مطالب مرتبط با کلیدواژه

الگوریتم ژنتیک


۲۲۱.

کاربرد قواعد کشفی و الگوریتم ژنتیک در ساخت مدل ARMA برای پیش بینی سری زمانی(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت فناوری اطلاعات دوره ۸ بهار ۱۳۹۵ شماره ۱ 1 - 26

کلیدواژه‌ها: الگوریتم ژنتیک پنجره لغزان پیش بینی سری زمانی تخمین مدل ARMA قواعد کشفی

حوزه های تخصصی:
تعداد بازدید : ۳۱۵ تعداد دانلود : ۱۲۳
برای پیش بینی سری زمانی ابتدا باید مدل مناسبی از آن ساخته شود. تعیین ابعاد و تخمین پارامترهای مناسب برای مدل ARMA سری زمانی، چالشی است که علاوه بر روش های متداول آماری، از طریق محاسبات هوشمند نیز به آن توجه شده است. در این مقاله استفاده از الگوریتم ژنتیک برای تخمین پارامترهای مدل ARMA و قواعد کشفی برای تعیین ابعاد مدل ارائه می شود. قواعد کشفی بر اساس ویژگی های سری زمانی استخراج می شوند. داده ها به روش پنجره لغزان در پیش بینی به کار می روند. مدل بر اساس معیار اطلاعاتی بیزین و پیش بینی بر اساس دو معیار مجذور متوسط مربعات خطا و متوسط قدر مطلق درصد خطا ارزیابی می شود. روش ارائه شده روی هشت سری زمانی با ویژگی های مختلف به کار رفته و نتایج آن با نتایج روش آماری مقایسه شده است. نتایج نشان می دهد در تمام موارد، روش ارائه شده همسان یا بهتر از روش کلاسیک عمل می کند.
۲۲۲.

ارائه نوعی سیستم پشتیبانی تصمیم مبتنی بر الگوریتم ژنتیک (مطالعه موردی: زمان بندی در زنجیره تأمین)(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت فناوری اطلاعات دوره ۸ پاییز ۱۳۹۵ شماره ۳ 455 - 476

کلیدواژه‌ها: الگوریتم ژنتیک تولید زنجیره تأمین سیستم پشتیبانی تصمیم

حوزه های تخصصی:
تعداد بازدید : ۱۶۵ تعداد دانلود : ۹۸
امروزه به کارگیری تصمیم های مؤثر و کارا در مسائل پیچیده نیازمند استفاده از سیستم پشتیبانی تصمیم است. این مقاله به ارائه یک سیستم پشتیبانی تصمیم مبتنی بر الگوریتم ژنتیک برای مسئله زمان بندی تولید و حمل و نقل در یک زنجیره تأمین می پردازد. فرض می شود تعدادی سفارش وجود دارد که باید توسط تأمین کنندگان تولید و توسط یک ناوگان حمل و نقل برای شرکت سازنده ارسال شود. هدف، تخصیص سفارش ها به تأمین کنندگان، تعیین ترتیب تولید آنها، تخصیص سفارش های پردازش شده به وسایل نقلیه و ترتیب حمل آنها به گونه ای است که مجموع زمان تحویل سفارش ها کمینه شود. نشان داده می شود که پیچیدگی مسئله از نوع Np-hard است و امکان استفاده از روش های دقیق برای حل مسئله در زمان حل معقول وجود ندارد. بنابراین، در مقاله حاضر برای حل آن از الگوریتم ژنتیک استفاده شده است. با استفاده از این سیستم پشتیبانی تصمیم، یک رویکرد نوین برای مدیریت زنجیره تأمین پیشنهاد شده است. تحلیل رویکرد پیشنهادی در این تحقیق با رویکردهای معمول، توسط این سیستم پشتیبانی تصمیم نشان از برتری رویکرد پیشنهادی ما دارد.
۲۲۳.

ارائه مدل ابتکاری الگوریتم ژنتیک برای حل مسئله برنامه آموزشی استادان با تأمین نظر دانشجویان(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت فناوری اطلاعات دوره ۹ پاییز ۱۳۹۶ شماره ۳ 531 - 548

کلیدواژه‌ها: الگوریتم ژنتیک تابع برازندگی زمان بندی فهرست معکوس حلقوی ممتیک الگوریتم

حوزه های تخصصی:
تعداد بازدید : ۳۶۹ تعداد دانلود : ۱۰۰
زمان بندی در برنامه ریزی درسی دانشجویان و استادان با روش های متنوعی صورت می گیرد. این تحقیق به حل مسئله برنامه آموزشی استادان با تأمین نظر دانشجویان می پردازد. در این مسئله، تخصیص درس و زمان به استادان با در نظر گرفتن ساعت جلسه مشترک استادان و زمان بندی ساعات تدریس فشرده آنان و محدودیت کلاس ها انجام می شود. بدین منظور، روش الگوریتم ژنتیک در دو مرحله به کار برده شده است. در مرحله اول الگوریتم، از عملگرِ برش تک نقطه ای استفاده شد و در مرحله دوم الگوریتم، عملگر هوشمند جدیدی به نام فهرست معکوس حلقوی با در نظر گرفتن زمان های طلایی، نقره ای و برنزی برای درس های مختلف به کار رفت. مزیت این الگوریتم استفاده از تابع برازندگی جدید و همچنین معیار انتخاب جدید و یک عملگر جدید است. این روش برخلاف روش های معمول، برازش کل جمعیت را در نظر می گیرد و تلاش می کند جواب های امکان ناپذیر را حذف کند. در این الگوریتم، جواب نهایی از جواب های بهینه متعدد تولید شده انتخاب می شود. نتایج نشان داد این روش با برازش بهتری به جواب های بهینه می رسد.
۲۲۴.

