مطالب مرتبط با کلیدواژه
۱۴۱.
۱۴۲.
۱۴۳.
۱۴۴.
۱۴۵.
۱۴۶.
۱۴۷.
۱۴۸.
۱۴۹.
۱۵۰.
۱۵۱.
۱۵۲.
۱۵۳.
۱۵۴.
۱۵۵.
۱۵۶.
۱۵۷.
۱۵۸.
۱۵۹.
۱۶۰.
الگوریتم ژنتیک
منبع:
مدیریت برند سال چهارم بهار ۱۳۹۶ شماره ۹
107 - 134
حوزه های تخصصی:
هدف پژوهش حاضر، ارایه مدل پیش بینی کننده رفتار خریداران برندهای ایرانی و خارجی بود، که این امر در دو گام مرتبط با هم انجام شد. در گام اول، با استفاده از یک پرسشنامه ی 26 شاخصه که از طریق مرور پیشینه پژوهش حاصل شد، نظرات 858 مشتری مازندرانی در مورد خرید برندهای ایرانی یا خارجی بر اساس رفتار واقعی خرید جمع آوری شد؛ پس از پیش پردازش داده ها، به منظور دستیابی به محدوده جواب بهینه، الگوریتم ژنتیک مورد استفاده قرار گرفت و ویژگی های موثر انتخاب شدند. در گام دوم، رفتار خرید مشتریان با استفاده از درخت تصمیم مورد تحلیل قرار گرفت و مدل های بهینه و قواعد اگر-آنگاه مرتبط با خریداران استخراج شد. نتایج نشان داد که ادراک از تهدیدات خارجی، حمایت از تولید ملی و درآمد، شاخص های اصلی در تفکیک خریداران برندهای ایرانی و خارجی است و هر چه سطح ادراک از تهدیدات خارجی و حمایت از تولید ملی در مشتری بیش تر باشد، گرایش او به برند داخلی بیش تر است؛ این در حالی است که طیف های درآمدی بالاتر، گرایش بیش تری نسبت به خرید برند خارجی دارند.
بهینه سازی سبد سهام بورس اوراق بهادار با استفاده از الگوریتم های فراکاوشی(مقاله علمی وزارت علوم)
منبع:
بورس اوراق بهادار سال دهم تابستان ۱۳۹۶ شماره ۳۸
87 - 110
حوزه های تخصصی:
یکی از رویکردهای بهینه یابی که در علوم مختلف مورد استفاده قرار می گیرد الگوریتم های فراکاوشی می باشد. در این پژوهش، با استفاده از الگوریتم فراکاوشی جدید جستجوی موجودات همزیست (SOS) مدلی برای انتخاب بهینه پرتفوی معرفی گردیده و سپس نتایج بدست آمده از آن با نتایج بدست آمده از الگوریتم های قدیمی تر ژنتیک (GA) و ازدحام ذرات (PSO) مقایسه گردیده است. بدین منظور با استفاده از اطلاعات ده ماهه ی بازده ی 50 شرکت برتر بورس، پرتفوی بهینه با توجه به هدف حداکثر سازی سود و حداقل سازی ریسک به وسیله ی الگوریتم های مذکور برآورد و با یکدیگر مقایسه گردیده است. نتایج به دست آمده از اجرای الگوریتم ها حاکی از آن است که علیرغم توانایی بالای الگوریتم های مورد بررسی در بهینه سازی سبد سهام، الگوریتم SOS در مقایسه با سایر الگوریتم های مورد بررسی توانایی بالاتری در بهینه سازی سبد سهام دارد
پیش بینی خطر سقوط قیمت سهام با استفاده از الگوریتم ژنتیک و مقایسه با رگرسیون لوجستیک، با تأکید بر نگرش انتخاب ویژگی(مقاله علمی وزارت علوم)
منبع:
بورس اوراق بهادار سال دهم زمستان ۱۳۹۶ شماره ۴۰
91 - 114
حوزه های تخصصی:
ریسک سقوط قیمت سهام، شاخصی برای اندازه گیری عدم تقارن در ریسک محسوب می شود و از اهمیت فراوانی در تحلیل پرتفوی و قیمت گذاری دارایی های سرمایه ای برخوردار است. با توجه به اهمیت ریسک سقوط، پژوهش های متعددی به بررسی عوامل موثر بر آن پرداخته اند که در تمام آنها از روش های سنتی به منظور پیش بینی استفاده شده است در حالی که در سال های اخیر روش های نوین فراابتکاری در سایر مباحث مالی به طور گسترده ای مورد استفاده قرار گرفته است و نتایج بهتری داشته اند. هدف این پژوهش، مدل بندی پیش بینی خطر سقوط قیمت سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران، با استفاده از الگوریتم ژنتیک و مقایسه نتایج با رگرسیون لجستیک می باشد. بدین منظور یک فرضیه برای بررسی این موضوع تدوین و داده های مربوط به 107 شرکت عضو بورس اوراق بهادار تهران برای دوره زمانی بین سال های 1389تا 1395 مورد تجزیه و تحلیل قرار گرفت. ابتدا 14 متغیر مستقل به عنوان ورودی الگوریتم ترکیبی ژنتیک و شبکه عصبی مصنوعی که به عنوان یک روش انتخاب ویژگی در نظر گرفته شده است، وارد مدل گردید و 7 متغیر بهینه انتخاب شد سپس با استفاده از الگوریتم ژنتیک و رگرسیون لجستیک اقدام به پیش بینی خطر سقوط قیمت سهام گردید. برای محاسبه خطر سقوط قیمت سهام از معیار دوره خطر استفاده شده است. .نتایج این پژوهش نشان می دهدکه مدل مبتنی بر الگوریتم ژنتیک نسبت به رگرسیون لجستیک، برای پیش بینی خطر سقوط قیمت سهام توانایی بیشتری دارد. بنابراین فرضیه پژوهش تأیید می شود.
