مطالب مرتبط با کلیدواژه

الگوریتم ژنتیک


۲۴۱.

برآورد نرخ رجحان زمانی در ایران با استفاده از الگوریتم بازگشتی(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات اقتصادی دوره ۴۹ تابستان ۱۳۹۳ شماره ۲ (پیاپی ۱۰۷) 267 - 294

کلیدواژه‌ها: اقتصاد ایران الگوریتم ژنتیک امید به زندگی پس انداز نرخ رجحان زمانی

حوزه های تخصصی:
تعداد بازدید : ۲۵۸ تعداد دانلود : ۱۰۸
نرخ رجحان زمانی به منظور تنزیل کردن مطلوبیت لحظه ای در الگوهای رشد، همچنین در محاسبه نرخ تنزیل اجتماعی در تحلیل هزینه- فایده استفاده می شود. در مطالعات انجام شده در ایران این نرخ به صورت ضریب ثابت محاسبه شده است، اما به لحاظ نظری با گذشت زمان تغییر می کند. به منظور رفع این خلأ در مقاله حاضر، الگوریتم جدیدی برای برآورد نرخ رجحان زمانی به صورت پارامتر غیرثابت پیشنهاد شده است. پس از بسط الگوریتم، به برآورد سری زمانی نرخ ترجیحات برای ایران طی دوره 1344- 1389 پرداخته ایم. در الگوریتم بسط داده شده با توجه به مبانی نظری، نرخ ترجیحات تابعی از مصرف در نظر گرفته شده و با روش بازگشتی مقادیر مختلف نرخ رجحان در سال های مختلف محاسبه شده است. پس از این مرحله، با استفاده از فیلترینگ و با توجه به تأثیر نرخ ترجیحات در پس انداز، مقادیر این نرخ طی زمان با کمک مقادیر اولیه محاسبه شده است. به منظور انتخاب مقدار اولیه در این الگوریتم، نرخ رجحان زمانی تابعی از امید به زندگی در نظر گرفته شده است. نرخ رجحان زمانی در دوره تحت بررسی برای اقتصاد ایران به طور متوسط 38 / 2 درصد به دست آمده است. همچنین، این نرخ بین سال های 1355- 1367 روندی صعودی داشته است که می تواند به علت جنگ و نااطمینانی های مربوط به سال های نزدیک انقلاب باشد. بر اساس محاسبات صورت گرفته این نرخ پس از جنگ تحمیلی طی دوره 1368- 1389 دارای روندی نزولی بوده است.
۲۴۲.

برآورد سری زمانی ارزش سطح دانش در اقتصاد ایران (1353-1392)(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات اقتصادی دوره ۵۱ پاییز ۱۳۹۵ شماره ۳ (پیاپی ۱۱۶) 709 - 734

کلیدواژه‌ها: سطح دانش مخارج R&D الگوریتم ژنتیک متغیرهای غیرقابل مشاهده اقتصاد ایران

حوزه های تخصصی:
تعداد بازدید : ۲۳۲ تعداد دانلود : ۹۸
در متون جدید مخارج تحقیق و توسعه ( R&D ) نقشمهمی در رشد اقتصادیایفا می کند. سرمایه گذاری در بخش تحقیق و توسعه سبب افزایش سطح دانش و افزایش سطح دانش، افزایش بهره وری را درپی داشت و از کانال افزایش بهره وری رشد اقتصادی بهبود می یابد. در مطالعات بسیاری که در زمینه تحقیق و توسعه انجام گرفته، از داده های واحدی برای این متغیر استفاده نشده است. دلیل این امر گزارش نشدن نیروی کار و همچنین سطح سرمایه در بخش تحقیق و توسعه (با دلیل پیچیدگی محاسبات و اندازه گیری های این متغیر غیرقابل مشاهده) می باشد. در این مطالعه اولا سری زمانی سرمایه و نیروی کار در دوره های مختلف در بخش R&D محاسبه و پس از آن سطح دانش به عنوان یک متغیر غیرقابل مشاهده در تولید در نظر گرفته شده و با بسط یک الگوریتم بازگشتی چند هدفه سری زمانی برای ارزش دانش طی دوره 1353-1392 برآورد شده است. محاسبات انجام گرفته می تواند راه گشایی برای مطالعات بسیار مهم در آینده باشد. ذکر این نکته ضروری است که تمام برنامه نویسی الگوریتم بازگشتی بسط داده شده در نرم افزار متلب به صورت نرم افزاری نوشته شده است و برای کشورهای مختلف قابل بسط است. طبقه بندی : Q30 ,C61 ,C49 ,C15
۲۴۳.

ارائه مدل تشخیص نقاط بازگشتی بازارهای سرمایه با استفاده از تحلیل تکنیکال مبتنی بر منطق فازی(مقاله علمی وزارت علوم)

نویسنده:
منبع: جامعه شناسی سیاسی ایران سال اول پاییز ۱۳۹۷ شماره ۳ 208 - 227

کلیدواژه‌ها: نقاط بازگشتی بازارسرمایه منطق فازی الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۴۲۲ تعداد دانلود : ۹۰
استراتژی حرکات قیمتی بیشتر به دنبال یافتن سطوح و محدوده های بازگشتی است. این محدوده ها می توانند بازگشت از اصلاح روند باشند یا بازگشت بازار به دلیل خاتمه روند و یا بازگشت بازار از کف یا سقف دامنه نوسانی باشند.هدف از انجام این پژوهش ارائه مدل تشخیص نقاط بازگشتی بازارهای سرمایه با استفاده از تحلیل تکنیکال مبتنی بر منطق فازی، می باشد. پژوهش حاضر از منظر اهداف آن، یک پژوهش کاربردی است بدین معنی که به دنبال بدست آوردن دانش لازم برای تعیین ابزاری است که به وسیله آن، نیاز سهامداران به موارد بسیار مهمی از جمله تشخیص نقاط بازگشتی که در تصمیم گیری ها برای خرید و فروش ها از اهمیت بسزایی برخوردار است، برطرف شود. همچنین از آنجا که به دنبال یافتن روابطی بین متغیرها در راستای تشخیص نقاط بازگشتی هستیم و تاثیر تغییرات آن ها در نتیجه کل را ارزیابی می-کنیم، این پژوهش از منظر نحوه انجام آن؛ یک پژوهش علّی یا آزمایشی خواهد بود. همچنین از منظر نوع داده ها، یک پژوهش با داده های کمی خواهد بود. همچنین از منظر زمان اجرا، یک پژوهش مقطعی و به دنبال آن آینده نگر می-باشددر این پژوهش، از منطق فازی و الگوریتم ژنتیک به منظور ارائه روشی در راستای تشخیص نقاط بازگشتی در بازارهای مالی استفاده شد. به همین منظور از یک سیستم فازی mamdani استفاده شده است. . پس از پیاده سازی ساختار پیشنهادی، ارزیابی توابع عضویت بهینه سازی شده در راستای تضمین همراستا بودن این توابع با مطلوب پژوهش (تعیین نقاط بازگشتی) به انجام رسید.
۲۴۴.