ارائه روش فراابتکاری مبتنی بر تصمیم گیری چندمعیاره در حل مسئله اجتماع یابی(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت فناوری اطلاعات دوره ۱۰ تابستان ۱۳۹۷ شماره ۲ 283 - 308

کلیدواژه‌ها: اجتماع یابی الگوریتم ژنتیک بهینه سازی تاپسیس شبکه های اجتماعی

حوزه های تخصصی:
تعداد بازدید : ۳۲۵ تعداد دانلود : ۱۴۶
یکی از مسائل مهم در زمینه شبکه های اجتماعی، مسئله اجتماع یابی است. هدف اجتماع یابی، افرازبندی شبکه به بخش هایی است که ارتباط میان اعضای شبکه در این نواحی متراکم است. به دلیل ارتباط پررنگ اعضای شبکه در این بخش ها، می توان این اعضا را متعلق به یک اجتماع دانست. تحقیقات بسیاری به توسعه الگوریتم های متعدد در حل این مسائل پرداخته اند. در این پژوهش نیز یک الگوریتم ژنتیک مبتنی بر روش تصمیم گیری چندمعیاره تاپسیس ارائه شده است. در الگوریتم پیشنهادی، عملگرهای تقاطع و جهش بر جواب هایی اعمال می شوند که روش تاپسیس به دست می دهد. برازندگی جواب ها بر اساس شاخص های پودمانگی و چگالی پودمانگی مشخص می شود. در ادامه این مقاله، کارایی الگوریتم پیشنهادی نسبت به الگوریتم ژنتیک کلاسیک و یک الگوریتم حریصانه از طریق انجام آزمایش های عددی سنجیده شد که نتایج نشان از برتری الگوریتم پیشنهادی داشت.
۲۲۵.

برآورد نرخ های بهینه مالیات بر مصرف و تورم در اقتصاد ایران: کاربردی از الگوریتم ژنتیک(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش های رشد و توسعه اقتصادی سال یازدهم پاییز ۱۴۰۰ شماره ۴۴ 163 - 137

کلیدواژه‌ها: هزینه نهایی رفاه اجتماعی نرخ بهینه مالیات بر مصرف نرخ بهینه تورم الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۲۱۴
تأمین رفاه اجتماعی یکی از دغدغه های اساسی سیاست گذاران در جوامع مختلف می باشد. و از آنجا که تأمین مالی مخارج دولت، ارتباط تنگاتنگی با تأمین رفاه اجتماعی جوامع دارد لذا این مسئله نیز می تواند از اهمیت خاصی برخوردار باشد. با در نظر گرفتن هزینه های رفاهی اعمال مالیات بر مصرف و تورم، دولت برای تأمین مالی کسری بودجه خود باید نرخ هایی از مالیات بر مصرف و تورم را اعمال نماید که هزینه نهایی رفاه اجتماعی حداقل گردد. از اینرو در این پژوهش تلاش شده است با استفاده از مدل تأمین مالی بهینه مخارج دولت منکیو نرخ بهینه مالیات بر مصرف و تورم استخراج گردد. در ابتدا به منظور محاسبه هزینه رفاه اجتماعی مالیات بر مصرف، محاسبه کشش های قیمتی و درآمدی هشت گروه کالایی از طریق سیستم مخارج خطی (LES) و روش رگرسیون به ظاهر نامرتبط (SUR) برای دوره 96-1376 صورت می گیرد و در مرحله بعد از طریق کالیبراسیون مدل نرخ های بهینه مالیات بر مصرف روی گروه های کالایی و نرخ بهینه تورم با استفاده از روش الگوریتم ژنتیک، استخراج می گردد. یافته های تحقیق نشان می دهد نرخ بهینه مالیات برای گروه های کالایی با کشش قیمتی و درآمدی پایین تر، مقدار کمتری است؛ با افزایش رویکرد توزیعی به مدل، نرخ های بهینه مالیات برای گروه کالاهای ضروری و نرمال کاهش یافته و برای گروه کالاهای لوکس افزایش می یابد و پراکندگی نرخ های بهینه مالیاتی نیز بیشتر می گردد؛ گرچه در تمام سطوح نرخ های پارامتر گریز از نابرابری اجتماعی سیستم چندنرخی مالیاتی تأیید می گردد. نرخ بهینه تورم نیز عددی تقریباً نزدیک به 1/0- است که قاعده بهینه فریدمن را تأمین می نماید.
۲۲۶.

پیش بینی شاخص سهام با استفاده از ترکیب شبکه عصبی مصنوعی و مدل های فرا ابتکاری جستجوی هارمونی و الگوریتم ژنتیک(مقاله علمی وزارت علوم)

