - 692

کلیدواژه‌ها: فرایند تحلیل شبکه ای طبقه بندی یادگیری ماشین الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۳۷۶ تعداد دانلود : ۱۹۱
هدف: از آنجا که در مسائل طبقه بندی به تحلیل انواع وابستگی ها و روابط بازخوردی میان معیارهای یک مسئله کمتر پرداخته شده است و با توجه به قابلیت فرایند تحلیل شبکه ای (ANP) در مدل سازی روابط متقابل بین معیارها، هدف این پژوهش ارائه روشی مبتنی بر ANP برای مسائل طبقه بندی است. محدودیت اساسی ANP، افزایش ناسازگاری قضاوت تصمیم گیرندگان همراه با افزایش ابعاد مسئله است، از این رو به منظور بهینه سازی پارامترهای مسئله و افزایش صحت طبقه بندی، از الگوریتم ژنتیک استفاده خواهد شد. روش: پژوهش حاضر از نظر هدف، توسعه ای و از نظر روش تحلیل داده ها کمّی و از نوع مدل سازی ریاضی است. در این پژوهش، ابتدا مسئله طبقه بندی داده ها با در نظر داشتن روابط متقابل معیارها در قالب روش تصمیم گیری چندمعیاره ANP تبیین شد. در ادامه، مقدار پارامترهای مسئله، شامل وزن معیارها و آستانه های هر کلاس به کمک الگوریتم ژنتیک از سوپرماتریس برآورد شد و در نهایت، برای ارزیابی روش پیشنهادی و عملکرد آن، نتیجه با روش های پرکاربرد طبقه بندی مقایسه شد. یافته ها: نتایج پژوهش های مقایسه ای روی دیتاست های اعتباری با ابعاد مختلف، قابلیت رقابتی بسیار خوب روش پیشنهادی را در مقایسه با روش های شناخته شده یادگیری ماشینی نشان داد. نتیجه گیری: روش های تصمیم گیری چندمعیاره، اغلب برای رتبه بندی استفاده شده اند، این در حالی است که به قابلیت بسیار خوب این روش ها در طبقه بندی داده ها کمتر توجه شده است. فرایند تحلیل شبکه ای در ترکیب با الگوریتم ژنتیک، روشی کارا و مناسب در حوزه طبقه بندی داده ها را به نمایش می گذارد.
۲۱۹.

مدل رتبه بندی اعتباری هیبریدی با استفاده از الگوریتم های ژنتیک و سیستم های خبره فازی (مطالعه موردی: مؤسسه مالی و اعتباری قوامین)(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت فناوری اطلاعات دوره ۶ بهار ۱۳۹۳ شماره ۱ 31 - 46

کلیدواژه‌ها: الگوریتم ژنتیک رتبه بندی اعتباری سیستم خبره منطق فازی

حوزه های تخصصی:
تعداد بازدید : ۱۶۸ تعداد دانلود : ۸۲
سیستم های خبره می توانند به ساخت مدل های رتبه بندی اعتباری مشتریان بانک ها کمک کنند. در اینجا، انتخاب ویژگی های مهم در رتبه بندی اعتباری اهمیت دارد. همچنین ممکن است مقادیر ویژگی ها، به صورت فازی بیان شوند. مسئله این است، چگونه می توان به کمک الگوریتم ژنتیک، انتخاب ویژگی ها را بهبود بخشید؛ به گونه ای که این ویژگی ها به منزله ورودی در سیستم خبره فازی مورد استفاده قرار گیرند. این نوشتار به ارائه مدل رتبه بندی اعتباری هیبریدی با ترکیب انتخاب ویژگی ها، مبتنی بر الگوریتم ژنتیک و سیستم خبره فازی می پردازد. پژوهشی که در این مورد انجام گرفت، از نظر نتایج، کاربردی و از نظر هدف، توصیفی از نوع مطالعه موردی است. برای آموزش و آزمون مدل، از مجموعه داده های رتبه بندی اعتباری مؤسسه مالی و اعتباری قوامین استفاده شده است. پس از پیش پردازش داده ها، به کمک الگوریتم ژنتیک ویژگی ها انتخاب شدند و از طریق مصاحبه با فردی خبره و به کارگیری منطق فازی، دامنه تغییرات ویژگی های منتخب تعیین شده و سپس قوانین فازی رتبه بندی اعتباری ایجاد شدند. برای تحلیل داده ها از ابزار وکا و ماژول سیستم استنتاج فازی در نرم افزار متلب استفاده شده است. نتایج نشان می دهد، دقت طبقه بندی مدل پیشنهادی نسبت به سایر روش های مقایسه شده در این مقاله بیشتر است. قوانین فازی ایجادشده این مدل را می توان برای رتبه بندی اعتباری مشتریان بانکی به کار برد.
۲۲۰.

ارائه سیستم پشتیبانی تصمیم نوین به منظور موازنه هزینه انتشار دی اکسیدکربن گسسته در پروژه های ساخت: کاربردی از الگوریتم ژنتیک الگوبرداری(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت فناوری اطلاعات دوره ۷ بهار ۱۳۹۴ شماره ۱ 23 - 48

کلیدواژه‌ها: الگوریتم ژنتیک انتشار دی اکسیدکربن سیستم پشتیبانی از تصمیم موازنه زمان هزینه گسسته

حوزه های تخصصی:
تعداد بازدید : ۲۳۴ تعداد دانلود : ۱۵۲
در وضعیت پررقابت امروزی، اگرچه صنعت ساخت وساز با فشارهای زیادی برای برآوردن انتظارات مشتریان روبه روست، بودجه های کمتری در اختیار دارد. حال آنکه در سال های اخیر، این صنعت به ایجاد دامنه وسیعی از مشکلات زیست محیطی، ازجمله مصرف زیاد منابع جهان و آلوده کردن محیط اطراف متهم شده است. بر اساس آمارهای منتشرشده، صنعت ساخت وساز یکی از صنایع اصلی تولید گازهای گلخانه ای جهان است؛ از این رو، با توجه به حساسیت های روبه رشد در زمینه محیط زیست و قابلیت های توانمندساز سیستم های پشتیبان تصمیم گیری، این مقاله به ارائه نوعی سیستم پشتیبانی تصمیم مبتنی بر الگوریتم ژنتیک در مسئله تصمیم گیری موازنه میان هزینه انجام پروژه های ساخت و میزان انتشار دی اکسیدکربن حاصل از اجرای آن در فضای گسسته می پردازد. الگوریتم پیشنهادی، الگوریتم ژنتیک الگوبرداری نام گذاری شده است. برای اعتبارسنجی الگوریتم مذکور، نتایج حاصل از اجرای آن برای حل 108 مسئله نمونه با اندازه های مختلف با عملکرد الگوریتم ژنتیک کلاسیک، مقایسه شده است. نتایج حاصل، گویای برتری رویکرد ارائه شده در مقایسه با الگوریتم ژنتیک کلاسیک است.