ارائه یک الگوریتم ژنتیک جهت حل مسئله جهت یابی با افق زمانی وابسته به منظور بهینه سازی مسائل حمل و نقل شهری(مقاله علمی وزارت علوم)

نویسنده:
منبع: اقتصاد و مدیریت شهری سال دهم بهار ۱۴۰۱ شماره ۳۸ ۱۸-۱

کلیدواژه‌ها: حمل و نقل شهری بهینه سازی ریاضی مسئله جهت یابی الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۳۵۰ تعداد دانلود : ۱۵۵
مسئله جهت یابی گونه ای از مسائل کلاسیک حوزه حمل و نقل قلمداد می شود که هدف آن، یافتن بهترین مسیر جهت بازدید مجموعه ای از رئوس مفروض می باشد، مشروط بر آن که طول مسیر از یک افق زمانی مشخص بیشتر نشود. از زمان پیدایش این مسئله، پژوهشگران متعددی با بهره گیری از ساختار خاص آن، اقدام به مدل سازی و حل مسائل متنوعی در حوزه های مختلف از جمله موضوعات و مشکلات حوزه حمل و نقل شهری کرده اند. به دلیل ماهیت NP-Hard مسئله، در این مقاله الگوریتم ژنتیک با درجه تصادفی بسیار بالا برای حل گونه ای جدید از این مسئله با عنوان مسئله جهت یابی با افق زمانی وابسته ارائه شده است. الگوریتم ژنتیک پیشنهادی از دو عملگر ترکیب و تلفیق و دو عملگر جهش استفاده کرده است که در این مقاله جهت نشان دادن همگرایی آن، بهترین جواب های موجود در ادبیات برای ۴۰ مثال استاندارد مسئله جهت یابی، ملاک عمل قرار گرفته است؛ بدین صورت که جواب های حاصل از حل این مثال ها با استفاده از الگوریتم پیشنهادی با آن ها مقایسه شده است و به دلیل عملکرد مطلوب الگوریتم، الگوریتم مذکور برای حل مسئله جهت یابی با افق زمانی وابسته به کار گرفته شده است.
۲۴۵.

ارائه مدلی جهت ارزیابی ریسک های ایمنی به منظور افزایش مدیریت بهره وری در پروژه های ساختمانی با به کارگیری سیستم خبره فازی و الگوریتم ژنتیک(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت بهره وری سال شانزدهم پاییز ۱۴۰۱ شماره ۶۲ 99 - 122

کلیدواژه‌ها: ریسک ایمنی مدیریت بهره وری سیستم خبره منطق فازی الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۲۹۹ تعداد دانلود : ۱۳۵
امروزه صنعت ساختمان سهم قابل توجهی در اقتصاد دارد و به عنوان صنعت پیشران و اشتغال زا محسوب می شود. با توجه به فعالیت های متنوع و گاهی خطرآفرین در طول انجام عملیات ساختمانی، احتمال وقوع خطرات و آسیب هایی جانی و مالی وجود دارد که کنترل و کاهش این خطرات می تواند در موفقیت پروژه بسیار تأثیرگذار باشد. در پژوهش حاضر، مدلی جهت ارزیابی ریسک های ایمنی پروژه های ساختمانی ارائه گردیده و از ابزارهای نو و قدرتمندی همچون سیستم خبره فازی بهبود یافته با الگوریتم ژنتیک بهره گرفته شده است. ازاین رو در ابتدا عوامل اصلی تأثیرگذار در ایمنی پروژه های ساختمانی با مطالعه پیشینه موضوع و مشاوره با افراد خبره به دست آمد. سپس پرسش نامه ای جهت کسب نظرات خبرگان و جهت ارزیابی میزان شدت اثر ریسک و احتمال وقوع هر یک از ریسک ها در اختیار خبرگان قرار گرفت. بر اساس نظرات خبرگان، سیستم خبره ای جهت ارزیابی ریسک ها به دست آمد که به جای استفاده از منطق صفر و یکی حاکم بر سیستم های خبره، از منطق فازی استفاده گردیده است. در مدل پیشنهادی جهت بهبود عملکرد سیستم خبره فازی، از الگوریتم ژنتیک به عنوان یک بهینه ساز استفاده شده است. نتایج تحقیق حاکی از کارایی مطلوب مدل پیشنهادی در ارزیابی ریسک های ایمنی پروژه های ساختمانی بوده، به نحوی که میزان خطای مدل قابل قبول است. همچنین مدل می تواند ابزاری کارآمد برای مدیران پروژه در ارزیابی و پالایش وضعیت ایمنی در کارگاه ساختمانی را ارائه نماید. با افزایش ایمنی و سازماندهی آن، ریسک تعطیلی کارگاه ها به علت فقدان ایمنی کم شده و مدیریت بهره وری در کارگاه های ساختمانی افزایش می یابد.
۲۴۶.