نویسنده:
منبع: اقتصاد مالی سال ۱۱ پاییز ۱۳۹۶ شماره ۴۰ 1 - 24

کلیدواژه‌ها: نماگرهای تکنیکی شبکه عصبی مصنوعی الگوریتم ژنتیک جستجوی هارمونی

حوزه های تخصصی:
تعداد بازدید : ۲۲۱ تعداد دانلود : ۹۵
هدف پژوهش حاضر پیش بینی شاخص قیمت بورس اوراق بهادار تهران با استفاده از مدل شبکه عصبی هیبریدی مبتنی بر الگوریتم ژنتیک و جستجوی هارمونی است. مربوط ترین نماگرهای تکنیکی به عنوان متغیرهای ورودی و تعداد بهینه نرون در لایه پنهان شبکه عصبی مصنوعی با استفاده از الگوریتم های فراابتکاری ژنتیک و جستجوی هارمونی حاصل می گردد. مقادیر روزانه شاخص قیمت بورس اوراق بهادار تهران از تاریخ 1/10/91 الی 30/9/94 جهت پیش بینی شاخص قیمت و آزمون آن استفاده می شود. دقت پیش بینی سه مدل شبکه عصبی عادی، شبکه عصبی هیبریدی مبتنی بر الگوریتم ژنتیک و شبکه عصبی هیبریدی مبتنی بر جستجوی هارمونی بر اساس میزان خطای پیش بینی ارزیابی می گردد. نتایج حاصله نشان می دهد دقت پیش بینی مدل های فراابتکاری ژنتیک و جستجوی هارمونی در دوره آزمون بالاتر از شبکه عصبی عادی است. همچنین پیش بینی مدل شبکه عصبی هیبریدی مبتنی بر جستجوی هارمونی در دوره آزمون نسبت به مدل شبکه عصبی مصنوعی هیبریدی مبتنی بر الگوریتم ژنتیک از دقت بالاتری برخوردار است. This study is aimed to predict the price index of Tehran Stock Exchange using hybrid Artificial Neural Network (ANN) models based on Genetic Algorithms (GA) and Harmony Search (HS). The most relevant technical indicators as inputs and the optimal number of neurons in hidden layer of Artificial Neural Network are achieved by metaheuristics including Genetic Algorithms and Harmony Search. Daily price index of Tehran Stock Exchange from 21 December 2012 to 21 December 2015 applied to predict and test stock index. The accuracy of forecasting of three models including Regular Artificial Neural Network model, hybrid neural networks based on GA and hybrid neural networks based on HS is evaluated by the prediction error. The results show that the accuracy of prediction in Metaheuristics models such as Genetic Algorithms and Harmony Search in test period is higher than normal Artificial Neural Network. Also prediction by hybrid neural network model based on harmony Search during the test period compared to hybrid Artificial Neural Network model based on Genetic Algorithm is more accurate.
۲۲۷.

یکپارچه سازی تکنیک های هوش مصنوعی جهت ارائه مدل پیش بینی قیمت سهام(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش های حسابداری مالی و حسابرسی سال ششم زمستان ۱۳۹۳ شماره ۲۴ 89 - 102

کلیدواژه‌ها: قیمت سهام پیش بینی شبکه های عصبی شبکه های عصبی – فازی الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۳۵۳ تعداد دانلود : ۱۴۹
اوراق بهادار روش مطمئنی است برای جلب اعتماد عمومی جهت سرمایه گذاری درانواع اوراق بهادار با خطرهای متفاوت است و با این روش می توان سرمایه های کوچک و پراکنده را که به تنهایی نمی توانند مورد بهره برداری قرار گیرند جمع آوری نمود از آنها سرمایه هنگفتی جهت توسعه و پیشرفت اقتصادی فراهم آورد. در بورس های اوراق بهادار حساسیت های زیادی نسبت به روند قیمت وجود دارد این امر باعث گردیده تا تحولات مرتبط با چنین پدیده ای مورد تحلیل های منظم قرار گیرد . در سال های اخیر مدل های متفاوتی جهت پیش بینی قیمت سهام توسط محققین مورد استفاده قرار گرفته است و از آنجایی که تکنیک های هوش مصنوعی که شامل شبکه های عصبی، الگوریتم ژنتیک و منطق فازی است نتایج موفقیت آمیزی در زمینه حل مسایل پیچیده به دست آورده اند در این راستا بیشتر مورد بهربرداری قرار گرفته اند. هدف از این تحقیق رسیدن به این پاسخ است که آیا می توان با استفاده از ترکیب روش های هوش مصنوعی مدلی ایجاد نمود که نسبت به سایر روش های خطی و غیر خطی پیش بینی قیمت سهام (بورس اوراق بهادار تهران - شرکت ایران خودرو )را با میزان خطای کمتری انجام دهد. در این تحقیق جهت پیش بینی قیمت سهام از ترکیب روش های هوش مصنوعی شامل شبکه های عصبی – فازی و الگوریتم ژنتیک استفاده شده است و این مدل ترکیبی با روش های شبکه عصبی به عنوان یکی دیگر از مدل های هوش 2 مصنوعی و مدل خطی ARIMA با توجه به معیارهای MSE,MAPE,MAE, R مقایسه گردیده اند. نتایج این پژوهش نشان از برتری مدل ترکیبی نسبت به سایر مدل ها مورد بررسی دارد .
۲۲۸.

برنامه ریزی تصادفی دومرحله ای برای طراحی شبکه زنجیره تأمین دارویی بهنگام: مدل سازی و الگوریتم حل(مقاله علمی وزارت علوم)

نویسنده:
منبع: چشم انداز مدیریت صنعتی سال یازدهم زمستان ۱۴۰۰ شماره ۴۴ 137 - 165

کلیدواژه‌ها: زنجیره تأمین دارویی برنامه ریزی تصادفی الگوریتم ترکیبی برنامه ریزی بهنگام الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۳۹۲ تعداد دانلود : ۱۵۱
دارو محصولی حیاتی است که سلامت جامعه را رقم می زند و تحویل به موقع آن به مصرف کنندگان از اهمیت بالایی برخوردار بوده و در نتیجه نیازمند به برنامه ریزی مناسبی برای تولید/توزیع آن هستیم. در این پژوهش یک مسئله زنجیره تأمین دارویی دوسطحی چند دوره ای ارائه شد که تقاضا در سطح دوم غیرقطعی است. برای مدل سازی مسئله یادشده از رویکرد برنامه ریزی تصادفی دومرحله ای استفاده شد. هدف مدل ارائه شده شامل حداقل کردن هزینه های تولید، موجودی، انتقال، هزینه های زمان ارسال، زودکرد و دیرکرد است. با توجه به اینکه مدل با تابع هدف زودکرد و دیرکرد با موعد تحویل متفاوت یک مسئله NP-hard است و هرچه ابعاد مسئله افزایش یابد، روش دقیق توانایی حل مسئله را در زمان معقول ندارد؛ بنابراین برای این مسئله یک الگوریتم ژنتیک به همراه یک الگوریتم ترکیبی ژنتیک و جست وجوی همسایگی متغیر ارائه شد. در حل این مدل با استفاده از برنامه ریزی تصادفی، پنج سناریو مطالعه و شاخص «ارزش مورد انتظار اطلاعات کامل» محاسبه و درنهایت نتایج آن با جواب مدل برنامه ریزی تصادفی دومرحله ای مقایسه شد. همچنین روش برنامه ریزی تصادفی، الگوریتم ترکیبی و الگوریتم ژنتیک در نظر گرفتن سناریوهای مختلف با یکدیگر مقایسه شدند. نتایج نشان داد که از لحاظ تابع هدف الگوریتم ترکیبی کارایی بسیار خوبی در مقایسه با الگوریتم ژنتیک دارد.
۲۲۹.