فناوری مدرن در حسابداری

نویسنده:
منبع: رویکردهای پژوهشی نوین در مدیریت و حسابداری سال ۶ تابستان ۱۴۰۱ شماره ۲۱ 983-993

کلیدواژه‌ها: حسابداری هوش مصنوعی سیستم خبره الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۵۱۰ تعداد دانلود : ۱۱۵
یکی از وظایف اصلی هر حسابدار و بخش حسابداری در یک فعالیت اقتصادی، جمع آوری و تجزیه و تحلیل مجموعه ای از اطلاعات و داده های مالی می باشد. در گذشته این امر صرفاً توسط حسابداران و با قلم و کاغذ و بدون کمک گرفتن از فناوری انجام می شد. با گسترش فناوری در همه عرصه های زندگی و کار، امروزه بسیاری از ابزارهای و فناوری های به کمک حسابداران آمده اند تا آنها بتوانند با سرعت و دقت بیشتری تحلیل های دقیقی بر فعالیتهای مالی موسسه خود داشته باشند و فعالیتهای تکراری خود را به رایانه واگذار کنند. یکی از برجسته ترین ابزارها در این فناوری هوش مصنوعی است. هوش مصنوعی یک اصطلاح علمی کامپیوتری است که توانایی رایانه را برای تکرار توانایی های یادگیری، ارزیابی، حل مسئله و تصمیم گیری انسان ها توصیف می کند، با استفاده از این فناوری در ساخت تجهیزات مختلف، می توان رفتارهای شبه انسانی را تقلید کرد و به این ترتیب، کارها را با سرعت بیشتری انجام داد، یا به عبارتی دیگر شبیه سازی ویژگی های انسانی از طریق سیستم های کامپیوتری می باشد. سیستم های خبره، الگوریتم ژنتیک، شبکه های عصبی و منطق فازی از مهمترین مباحث هوش مصنوعی است که در حسابداری مورد استفاده قرار می گیرند و در مقاله تلاش میشود پس از تعریف هوش مصنوعی و کاربردآن در حسابداری به این مباحث پرداخت.
۲۴۷.

مدل تلفیقی چند هدفه و اقتصادسنجی جهت بهینه سازی پرتفوی سهام(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش های حسابداری مالی و حسابرسی سال ۱۴ تابستان ۱۴۰۱ شماره ۲ (پیاپی ۵۴) 263 - 292

کلیدواژه‌ها: پرتفوی بهینه اقتصادسنجی گارچ چند متغیره ریسک نقدشوندگی الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۳۳۱ تعداد دانلود : ۱۵۱
برای رشد و توسعه کشورها، بنگاه ها و حتی افراد جامعه، سرمایه گذاری از جانب آنها امری ضروری و حیاتی است و برای بهره گیری و اثربخشی بیشتر، این سرمایه گذاری ها میبایست بهینه باشد. از زمان معرفی تئوری مارکویتز و حتی قبل از آن، مفهوم سرمایه گذاری بهینه به عنوان مصالحه ای بین ریسک و بازده، مورد توجه قرار گرفته بود. در طول چندین دهه بعد از آن، تعابیر و ابعاد جدیدی از معیارهای بهینه و خصوصاً ریسک مطرح شده است. در این مقاله سعی شده است با ارائه مدلی از ریسک نقدشوندگی با بهره گیری از مفهوم متنوع سازی در قالب آنتروپی شانون و رویکرد اقتصادسنجی، سبد بهینه ای از سرمایه گذاری با کمترین ریسک و بیشترین بازده، در قالب یک پرتفوی از 4 گروه صنعتی بورس تهران شامل گروههای فلزات اساسی، بانکها، فرآورده های نفتی و کانه های فلزی که بیشترین ارزش بازار بورس ایران را در اختیار دارند، ارائه شود. داده های آماری این پژوهش برای صنایع منتخب، شامل بازده شاخص قیمتی روزانه و بازده شکاف قیمتی روزانه در فاصله سال های 1395 تا پایان سال 1399 است. برای محاسبه ریسک نقدشوندگی، با استفاده از روشهای گارچ چند متغیره ، ماتریس واریانس-کوواریانس بازده شاخص قیمتی و شکاف قیمتی، محاسبه و در مدل ارائه شده، استفاده شده و نهایتاً وزن بهینه با استفاده از کد نویسی در نرم افزار متلب و استفاده از روش بهینه سازی الگوریتم ژنتیک رتبه بندی نامغلوب نسخه دوم ، برای صنایع منتخب محاسبه شده است. نتایج خروجی مدل نشان می دهند وزن بهینه گروه هایی که واریانس کمتری دارند در سبد بهینه بیشتر است. ضمن اینکه تاثیر حذف مفهوم نقدشوندگی از مدل منجر به افزایش وزن صنایعی می شود که نقدشوندگی کمتری دارند و به همراه افزایش ریسک، بازده پرتفوی بهینه نیز در این حالت افزایش می یابد. همچنین با حذف محدودیت شاخص متنوع سازی شانون، نتایج خروجی نشان می دهند این محدودیت تقریباً تاثیری بر اوزان بهینه (حداقل در این مدل) نمی گذارد.
۲۴۸.

بکارگیری شبکۀ هوش مصنوعی و مدل شبکۀ بی زین برای پیش بینی ریسک نقدینگی در صنعت بانکداری(مقاله علمی وزارت علوم)

نویسنده:
منبع: بورس اوراق بهادار سال پانزدهم پاییز ۱۴۰۱ شماره ۵۹ 81 - 100

کلیدواژه‌ها: ریسک نقدینگی شبکه هوش مصنوعی مدل شبکه بیزین الگوریتم ژنتیک الگوریتم لونبرگ مارکوارت

حوزه های تخصصی:
تعداد بازدید : ۳۰۱ تعداد دانلود : ۲۴۰
بانکهایی که در محیط اقتصادی کنونی فعالیت می نمایند باید با طیف وسیعی از ریسک هایی که در تعقیب آنها هستند مقابله نمایند. چنانچه نقدینگی را در دسترس بودن وجه نقد یا معادلهای نقد در نظر بگیریم، می توانیم ریسک نقدینگی را ریسک زیان ناشی از فقدان نقدینگی یا معادل نقد و یا بطور دقیق تر ریسک زیان ناشی از عدم توانایی در تأمین منابع مالی مورد نیاز در سطح معقول اقتصادی و یا اجبار به فروش دارایی یا توثیق آن به منظور پوشش تعهدات خواسته یا ناخواسته قلمداد کرد. در این پژوهش با بررسی عملکرد فصلی 10 ساله (1389 -1399) 23 بانکهای پذیرفته شده در بورس اوراق بهادار تهران و فرابورس ایران با استفاده از شبکه هوش مصنوعی مدلی برای پیش بینی ریسک نقدینگی بانکها ارایه شده است. در این پژوهش با استفاده از الگوریتم لونبرگ مارکوارت (LM) و الگوریتم ژنتیک بهترین روش آموزش انتخاب و سپس به منظور بهینه سازی متغیرهای مستقل ورودی مدل، الگوریتم تحلیل مولفه اصلی (PCA) بکار گرفته شده است. در نهایت پس از تعیین تعداد لایه های بهینه نهانی و بهره گیری از شبکه مدل بیزین (BN) شبکه عصبی طراحی و ریسک نقدینگی بانکهای پذیرفته شده در بازار سرمایه کشور مدل سازی و نتایج تحلیل یافته های حاصل از پیش بینی این مدل ارایه شده است.
۲۴۹.