توسعه هوش مصنوعی فازی و مدل برنامه ریزی چند هدفه برای بهینه سازی پورتفوی شرکت های سرمایه گذاری(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات مدیریت کسب و کار هوشمند سال نهم تابستان ۱۴۰۰ شماره ۳۶ 209 - 243

کلیدواژه‌ها: بهینه سازی پورتفوی تحلیل تکنیکال برنامه ریزی چندهدفه هوش مصنوعی منطق فازی الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۳۹۶ تعداد دانلود : ۲۰۹
هدایت درست و تخصیص بهینه منابعِ مالی سبب افزایش تولید و رشد ناخالص ملی، ایجاد شغل و افزایش رفاه عمومی می شود. پژوهش حاضر با هدف ارایه یک استراتژی سرمایه گذاری تلاش می کند مسیر پیشرفت شرکت سرمایه گذار را در بازارهای مالی هموار کند. بنابراین، پژوهش پیش رو را می توان از نظر هدف کاربردی دانست. همچنین با توجه به اینکه در تحقیق حاضر از مدل ریاضی ، مدلسازی، هوش مصنوعی و ... بهره گرفته شده و بهینه سازی پورتفوی شرکت سرمایه گذار را با مدل پیشنهادی مورد ارزیابی قرار میدهد، لذا از نوع تحقیقات کمی و توصیفی می باشد. این پژوهش عملکرد مدل پیشنهادی را در سه حالت: شرکت سرمایه گذار محتاط، میانه رو و ریسک پذیر ارزیابی نمود. نتایج به دست آمده نشان داد که برای هر سه حالت، استراتژیِ ارایه شده به طور قابل توجهی بهتر از شاخص بازار و سایر استراتژی های پیشین عمل می کند.در پایانِ دوره سرمایه گذاری، پورتفوی ریسک پذیر نسبت به سایر پورتفوی ها از ارزش بالاتری برخوردار بود. از سوی دیگر، پورتفوی محتاط، بازدهِ پایدار و باثبات تری کسب کرده است.این نتایج آشکار نمود که برنامه ریزی فازی ارائه شده قادر است خصوصیات و تمایلات شرکت سرمایه گذار را در ترکیب پورتفوی منعکس کند.
۲۳۰.

زمان بندی اتاق های عمل با در نظر گرفتن تسهیلات سیار و تخصص پزشکان(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت صنعتی دوره ۱۳ تابستان ۱۴۰۰ شماره ۲ 194 - 221

کلیدواژه‌ها: الگوریتم ژنتیک زمان بندی اتاق عمل مکان یابی اتاق عمل مکان یابی و تخصیص

حوزه های تخصصی:
تعداد بازدید : ۳۲۰ تعداد دانلود : ۱۷۴
هدف: یکی از عناصر مهم بخش سلامت، بیمارستان ها هستند و اتاق های عمل از مهم ترین و پرهزینه ترین بخش های آن به شمار می آیند. امروزه تسهیلات سیار، به کاهش بار کاری بیمارستان ها کمک شایانی می کند، بنابراین استقرار تسهیلات سیار در مکانی مناسب، همراه با تسهیلات ثابت و زمان بندی مناسب آنها قادر است تا حد زیادی مشکلات سلامت جامعه را حل کند. در این مقاله، یک مدل یکپارچه مکان یابی تخصیص و زمان بندی اتاق عمل، برای استقرار تسهیلات سیار در مکان مناسب ارائه شده است تا با بهره بردن از آن، گامی در جهت کاهش بار کاری تسهیلات ثابت، تخصیص بیماران به تسهیلات و اتاق های عمل و زمان بندی اتاق های عمل با اهداف کاهش هزینه ها و کاهش زمان اضافه کاری اتاق های عمل و پزشکان برداشته شود. شایان ذکر است که در پژوهش حاضر، این موضوع در نظر گرفته شده است که پزشکان دارای حداکثر زمان کاری در هر روز هستند و بعد این ساعات، کارایی عملکرد آنان کاهش می یابد. روش: با توجه به NP-hard بودن مدل و ناتوانی روش های دقیق برای حل مسائل در مقیاس بزرگ، یک روش فراابتکاری مبتنی بر الگوریتم ژنتیک برای مسئله توسعه داده شده و کارایی آن در مقیاس های گسترده و چندین نمونه بررسی شده است. مسئله در دو حالت تک هدفه و دوهدفه تحلیل و نتایج آن گزارش شده است. یافته ها: ﻧﺘﺎیﺞ ﻣﺤﺎﺳﺒﺎﺗی حالت تک هدفه، روی مثال های ﻋﺪدی توسعه داده شده در چند مقاله ﻧﺸﺎن داد که اﻟﮕﻮریﺘﻢ اﺑﺘکﺎری این پژوهش، در ﺗﻮﻟیﺪ پاسخ های با دقت بالا کارایی مناسبی دارد. همچنین، در حالت دوهدفه نقاط پارتو مناسبی توسط الگوریتم یافت شده است. نتیجه گیری: نتایج مسئله، گویای اهمیت مکان یابی و استقرار تسهیلات سیار و زمان بندی یکپارچه آنها، کاهش مدت زمان انتظار بیماران و فاصله آنها با تسهیلات است. الگوریتم پیشنهادی قادر است مسائلی با ابعاد بزرگ را در زمانی کم و جوابی کارا حل کند.
۲۳۱.

رویکرد چندهدفه مبتنی بر روش های فرا ابتکاری برای مسئله انتخاب زیرمجموعه ویژگی ها(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت صنعتی دوره ۱۳ تابستان ۱۴۰۰ شماره ۲ 278 - 299

کلیدواژه‌ها: برنامه ریزی چندهدفه انتخاب زیرمجموعه ویژگی ها الگوریتم های فرا ابتکاری الگوریتم ژنتیک الگوریتم NSGA II

حوزه های تخصصی:
تعداد بازدید : ۲۸۱ تعداد دانلود : ۱۷۵
هدف: پیدا کردن زیرمجموعه ای از مجموعه ویژگی ها، مسئله ای است که در زمینه های مختلفی مانند یادگیری ماشین و شناسایی آماری الگوها، کاربرد گسترده ای دارد. با توجه به اینکه افزایش تعداد ویژگی ها، هزینه محاسباتی سیستم را به طور تصاعدی افزایش می دهد، این پژوهش به دنبال طراحی و پیاده سازی سیستم هایی با کمترین تعداد ویژگی و کارایی قابل قبول است. روش: با توجه به لزوم جست وجوی کارآمد در فضای جواب، در این پژوهش برای انتخاب ویژگی در داده های چندکلاسه، از الگوریتم ژنتیک (GA) و الگوریتم ژنتیک با مرتب سازی نامغلوب (NSGA II) چندهدفه با هدف افزایش دقت طبقه بندی و کاهش تعداد ویژگی ها استفاده شده است. روش ارائه شده، بر مبنای دو روش طبقه بندی ماشین بردار پشتیبان (SVM) و K نزدیک ترین همسایه (KNN) روی 6 مجموعه داده اعتباری به اجرا درآمد و نتایج آن تجزیه و تحلیل شد. یافته ها: الگوریتم ژنتیک و الگوریتم ژنتیک با مرتب سازی نامغلوب چندهدفه برای افزایش دقت طبقه بندی و کاهش تعداد ویژگی ها در مسئله انتخاب ویژگی در داده های چندکلاسه کارکرد مناسبی دارند. نتایج به دست آمده، نشان دهنده بهبود در دقت طبقه بندی، هم زمان با کاهش چشمگیر در تعداد ویژگی ها در هر دو روش ماشین بردار پشتیبان و نزدیک ترین همسایه است. نتیجه گیری: با توجه به نتایج، رویکرد پیشنهادشده در این پژوهش برای مسئله انتخاب ویژگی ها کارایی بسیار خوبی دارد.
۲۳۲.

الگوی طراحی پوسته تلفیقی بهینه در تولید برق خورشیدی با بهره گیری از الگوریتم ژنتیک در اقلیم سرد ایران(مقاله علمی وزارت علوم)

نویسنده:
منبع: معماری و شهرسازی ایران دوره ۱۲ پاییز و زمستان ۱۴۰۰ شماره ۲۲ 83 - 101

کلیدواژه‌ها: نمای یکپارچه با پیل خورشیدی پوسته تلفیقی بازتابنده تخت الگوریتم ژنتیک بازده الکتریکی

حوزه های تخصصی:
تعداد بازدید : ۳۷۵ تعداد دانلود : ۱۷۹
تأمین انرژی الکتریکی مورد نیاز در ساختمان های انرژی کارا توسط خودِ بنا یکی از راهبردهای توصیه شده در کاهش سهم عمده بخش ساختمان در کل سرانه مصرف انرژی است؛ در این بین سامانه های پیل خورشیدی یکپارچه با پوسته بنا به دلیل قرارگیری در سطح بیرونی ساختمان موقعیت ممتازی در تولید الکتریسیته دارند اما تغییرات زیاد شدت و جهت تابش نور خورشید در طی فصول و در طول روز باعث کاهش بازده این سامانه ها می شود. این پژوهش که بستر مطالعاتی آن اقلیم سرد ایران است، نشان می دهد که طراحی الگوریتمیک یک پوسته تلفیقی از ترکیب بازتابنده تخت و پیل خورشیدی بر اساس الگوی تابش راهکاری کارآمد درافزایش بازده الکتریکی پوسته به ویژه در فصل تابستان است. پژوهش از منظر ماهیت در دسته تحقیقات کمّی از بُعد هدف، کاربردی و از جهت روش در زمره پژوهش های توصیفی- شبیه سازی قرار دارد. در این تحقیق از افزونه گرس هاپر برای پیاده سازی الگوی مولد پوسته و از الگوریتم ژنتیک درروند بهینه سازی استفاده شده و روند رسیدن از سؤال به جواب با روش استدلال منطقی انجام شده است. در این پژوهش افزایش بازده سامانه پیشنهادی به میزان 87.38 درصد در ابتدای فصل تابستان، 33/63 درصد در شروع فصل بهار و 17.83 درصد در آغاز فصل زمستان با میانگین 46.44 درصد در طول سال محاسبه شد. یافته های پژوهش شش مؤلفه اصلی سازنده پوسته تلفیقی را در تعیین بازده آن مؤثر دانست که به ترتیب تأثیر عبارت اند از زاویه شیب عرضی بازتابنده های طرفینی، زاویه شیب عرضی بازتابنده های زیرین، عمق افقی بازتابنده های کناری، تعداد تقسیمات پوسته در امتداد قائم، شیب طولی بازتابنده های کناری و درنهایت کمترین تأثیر  که مربوط به  شیب طولی بازتابنده های زیرین است؛ به طوری که درصد تأثیر مهم ترین مؤلفه بر افزایش شدت تابش 64.14 درصد و بر افزایش سطح بازتابش 62.21 درصد به دست آمد و برای کم اثرترین مؤلفه بر بازده این مقادیر به ترتیب 15.85 و 15.90 درصد محاسبه گردید.
۲۳۳.