پیش بینی شوک منفی قیمت سهام با تأکید بر نسبت های مالی(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش های حسابداری مالی و حسابرسی سال ۱۴ پاییز ۱۴۰۱ شماره ۳ (پیاپی ۵۵) 181 - 204

کلیدواژه‌ها: شوک منفی قیمت سهام رگرسیون الگوریتم ژنتیک الگوریتم بهینه سازی ازدحام ذرات

حوزه های تخصصی:
تعداد بازدید : ۲۰۳ تعداد دانلود : ۱۲۵
براساس تحقیقات بازار سرمایه، شوک منفی قیمت سهام در هر بازار تابع عوامل محیطی و ویژگی های خاص شرکتی بوده و هر بینشی درمورد چگونگی تشریح و پیش بینی شوک، می تواند بر تصمیمات سرمایه گذاران و فعالان حاضر در بورس اثرگذار باشد. در این پژوهش بر اساس داده های مرتبط با 140 شرکت ها اقدام به پیش بینی شوک قیمتی سهام با تأکید بر نسبتهای مالی شده است. به منظور انتخاب متغیرهای بهینه از مجموعه 96 متغیر، از دو الگوریتم تکاملی بهینه سازی ازدحام ذرات و الگوریتم ژنتیک استفاده شده است. پس از به کارگیری الگوریتمهای ذکرشده درنهایت 8 متغیر تأثیرگذار بر شوکهای دائم و موقت استخراج گردید که در مدل رگرسیونی باقیمانده مستحکم در تحقیق تأثیر آنها بر متغیر پیشبینی شونده شوک بررسی گردید. نتایج حاصل از RSME مدلهای بررسی شده بهترتیب برای شوک دائم (الگوریتم ژنتیک)، شوک دائم (الگوریتم تکاملی بهینه سازی ازدحام ذرات)، شوک موقت (الگوریتم ژنتیک) و شوک موقت (الگوریتم تکاملی بهینه سازی ازدحام ذرات)، 5.8433، 5.6284، 7.537 و 7.295 میباشد. همان طور که مشاهده میشود RSME در شوک دائم براساس الگوریتم ژنتیک، بیشتر از RSME مدل شوک دائم براساس الگوریتم تکاملی بهینه سازی ازدحام ذرات میباشد. همچنین در مدل شوک موقت براساس الگوریتم ژنتیک RSME مدل، بیشتر از RSME مدل شوک موقت براساس الگوریتم تکاملی بهینه سازی ازدحام ذرات میباشد. بنابراین می توان بیان نمود که رگرسیون برآورد شده بر اساس متغیرهای انتخابی از الگوریتم تکاملی بهینه سازی ازدحام ذرات دارای RSME پایین تر بوده و قدرت پیش بینی کنندگی بهتری نسبت به متغیرهای انتخابی از الگوریتم ژنتیک دار
۲۵۰.

بهینه سازی کاربری زمین با استفاده از الگوریتم فرا ابتکاریِ جست و جوی هارمونیک (مطالعه موردی: محله ی بابلدشت شهر اصفهان)(مقاله علمی وزارت علوم)

نویسنده:
منبع: آمایش محیط سال یازدهم تابستان ۱۳۹۷شماره ۴۱ 93 - 114

کلیدواژه‌ها: الگوریتم جست وجوی هارمونیک الگوریتم ژنتیک بهینه سازی کاربری زمین محله ی بابلدشت اصفهان

حوزه های تخصصی:
تعداد بازدید : ۱۳۳ تعداد دانلود : ۱۰۶
برنامه ریزی کاربری زمین به دنبال تخصیص کاربری های مختلف به منبع ارزشمند و محدود زمین به طور بهینه بوده که با استفاده ی حداکثری از آن بیش ترین مطلوبیت را برآورده کرده و اهداف برنامه ریزی کاربری زمین را تا بالاترین میزان محقق سازد. با توجه به تعدد اهداف مطرح در تخصیص کاربری زمین، لازم است تا نوعی سازش میان این اهداف به وجود آمده، به گونه ای که هر یک از اهداف متناسب با اولویت خود تا حد مشخصی تحقق یابند و آرایش بهینه ی کاربری ها حاصل گردد. بهینه سازی تخصیص کاربری، روشی است که امکان حل چنین مسائلی را فراهم می آورد. به دلیل پیچیدگی بسیار بالای مسئله ی      بهینه سازی کاربری زمین، چه از نظر تعدادِ اهداف و چه از نظر اندازه و زمانِ حلِ مسئله، حل این مسئله بر الگوریتم های فراابتکاری تکیه دارد. در پژوهش حاضر، الگوریتم جست وجوی هارمونیک برای بهینه سازی تخصیص کاربری زمین توسعه یافته است. اهداف بهینه سازی سه هدف: بیشینه سازی سازگاری، بیشینه سازی فشردگی، و بیشینه سازی تناسب اراضی را در بر می گیرد. قابلیت این الگوریتم در تخصیص بهینه ی هفت گونه ی کاربری، مورد آزمون قرار گرفته و نتایج آن با الگوریتم ژنتیک مقایسه شده است. مقایسه ی انجام شده نشان می دهد که الگوریتم جست و جوی هارمونیک، از کارآیی (68 درصد) و کیفیت بالاتری (27.7 درصد) نسبت به الگوریتم ژنتیک برخوردار در حل مسئله ی طرح شده در این پژوهش برخوردار است. نتایج نشان می دهند که با به کارگیری الگوریتم پیشنهادی، میزان مطلوبیت کل در گزینه ی بهینه 54.07 درصد بالاتر از وضع موجود کاربری ها در مطالعه ی موردی می باشد.
۲۵۱.