بهینه سازی چند هدفه شاکله پنجره به منظور تامین هم زمان مولفه های آسایش بصری و کارایی انرژی از طریق الگوریتم ژنتیک ( نمونه موردی: کلاس درس ابتدایی در تهران- ایران)(مقاله پژوهشی دانشگاه آزاد)

نویسنده:
منبع: سرزمین سال هفدهم زمستان ۱۳۹۹ شماره ۴ (پیاپی ۶۸) 1 - 20

کلیدواژه‌ها: عملکرد نور روزو انرژی شاکله پنجره الگوریتم ژنتیک بهینه سازی چندهدفه

حوزه های تخصصی:
تعداد بازدید : ۳۲۳ تعداد دانلود : ۱۶۵
حرکت به سوی ساختمان های پایدار نیازمند آن است تا تأکید بیشتری بر ارزیابی دقیق عملکرد نور روز و انرژی شود. این امر به خصوص در مورد ساختمان های آموزشی دارای اهمیت ویژه است، چرا که تامین میزان نور کافی هم زمان با ممانعت از ایجاد خیرگی و نیز کاهش مصرف انرژی در این فضاها چالش بزرگی محسوب می شود. در این مقاله به منظور تامین هم زمان مولفه های آسایش بصری( افزایش روشنایی و کاهش خیرگی) و کارایی انرژی( کاهش مصرف انرژی) در ساختمان های آموزشی(کلاس درس مدارس ابتدایی) شهر تهران یک کلاس درس به عنوان مدل پایه مدلسازی پارامتریک شد و شبیه سازی پویای عملکرد نور روز و انرژی بر روی آن انجام گرفت. سپس جهت دستیابی به مقادیر بهینه پارامترهای طراحی پنجره فرآیند بهینه سازی مبتنی بر شبیه سازی از طریق الگوریتم ژنتیک و به صورت اتوماتیک در نرم افزار گرسهاپر بصورت چند هدفه صورت گرفت. نتایج حاصل، لزوم تعدیل شرایط با اولویت وزنی به عملکرد نور روز را نشان می دهند. بهترین راه حل پارتو بر اساس کمترین فاصله تا بهینه جهانی عملکرد بهتری را نسبت به مدل پایه نشان می دهد که میزان بهبود شاخص های UDI،DGP وEUI به ترتیب11، 15و 22 درصد است.
۲۳۴.

ارائه رویکردی مبتنی بر بهینه سازی تصادفی به منظور حل مساله انتخاب سبد سهام در بازار سرمایه ایران با استفاده از الگوریتم های فراابتکاری(مقاله علمی وزارت علوم)

نویسنده:
منبع: نظریه های کاربردی اقتصاد سال هشتم زمستان ۱۴۰۰ شماره ۴ 253 - 284

کلیدواژه‌ها: بهینه سازی سبد سهام الگوریتم ژنتیک الگوریتم گرگ خاکستری بورس اوراق بهادار تهران و فرابورس ایران

حوزه های تخصصی:
تعداد بازدید : ۳۹۶ تعداد دانلود : ۱۵۳
در این پژوهش مساله بهینه سازی سبد سهام در شرکت های پذیرفته شده در بازار سرمایه ایران به عنوان یک مساله بهینه سازی تصادفی چندهدفه مورد بررسی قرار گرفته است. تابع هدف اول شامل کمینه سازی ریسک و تابع هدف دوم شامل بیشینه سازی بازده است. محدودیت های مدل شامل محدودیت انتخاب شرکت ها به صورت منحصربفرد و همچنین محدودیت بودجه می باشد. به منظور حل مساله، دو الگوریتم فراابتکاری ژنتیک و گرگ خاکستری توسعه داده شده که با استفاده مثال های عددی برگرفته از 491 شرکت پذیرفته شده در بورس اوراق بهادار تهران و فرابورس ایران از تاریخ 5 فروردین 1397 تا 30 آذر 1400، مورد تجزیه و تحلیل عددی قرار گرفتند. مطابق با نتایج عددی می توان مشاهده نمود الگوریتم گرگ خاکستری در تمامی مثال ها دارای کارایی بالاتری نسبت به الگوریتم ژنتیک است. البته قابل توجه است که در هیچ کدام از مثال های عددی، درصد پاسخ های ناموجه در رویه بهبود الگوریتم ها از 02/10 درصد بیشتر نشده است. همچنین درصد بهبود کارایی الگوریتم گرگ خاکستری نسبت به الگوریتم ژنتیک بین 3 تا 11 درصد گزارش شده است.
۲۳۵.

ارائه مدل ریاضی برای مسئله چیدمان سلولی پویا بر اساس زمان بندی، تخصیص کارگر و محدودیت منابع مالی(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت صنعتی دوره ۱۳ پاییز ۱۴۰۰ شماره ۳ 435 - 463

کلیدواژه‌ها: الگوریتم ژنتیک تخصیص کارگر چیدمان سلولی پویا زمان بندی منابع مالی

حوزه های تخصصی:
تعداد بازدید : ۲۳۳ تعداد دانلود : ۱۴۴
هدف: زمان بندی عملیات و تخصیص کارگران موضوعی است که در مسئله چیدمان سلولی، بخش شایان توجهی از هزینه را به خود اختصاص می دهد. این موضوع زمانی اهمیت بیشتری می یابد که منابع مالی با محدودیت روبه رو باشد. در این پژوهش، مسئله چیدمان پویای سلولی بر اساس زمان بندی، تخصیص کارگر و محدودیت های منابع مالی روی ماشین ها و کارگران به طور هم زمان بررسی شده است؛ به گونه ای که هدف حداقل کردن هزینه کل، شامل هزینه ماشین ها، کارگران و حمل ونقل قطعات است. روش: در ابتدا یک مدل ریاضی برای مسئله مدنظر ارائه شد، سپس خطی سازی و اعتبارسنجی آن انجام گرفت. در ادامه، یک الگوریتم ژنتیک برای حل مسئله پیشنهاد شد که پارامترهای آن با استفاده از روش تاگوچی تنظیم و انتخاب گردید. همچنین بر اساس پارامترهای مرتبط با محدودیت های منابع مالی ماشین ها و کارگران تحلیل حساسیت انجام گرفت. یافته ها: نتایج نشان دهنده صحت مدل و اعتبارسنجی آن است. همچنین، نشان داده شد که الگوریتم پیشنهادی کارایی مطلوبی دارد و برای مسائل با ابعاد متوسط و بزرگ که امکان یافتن جواب بهینه وجود ندارد، قابلیت استفاده دارد. نتیجه گیری: تحلیل حساسیت نشان داد که محدودیت های منابع مالی برای خرید ماشین ها نسبت به محدودیت های مالی کارگران تأثیر بیشتری روی تابع هدف دارد که اهمیت آن را نشان می دهد.
۲۳۶.

طراحی و توسعه مدل توزیع منابع مالی به تأمین کنندگان در یک زنجیره تک تولیدکننده(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت صنعتی دوره ۱۳ زمستان ۱۴۰۰ شماره ۴ 537 - 558

کلیدواژه‌ها: زنجیره تأمین جریان های نقدی شبیه سازی مونت کارلو الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۱۹۹ تعداد دانلود : ۱۰۹
هدف: گسترش روابط در زنجیره تأمین بدون در نظر گرفتن جزئیاتی همچون پایداری و تاب آوری، ریسک مقابله با تهدید ها را افزایش می دهد. یکی از عوامل افزایش تاب آوری زنجیره های تأمین، مدیریت جریان های نقدی و به ویژه مدیریت حساب های پرداختنی است که در صورت مدیریت صحیح، استفاده بهتر از منابع مالی را به همراه دارد. بر این اساس، هدف پژوهش حاضر، ایجاد مدلی به منظور بهینه سازی زمان بندی بازپرداخت حساب های پرداختنی است. روش: برای بهینه سازی، از الگوریتم ژنتیک و برای محاسبه تابع برازندگی با توجه به پیچیدگی مدل، از شبیه سازی استفاده شده است. تابع هدف شامل هزینه توقف خطوط تولید، هزینه تولید محصول ناقص و هزینه استقراض تأمین کننده است و خروجی مدل،  تأمین کنندگان و مقدار پرداختی به آنها در هر دوره پرداخت را تعیین می کند. یافته ها: بررسی امکان پذیری به کارگیری روش ارائه شده از جمله یافته های اصلی این مقاله است که با توجه به نتایج به دست آمده کارآمدی مدل تأیید می شود. نتیجه گیری: مدل بر اساس داده های صنعت خودروسازی با هدف بهینه سازی منابع مالی اجرا شد. نتایج نشان می دهد که مدل از چنان قابلیتی برخوردار است که می تواند هزینه های تحمیلی را تا 7/44درصد کاهش دهد.  
۲۳۷.

ارایه مدل بهبودیافته LRFM به جهت خوشه بندی مشتریان بانک ها بر مبنای الگوریتم ژنتیک(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات مدیریت کسب و کار هوشمند سال نهم زمستان ۱۴۰۰ شماره ۳۸ 317 - 365

کلیدواژه‌ها: مدیریت ارتباط با مشتریان بانک خوشه بندی مدل LRFM الگوریتم ژنتیک روش DBSCAN

حوزه های تخصصی:
تعداد بازدید : ۲۲۳ تعداد دانلود : ۱۴۳
خوشه بندی روشی رایج برای تجزیه و تحلیل داده های مختلف در بسیاری از زمینه ها است، از جمله میتوان به شناسایی آماری، بانکداری،داده کاوی، تجزیه و تحلیل تصویر و …اشاره نمود. خوشه بندی فرآیند گروه-بندی اشیای مشابه به گروه های مختلف یا به بیان دقیق تر، تقسیم مجموعه ای از داده ها به زیر مجموعه های مجزا است. نکته ی اصلی، مشخص نبودن تعداد گروه ها در خوشه بندی است، بگونه ای که در خوشه بندی متخصصین، سلیقه ای عمل می نمایند. این رساله به دنبال ارایه ی راه کاری برای خوشه بندی پویای مشتریان بانک، بر مبنای الگوریتم ژنتیک با لحاظ نمودن روش LRFM می باشد. به عبارت دقیق تر، الگوریتم ژنتیک سعی خواهد کرد از بین فیلدهای اطلاعاتی مختلفی که در مورد مشتریان بانک در پایگاه داده وجود دارد؛ فیلدهای مناسبی را در کنار ویژگی-های به کار رفته در روش LRFM قرار دهد تا نتایج مناسب تری را در خوشه بندی مشتریان بانک به دست آورد، تصمیم گیری در مورد تعداد گروه های موجود نیز بر عهده ی الگوریتم ژنتیک خواهد بود. پیاده سازی-های مختلف الگوریتم ژنتیک با استفاده از تابع های مختلف جهش و پیوند انجام پذیرفته تا دستیابی به بهترین حالت پیاده سازی گردد. شایان ذکر است تمامی روش های پیوند و جهش (به دلیل تعدد زیاد) قابل آزمون نیستند. لیکن، روند به گونه ای طراحی شده تا در پیاده سازی، بهبود نسبت به روش پایه LRFM و برخی روش های رقیب حاصل گردد.
۲۳۸.

ارزیابی حساسیت متغیرهای معماری ساختمان های بلندمرتبه در عملکرد حرارتی و مصرف انرژی در اقلیم های گوناگون(مقاله علمی وزارت علوم)

نویسنده:
منبع: معماری اقلیم گرم و خشک سال هشتم پاییز و زمستان ۱۳۹۹ شماره ۱۲ 244 - 263