بخش بندی مراکز تجاری گردشگری شهر مشهد با رویکرد ترکیبی الگوریتم ژنتیک و تحلیل خوشه ای فازی(مقاله علمی وزارت علوم)

نویسنده:
منبع: برنامه‏‏ ریزی و توسعه گردشگری سال پنجم تابستان ۱۳۹۵ شماره ۱۷ 146 - 168

کلیدواژه‌ها: گردشگری مراکز تجاری تحلیل خوشه ای C - mean فازی الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۱۰۲ تعداد دانلود : ۸۲
سیستم گردشگری هر مکان کلیتی است، مشتمل بر بخش ها، اجزاء و عناصر متعدد و پیچیده که در ارتباط متقابل با یکدیگر و برخورداری از شبکه، سلسله مراتب، ساختار و کارکرد، جایگاه خود را در بازار رقابتی به دست می آورد. در این راستا مشهد مقدس به عنوان قطب گردشگری مذهبی ایران سالانه میزبان میلیون ها نفر از زائرین داخلی و خارجی می باشد که در کنار زیارت حرم مطهر حضرت علی بن موسی الرضا علیه السلام به امور درمانی، تفریحی، خرید و تجاری نیز می پردازند. بنابراین مشهد به عنوان کلان شهر مذهبی و اقتصادی باتوجه به دارا بودن مراکز تجاری گردشگری متعدد از دیرباز به عنوان اهداف خرید تجاری گردشگران مورد توجه بوده است. این تحقیق با استفاده از نگاه سیستمی به گردشگری، اقدام به استخراج شاخص های جذب گردشگران به مراکز تجاری و خوشه بندی 20 مرکز تجاری مشهد با استفاده از الگوریتم خوشه بندی C-mean فازی و الگوریتم ژنتیک می نماید. یافته های تحقیق بر مبنای ابعاد عرضه، تقاضا و واسطه های خرید منجر به تشکیل چهار خوشه با نام های مراکز تجاری گردشگری سنتی، مدرن، مشهور و تفریحی- تجاری گردید که هریک از مراکز مورد بررسی با درجات عضویت متفاوتی به این خوشه ها تعلق دارند. همچنین به منظور بررسی تفاوت نتایج روش ه ای خوشه بندی، از آزمون تحلیل واریانس چند متغیره استفاده شد که نتایج موید عدم تفاوت معنادار بین روش های خوشه بندی انجام شده می باشد.
۲۵۲.

بخش بندی کسب و کارهای گردشگری پزشکی ایران از دید بیماران خارجی(مقاله علمی وزارت علوم)

نویسنده:
منبع: برنامه‏‏ ریزی و توسعه گردشگری سال پنجم پاییز ۱۳۹۵ شماره ۱۸ 54 - 72

کلیدواژه‌ها: کسب و کارهای گردشگری پزشکی خوشه بندی فازی الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۱۱۱ تعداد دانلود : ۶۹
گردشگری پزشکی امروزه به یک صنعت تبدیل شده و برای اقتصاد بسیاری از کشورها که پتانسیل پذیرش بیماران را دارند، صنعتی ارزشمند است. گردشگری پزشکی نوعی از گردشگری سلامت است که با هدف درمان بیماری های جسمی یا انجام نوعی از عمل های جراحی تحت نظارت پزشکان در بیمارستان ها و مراکز درمانی انجام می شود. در این نوع از گرشگری سلامت، بیمار ممکن است پس از درمان و معالجه نیازمند استفاده از فضاها و خدمات گردشگری باشد. در این صورت ممکن است گردشگری او با سفر به نقاطی که این امکانات را دارند تکمیل شود. هدف این پژوهش خوشه بندی کسب وکارهای گردشگری پزشکی جهت جذب تعداد بیشتری گردشگر پزشکی به ایران است. به این منظور، ابتدا با مطالعه ادبیات موضوع و مصاحبه با متخصصین، کسب وکارهای گردشگری پزشکی، ویژگی های آنها شناسایی گردید. در مرحله بعد با بکارگیری الگوریتم ژنتیک تحلیل خوشه ای فازی انجام شد. نمونه آماری این پژوهش را 101 نفر از بیماران خارجی مراجعه کننده به چهار بیمارستان در شهر تهران تشکیل می دهند. یافته های تحقیق نشان می دهد که اولاً، برخی از بیماران خارجی به دلیل درجه عضویت نزدیک، بطور همزمان عضو چند خوشه می باشند. ثانیاً، باتوجه به مراکز خوشه ها، خوشه دو و سه از حیث نوع کسب وکارهای گردشگری پزشکی و ویژگی های آنها در سطح متوسط ولی خوشه یک در سطح پایین می باشند. و در نهایت  اگر چه برای گردشگران پزشکی جاذبه اولیه، خدمات پزشکی است، اما جهت جذب هر چه بیشتر گردشگر پزشکی و رقابت فعال در این صنعت باید توجه به سایر خدمات و تسهیلات گردشگری (خدمات غذا و آشامیدنی، خدمات رفاهی، مراکز رفاهی و...) بیشتر شود.
۲۵۳.

جهت گیری بهینه ساختمان باهدف سایه اندازی مطلوب و کاهش مصرف انرژی (نمونه موردی خانه موسیقی تهران)

نویسنده:
منبع: پژوهش های معماری نوین دوره دوم تابستان ۱۴۰۱ شماره ۲ (پیاپی ۴) 65-80

کلیدواژه‌ها: جهت گیری بهینه مصرف انرژی سایه اندازی الگوریتم ژنتیک بهینه سازی

حوزه های تخصصی:
تعداد بازدید : ۲۳۸ تعداد دانلود : ۱۲۴
روند رو به افزایش رشد جمعیت، بحران انرژی و رو به اتمام بودن منابع انرژی در کره زمین، همگی هشدارهایی هستند برای تمامی علوم و در تمام زمینه ها و حرفه ها، برای کمک به پایداری وضع موجود. ازآنجایی که مقدار زیادی از مصرف انرژی در دنیا صرف مصارف ساختمانی می گردد و از این میزان مقدار قابل توجهی صرف بار سرمایش و گرمایش و ایجاد آسایش حرارتی در ساختمان می گردد، توجه و مطالعه در این زمینه به شدت موردتوجه می باشد. در این پژوهش با انتخاب یک ساختمان به عنوان نمونه موردی، میزان تابش نور خورشید دریافتی توسط سطوح عمودی، بررسی شده است؛ و در ادامه با استفاده از روش شبیه سازی و نرم افزارهای مرتبط، به طور بی درنگ زاویه های متفاوتی بین صفر تا 180 درجه چرخش برای ساختمان درنظر گرفته شده است تا زاویه قرارگیری ساختمان بهینه گردد. زاویه بهینه به این معنا که کمترین میزان انرژی خورشید در سطوح عمودی دریافت شود و بیشترین میزان سایه اندازی را داشته باشیم. در رابطه با میزان نور خورشید دریافتی در ساختمان و زاویه بهینه پژوهش هایی بالاخص در سال های گذشته انجام شده است که نرم افزار مورداستفاده و نیز اندازه گیری بر روی سطوح عمودی در شهر تهران در این تحقیق، به عنوان نوآوری پژوهش محسوب می گردد. نتایج زاویه بهینه را به همراه نمودارهای تحلیل انرژی ساختمان نمایش می دهد.
۲۵۴.

بررسی تاثیر طراحی پارامتریک پوسته ورونئی در بهبود بهره وری نور روز در ساختمان اداری در شهر شیراز(مقاله علمی وزارت علوم)

نویسنده:
منبع: نقش جهان سال دوازدهم زمستان ۱۴۰۱ شماره ۴ 141-116
تعداد بازدید : ۱۹۰ تعداد دانلود : ۱۲۲
اهداف: بررسی عملکرد و میزان تاثیر پوسته ساختمان بر مولفه های روشنایی طبیعی و دریافت تابش، به عنوان مولفه های موثر بر کیفیت فضای داخلی، درقالب طراحی یک پوسته با الگوریتم ورونوی، هدف اصلی مقاله است. ابزار و روش: با استفاده از الگوریتم ژنتیک و شاخص های روشنایی مفیدنور روز و انرژی دریافتی ازتابش خورشید، حالتهای بهینه از بین گزینه های طراحی پوسته ارایه شده اند. روش کار به صورت بهینه یابی چندهدفه -با استفاده ازالگوریتم ژنتیک رتبه بندی نامغلوب و مدل سازی پارامتریک در پلتفرم راینو و افزونه گرسهاپر با بهره گیری از ابزارهای آنالیز محیطی همچون انرژی پلاس و رادیانس برای محاسبات عددی- بوده است. طراحی پوسته دوم برای تمامی جهه هاحالات ممکن بررسی شدو برای هر جبهه به حالت بهینه نهایی دست یافتیم ودر انتها پوسته های طراحی انتخاب شده درسه حالتِ 1- بدون پوسته دوم، 2- لوورهای افقی و 3- ایجاد پوسته ورنوی؛ موردآنالیز و مقایسه قرار گرفتند. یافته ها: در حالت بهینه نهایی پوسته ورنوی به عنوان پوسته دوم میزان افزایش روشنایی مفید نور روز نسبت به حالت بدون پوسته دوم برابر با۶۳.۲۹ درصد افزایش و نسبت به حالت استفاده از لوور های افقی ۲۱.۰۲ درصد افزایش داشته است. همچنین استفاده از این ایده طراحی، میزان دریافت تابش خورشیددر مقایسه با حالت بدون پوسته دوم برابر با ۶۳.۸۶درصد کاهش و نسبت به حالت استفاده از لوورهای افقی به عنوان پوسته دوم ۱۵.۳۸ درصد کاهش یافته است. نتیجه گیری: پوسته طراحی شده حاصل فرایند بهینه سازی و استفاده از هندسه ورونویی عملکرد مناسبی در بهبود شاخص روشنایی مفید نور روز و کاهش دریافت تابش خورشید دارد.
۲۵۵.

امکان سنجی بهینه سازی هزینه ساخت و مصرف انرژی در ساختمان های تهران(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات کاربردی علوم جغرافیایی سال بیست و سوم پاییز ۱۴۰۲ شماره ۷۰ ۴۵۴-۴۲۵
تعداد بازدید : ۱۸۷ تعداد دانلود : ۲۷۶
ساختمانها یکی از ارکان اصلی توسعه اقتصادی، اجتماعی کشورها هستند که بخش زیادی از انرژی و منابع طبیعی را مصرف میکنند. هدف از نگارش این مقاله، محاسبه میزان انرژی مصرفی یک ساختمان در یکسال ، تعیین برچسب انرژی و سپس بهینه سازی برخی از ویژگیهای آن با هدف کاهش هزینه ساخت و کاهش مصرف انرژی فاز بهره برداریست. است. محدوده مورد مطالعه، ساختمانهای مسکونی متداول در شهر تهران میباشد. روش تحقیق برای رسیدن به این هدف بدین گونه میباشد: ابتدا با توجه به آمار صدور پروانه شهرداری تهران، یک ساختمان جنوبی 5 طبقه، در زمینی به مساحت 320متر مربع و با زیربنای حدود 1100 متر مربع انتخاب گردید که نماینده تعداد زیادی از ساختمانهای شهر تهران باشد. پس از آن با شبیه سازی ساختمان در نظر گرفته شده در نرم افزار دیزاین بیلدر، میزان گاز مصرفی، 53/145 کیلووات ساعت بر متر مربع، برق مصرفی، 25/81 کیلووات ساعت بر متر مربع و مجموعاً 79/226 کیلووات ساعت بر متر مربع در سال محاسبه گردید. با این میزان مصرف، با توجه به استاندارد 14253 ، ساختمان برچسب انرژی C دریافت میکند. سپس با هدف کاهش هزینه ساخت و مصرف انرژی دوران بهره برداری، اقدام به بهینه سازی با الگوریتم ژنتیک گردید. متغیرهای تحقیق، جنس دیوارخارجی(سفال یا لیکا)، نمای خارجی(سنگ یا آجر)، نوع شیشه پنجره(ساده یا کم گسیل)، نوع گاز بین لایه های شیشه پنجره(هوا یا ارگون) و نسبت پنجره به سطح جبهه جنوبی (15%-30%-45%-60%) بنا بودند. نتایج تحقیق حاکی از این است که بهینه ترین حالات ممکن برای نمای خارجی، سنگ، شیشه ها دوجداره کم گسیل همراه با گاز آرگون، جنس دیوار خارجی سفال با نسبت پنجره به سطح جبهه جنوبی، 5/22 % و یا لیکا، با نسبت پنجره به سطح جبهه جنوبی، 5/37 % میباشد. شماره ی مقاله: ۲۳
۲۵۶.