کلیدواژه‌ها: طراحی پارامتریک الگوریتم ژنتیک آسایش حرارتی مصرف انرژی شاخص حساسیت

حوزه های تخصصی:
تعداد بازدید : ۲۰۳ تعداد دانلود : ۱۳۰
رشد سریع جمعیت منجر به افزایش نیاز به ساخت ساختمان های جدید می شود. با توجه به محدودیت زمین های شهری، ناگزیر ساختمان های بلند توسعه پیدا خواهندکرد. متغیرهای زیادی از جمله مشخصات معماری ساختمان بر میزان نیاز انرژی ساختمان و تامین آسایش حرارتی کاربران تاثیر گذارند. در این پژوهش بهینه سازی متغیرهای معماری به منظور تامین حداقل مصرف انرژی و حداکثر آسایش حرارتی با دو روش تحلیل پارامتریک و الگوریتم ژنتیک در سه اقلیم تهران، بندرعباس و تبریز بررسی شده است. همچنین حساسیت نتایح به دست آمده نسبت به تراکم بافت شهری ارزیابی شده است. نتایج نشان داده اند که در روش پارامتریک ساختمانی با فرم  مستطیل در  جهت گیری جنوبی با 40% سطح پنجره در دو شهر تهران و تبریز مناسب است. از طرف دیگر تنها در شهر بندرعباس تراکم بافت شهری زیاد در هر دو بخش انرژی وآسایش مناسب است و در دو شهر تهران و تبریز تراکم بافت شهری کم به عنوان الگوی شهری برگزیده انتخاب می شود. متغیرهای معماری: درصد پنجره، ساختار پنجره، فرم ساختمان به ترتیب با 4/15، 9/9 و 8/8 (درصد)  بیشترین میزان حساسیت را با استفاده از روش پارامتریک در بخش انرژی نمایش داده اند. این در حالی ست که در بخش بهینه سازی مصرف انرژی، شهرهای تهران، بندرعباس و تبریز به ترتیب با میزان 16، 6 و 23 (درصد) حساسیت در متغیرهای معماری در روش  الگوریتم ژنتیک را نشان می دهند. با بررسی هر دو  روش بهینه سازی، الگوریتم ژنتیک نسبت به پارامتریک در بخش ارزیابی مصرف انرژی و عملکرد حرارتی دارای  شاخص حساسیت بالاتر به میزان 9.4 و 23.3 درصد به ترتیب است. از طرف دیگر روش پارامتریک با ایجاد روندی مرحله به مرحله، نتایج تصمیمات طراح را در گام های نخستین از وضعیت حرارتی و مصرف انرژی  به واسطه ی  تغییر در هر یک از متغیر های معماری ساختمان  آشکار می سازد.
۲۳۹.

هدف گذاری تورمی متناسب با رشد اقتصادی با استفاده از کنترل بهینه و الگوریتم ژنتیک در برنامه چهارم توسعه(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات اقتصادی دوره ۴۸ زمستان ۱۳۹۲ شماره ۴ (پیاپی ۱۰۵) 167 - 188

کلیدواژه‌ها: الگوریتم ژنتیک تابع زیان اجتماعی رشد اقتصادی کنترل بهینه هدف گذاری تورمی

حوزه های تخصصی:
تعداد بازدید : ۹۴ تعداد دانلود : ۹۱
یکی از مهم ترین متغیرهای مورد توجه سیاست گذاران در هر کشور نرخ تورم است. در نظام هدف گذاری تورم، تورم پایین و باثبات هدف اصلی سیاست به صورت صریح و مستقیم است. از سویی ثبات قیمت ها، که از نتایج مهم هدف گذاری تورمی است، شرط لازم برای دستیابی به سطوح پایدار رشد اقتصادی تلقی می شود. بر این اساس، در نظر داریم با استفاده از روش کنترل بهینه به بررسی هدف گذاری تورمی متناسب با رشد اقتصادی طی برنامه چهارم توسعه بپردازیم. این کار را از طریق مینیمم سازی تابع زیان اجتماعی، به منزله تابع هدف، با استفاده از الگوریتم ژنتیک و تابع GA مقید انجام می دهیم. قید تابع با استفاده از روش اقتصادسنجی رگرسیون های به ظاهر نامرتبط (SUR) برآورد می شود. برای سنجش اثرگذاری متغیرهای کنترل در متغیرهای وضعیت به طرح سناریوهای مختلف اقدام می کنیم؛ در نهایت مشخص می شود که طی برنامه چهارم توسعه، ابزارهای سیاست پولی در مقایسه با ابزارهای سیاست مالی از درجه اثرگذاری بیشتری برخوردارند.
۲۴۰.

مقایسه اثر روش های بهینه یابی و برآورد بازده مورد انتظار بر سبد بهینه سهام(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات اقتصادی دوره ۴۹ بهار ۱۳۹۳ شماره ۱ (پیاپی ۱۰۶) 45 - 68

کلیدواژه‌ها: الگوریتم ژنتیک بهینه سازی سبد سهام شبکه عصبی مدل مارکویتز

حوزه های تخصصی:
تعداد بازدید : ۲۵۵ تعداد دانلود : ۱۰۳
در این مقاله نتایج دو روش بهینه سازی سبد سهام (روش متعارف کلاسیک و فراابتکاری ژنتیک) با استفاده از دو روش برآورد نرخ ها ی بازده مورد انتظار (شبکه ها ی عصبی و میانگین بازده تاریخی) در مدل مارکویتز با هم مقایسه شده اند. بازار سرمایه مورد مطالعه در این تحقیق بورس اوراق بهادار تهران با داده ها ی هفتگی شهریور 1389 تا شهریور 1390 است. نتایج نشان می دهند با اینکه دو روش کلاسیک و ژنتیک وزن ها ی مختلفی برای تشکیل سبد سرمایه گذاری توصیه می کنند، ترکیب آن ها سطح ریسک و بازده تقریباً یکسانی دارند. با توجه به اینکه حل مسائل با ابعاد خیلی بزرگ با روش کلاسیک مشکل و زمان بر است، الگوریتم ژنتیک روش جایگزین مناسبی برای حل مدل ها ی پیچیده تشکیل سبد سهام است. بازده حاصل از سبد سهام برای چهار زمان پیش بینی با استفاده از بازده ها ی مورد انتظار شبکه عصبی و میانگین بازده تاریخی نشان می دهد، روش شبکه عصبی در 3 ماه ابتدایی بهتر از روش میانگین بازده تاریخی عمل کرده است.