ارائه مدلی جهت پیش بینی بیماری دیابت با استفاده از شبکه عصبی(مقاله پژوهشی وزارت بهداشت)

نویسنده:
منبع: مدیریت سلامت دوره ۲۰ بهار ۱۳۹۶ شماره ۶۷ ۳۵-۲۴

کلیدواژه‌ها: دیابت تکنیک پشتیبان تصمیم گیری شبکه عصبی الگوریتم ژنتیک الگوریتم ممتیک

حوزه های تخصصی:
تعداد بازدید : ۱۸۷ تعداد دانلود : ۱۱۷
مقدمه: الگوریتم های فرا ابتکاری و ترکیبی از توانمندی بالایی در مدل سازی مسائل پزشکی برخوردارند. در این مطالعه از شبکه عصبی به منظور پیش بینی ابتلا به دیابت در میان افراد مستعد دیابت استفاده گردید. روش کار: پژوهش حاضر از نوع کاربردی و جامعه ی هدف آن متشکل از 545 فرد بیمار و سالم از مرکز دیابت دانشگاه علوم پزشکی همدان جمع آوری گردید جهت پیش بینی بیماری دیابت استفاده شده است. در این مطالعه از الگوریتم ممتیک که تلفیقی است از الگوریتم ژنتیک و الگوریتم جستجوی محلی است، به منظور به روز رسانی وزن های شبکه عصبی و توسعه دقت شبکه عصبی استفاده شده است. یافته ها: بررسی اولیه نشان داد که دقت شبکه عصبی، 88درصد، می باشد. بعد از بروز رسانی وزن ها با الگوریتم ممتیک دقت آن به 2/93درصد افزایش یافت. برای مدل پیشنهادی به ترتیب حساسیت، ویژگی، ارزش اخباری مثبت، ارزش اخباری منفی، مساحت زیر منحنی 2/96، 4/92، 8/93، 3/95، 958/0 برای مدل الگوریتم ژنتیک، 98، 8/84، 6/88، 2/98، 952/0 و برای مدل رگرسیون لجستیک، 6/95، 5/84، 7/94، 0/87، 916/0 به دست آمد. نتیجه گیری: بر اساس یافته های این پژوهش، مدل های شبکه های عصبی در مقایسه با مدل رگرسیون از میزان خطای کمتری در تشخیص بیماری بر اساس متغیرهای فردی و سبک زندگی برخوردارند. یافته های این مطالعه می تواند به برنامه ریزان و ارائه کنندگان خدمات سلامت در برنامه های غربالگری و تشخیص به موقع بیماری دیابت کمک می نماید.
۲۵۷.

بررسی و اولویت بندی چالش های اقتصادی پس از تحریم در حوزه بانکداری با رویکرد ترکیبی پرموتاسیون و الگوریتم ژنتیک

نویسنده:
منبع: اقتصاد دفاع و توسعه پایدار سال ۳ پاییز ۱۳۹۷ شماره ۹ 107 - 128

کلیدواژه‌ها: تحریم صنعت بانکداری چالش پرموتاسیون الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۹۱ تعداد دانلود : ۷۹
مجموعه اقداماتی که از سوی قدرت های جهان در جهت مجازات کشورها یا وادار کردن آن ها به انجام یا عدم انجام عملی وفق نظر آنان (کشورهای قدرت طلب) بکار گرفته می شود، تحریم نامیده می شود. کشور ایران 40 سال است که هدف سخت ترین این تحریم بوده و هست. در این مقاله، هدف محقق بررسی و شناسایی چالش های اقتصادی پس از ایجاد تحریم های ظالمانه در حوزه بانکداری است. برای این منظور پس از بررسی مبانی نظری و مصاحبه با برخی خبرگان این صنعت، 13 چالش اصلی شناسایی و پرسشنامه محقق ساخته تدوین شد. 10 تن از فعالان، مدیران و کارشناسان مجرب در حوزه صنعت بانکداری به سؤالات محقق پاسخ دادند. جهت اولویت بندی شاخص ها از رویکرد ترکیبی پرموتاسیون و الگوریتم ژنتیک با کد نویسی در نرم افزار متلب 17 استفاده شده است. تعداد تکرارها 1000 بار، نرخ جمعیت 5000 و نرخ تقاطع 3% مدنظر محقق بوده است.  نتایج تحقیق نشان داد که به ترتیب، عدم شفافیت اطلاعاتی در حوزه های تجاری، پولی و ارزی، عدم تجربه زیاد نظام بانکی کشور در حوزه ابزارهای جدید پولی و مالی و تسلط سیاستهای مالی دولت بر سیاست های پولی از جمله مهمترین چالش های صنعت بانکداری پس از تحریم هاست. در پایان پیشنهاد هایی ارائه شده است.
۲۵۸.

به کارگیری مدل داده کاوی هیبریدی (الگوریتم ژنتیک-موجک- شبکه عصبی عمیق- شبیه سازی مونت کارلو) برای پیش بینی قیمت محصولات کشاورزی: مطالعه موردی قیمت آتی زعفران در بورس کالای کشاورزی(مقاله علمی وزارت علوم)

نویسنده:
منبع: اقتصاد کشاورزی و توسعه سال ۳۰ زمستان ۱۴۰۱ شماره ۱۲۰ 73 - 105

کلیدواژه‌ها: پیش بینی قیمت آتی زعفران الگوریتم ژنتیک نظریه موجک شبکه عصبی عمیق روش مونت کارلو

حوزه های تخصصی:
تعداد بازدید : ۱۰۵ تعداد دانلود : ۹۱
پیش بینی قیمت و روند تغییرات آن از مهم ترین عوامل در تصمیم گیری و تدوین راهبرد های مربوط به محصولات کشاورزی است. هدف مطالعه حاضر ارائه یک مدل یا الگوی داده کاوی هیبریدی شامل مجموعه مدل های غیرخطی الگوریتم ژنتیک، تبدیل موجک، شبکه عصبی عمیق و روش مونت کارلو برای پیش بینی دقیق قیمت محصولات کشاورزی بود. این الگوی پیشنهادی از نوع هیبریدی دومرحله ای و مدل پایه هیبریدی غیرخطی- غیرخطی بود و در آن، از الگوریتم ژنتیک برای تعیین وقفه بهینه سری زمانی قیمت، از تابع موجک برای نوفه زدایی داده های قیمت، از شبکه عصبی عمیق برای پیش بینی قیمت، از روش مونت کارلو برای شبیه سازی محتمل ترین احتمال قیمت و در نهایت، از محاسبات پیچیده نرم برای انجام «پیش بینی خارج از نمونه با مجموعه داده های جدید» برای دوره زمانی دوم تا دهم اردیبهشت 1399 استفاده شد. نتایج مقایسه الگوی پیشنهادی «الگوریتم ژنتیک- تبدیل موجک- شبکه عصبی عمیق- مونت کارلو» با سه الگوی رقیب «الگوریتم ژنتیک-شبکه عصبی عمیق- مونت کارلو»، «الگوریتم ژنتیک- تبدیل موجک- شبکه عصبی ساده- مونت کارلو» و «الگوریتم ژنتیک- شبکه عصبی ساده- مونت کارلو»، با استفاده از معیارهای ارزیابی، نشان داد که الگوی پیشنهادی نسبت به سه الگوی رقیب دارای عملکرد بهتری در پیش بینی قیمت زعفران آتی است؛ همچنین، استفاده از شبکه عصبی عمیق در مقایسه با شبکه عصبی ساده و نیز به کارگیری نظریه موجک برای نوفه زدایی و استفاده از روش مونت کارلو برای شبیه سازی قیمت های پیش بینی شده دقت پیش بینی قیمت آتی زعفران را افزایش می دهد. علاوه بر این، استفاده از محاسبات نرم برای انجام «پیش بینی خارج از نمونه با مجموعه داده های جدید» نشان داد که الگوی پیشنهادی از کارآیی لازم و دقت بالا برای پیش بینی کوتاه مدت قیمت آتی زعفران برخوردار بوده، به گونه ای که میزان خطای محاسباتی کمتر از یک درصد (6/0 درصد) است. بنابراین، مطالعه حاضر در دستیابی به شاخص میزان دقت حداکثری، سناریوسازی روند قیمت های آتی، تحلیل حساسیت مؤلفه های مؤثر بر قیمت و سرانجام، پیش بینی قیمت آینده از جایگاهی بسیار مناسب برخوردار است. با توجه به نتایج به دست آمده، استفاده از الگوی پیشنهادی برای پیش بینی قیمت محصولات کشاورزی توصیه می شود.
۲۵۹.

بررسی کارآمدی مدل های بهینه سازی؛ میانگین-نیم واریانس، ارزش در معرض خطر مشروط و الگوریتم ژنتیک چند هدفه( NSGAII) تحت معیار ریسک CVAR و MSV در تعیین سبدسهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)

نویسنده:
منبع: بورس اوراق بهادار سال ۱۶ بهار ۱۴۰۲ شماره ۶۱ 101 - 120

کلیدواژه‌ها: ارزش در معرض خطر مشروط الگوریتم ژنتیک بهینه سازی سبدسهام و میانگین-نیم-واریانس

حوزه های تخصصی:
تعداد بازدید : ۱۳۷ تعداد دانلود : ۱۱۴
انتخاب سبدسهام بهینه به عنوان مسئله ای مهم در اقتصاد مطرح است. تکنیک و ابزارهای متعددی برای حل مساله سبد بهینه سهام وجود دارد. در این پژوهش داده های 15 سهام از شرکت های پذیرفته شده در بورس اوراق بهادار تهران شامل نمادهای؛ خپارس، خزامیا، وپاسار، فولاد، اخابر، کگل، فملی، تاپیکو، سپاها، فاذر، فخاس، شبهرن، شفن، قمرو و قثابت با روش نمونه گیری خوشه ای و حذف سیستماتیک انتخاب شدند. ابتدا بازده این سهام بصورت روزانه در بازه زمانی 31/3/1394-31/3/1399 طی 5 سال به مدت 1183 روز محاسبه گردید. سپس با استفاده از مدلهای ریسک "میانگین-نیم واریانس، ارزش در معرض خطر مشروط، ریسک سبد سرمایه گذاری آنها محاسبه می-شوند. و این دو معیار از روش حل کلاسیک با هم مقایسه می شوند. خروجی بهینه سازی سبد با هر یک از این ریسک ها وزن متفاوتی از هر سهم را نشان می دهد. سپس مدل های ریسک میانگین-نیم-واریانس و ارزش در معرض خطر مشروط از روش فرا ابتکاری الگوریتم ژنتیک چند هدفه با هم مقایسه می شوند. نتایج حاکی از آن است که روش الگوریتم ژنتیک چند هدفه در مقایسه با روش کلاسیک بازدهی سبد بیشتری در معیار میانگین-نیم واریانس به نمایش گذاشت. لذا روش بهتری برای بهینه سازی سبد سهام می باشد.
۲۶۰.

پیش بینی احتمال تجدید ارائه صورتهای مالی با استفاده از مدل بنیش و بهبود مدل از طریق رگرسیون لاجیت و الگوریتم ژنتیک(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش های حسابداری مالی سال ۱۴ تابستان ۱۴۰۱ شماره ۲ (پیاپی ۵۲) 91 - 116

کلیدواژه‌ها: تجدید ارائه صورتهای مالی تعدیلات سنواتی مدل بنیش رگرسیون لاجیت الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۱۱۱ تعداد دانلود : ۹۴
وقوع اشتباه در حسابداری امری اجتناب ناپذیر بوده و عواملی چون تنوع و پیچیدگی موضوعات اقتصادی، حجم بالای کار، خستگی و... این احتمال را افزایش می دهد. همچنین به دلیل تغییرات مداومی که در شرایط اقتصادی ، اجتماعی و ... صورت می گیرد، ممکن است که ایجاد تغییر در اصول و روشهای حسابداری به منظور هماهنگ کردن واحد تجاری با شرایط جدید ضروری باشد که همه این موارد به تجدید ارائه صورتهای مالی منتج می شود .موضوعی که در نتیجه رسوایی های گزارشگری مانند شرکت انرون و ... بسیار مورد توجه قرار گرفته است. هدف این پژوهش ارائه مدل بسط یافته بنیش، در شرکت های پذیرفته شده در بورس اوراق بهادار تهران بین سال های 1388 تا 1399 می باشد. نمونه آماری پژوهش 265 شرکت بوده که با استفاده از رگرسیون لاجیت و الگوریتم ژنتیک به برآورد و بهبود مدل بنیش پرداخته شده است. نتایج پژوهش حاکی از این است که براساس ماتریس درهم ریختگی، در بین مدل های پیش بینی کننده تجدید ارائه صورتهای مالی، دقت و کارآیی مدل بهبود یافته بنیش با الگوریتم ژنتیک 21/73 درصد دقت پیش بینی کل داشته که دارای بالاترین قدرت پیش بینی در مقایسه با مدل اولیه بنیش و مدل ارائه شده با رگرسیون لاجیت بوده است و فرضیه های پژوهش تایید می گردد.