زمان بندی گردش شغلی در سیستم تولید تازه آرایش یافته به صورت سلول تولید ناب با رویکرد الگوریتم ژنتیک(مقاله علمی وزارت علوم)
حوزه های تخصصی:
بسیاری از سیستم های تولید با تغییر چیدمان و به کارگیری اصول اولیه عملیاتی به شکل سلولی تغییرآرایش می یابند و در مرحله تبدیل به سلول تولید ناب قرار می گیرند. بهبود عملکرد سلول های تازه استقراریافته به تخصیص مطلوب کارکنان به سلول و عملکرد مناسب آنان وابسته است. در این راستا، مقاله حاضر با تأکید بر اهمیت جنبه های انسانی و ضرورت گردش شغلی در سلول های تولید ناب، خستگی ناشی از تکرار وظایف درقالب سیکل های کاری متعدد را برای محیط سلول تولید ناب مفهوم سازی و مدل برنامه ریزی غیرخطی از سیستم سلول تولید ناب را طراحی کرده است. این مدل بهترین ترکیب از کارکنان معمولاً تک مهارته در سیستم تولید کنونی برای تخصیص به سلول مشخص و برنامه گردش شغلی آن ها طی افق برنامه ریزی هفتگی را تعیین می کند؛ به طوری که اهداف چندگانه عملکرد ناب محقق شود. با توجه به قرار گرفتن مسئله در زمره مسائل بهینه سازی ترکیباتی و پیچیدگی الگوریتمی آن، هیچ یک از بسته های بهینه سازی معتبر در دسترس، مانند لینگو 10 و گمز، نتوانستند جواب های موجه را ارائه دهند؛ بنابراین، مدل تحقیق با توسعه الگوریتم ژنتیک تحلیل شده است.
ارائه مدل یکپارچه برای تحلیل و بهبود مسائل زمانبندی و ارسال وسایل نقلیه هدایت خودکار در سیستم تولید انعطاف پذیر(مقاله علمی وزارت علوم)
حوزه های تخصصی:
زمانبندی سیستم های تولید انعطاف پذیر یکی از مهم ترین و کاربردی ترین مباحث در حوزه ی مسائل زمانبندی سیستم های تولیدی است که ویژگی ها و زیر مسائل زیادی در آن تأثیرگذار هستند. در نظر گرفتن این زیر مسائل به طور همزمان و یکپارچه در مدل زمانبندی سیستم های تولید انعطاف پذیر به یک برنامه زمانبندی موجه منجر خواهد شد، مدل به شرایط واقعی موجود در محیط سیستم تولید انعطاف پذیر نزدیک تر می شود و در نتیجه قابلیت استفاده از آن در محیط های تولیدی افزایش خواهد یافت. در این مقاله به طور همزمان به مسائل زمانبندی وظایف تولید و ارسال وسایل نقلیه هدایت خودکار پرداخته شده است که دو زیر مسئله: بارگیری ماشین و مسیریابی قطعات در سیستم تولید انعطاف پذیر را نیز به طور ضمنی در بر می گیرد. برای این مسئله یک مدل ریاضی برنامه ریزی غیرخطی مختلط عدد صحیح ارائه شده است. الگوریتم ژنتیک برای حل مدل به کار رفت که به جواب های نزدیک به بهینه منجر شد. با حل چند مثال عددی و تعریف حدود بالا و پایین و مقایسه آن ها، کیفیت راه حل های به دست آمده از الگوریتم نشان داده شده است.
طراحی مدل ریاضی متنوع سازی سبد سهام و حل آن با استفاده از الگوریتم ژنتیک(مقاله علمی وزارت علوم)
حوزه های تخصصی:
میزان مطلوبیت سرمایه گذار از انتخاب مجموعه دارایی های سرمایه گذاری به وسیله معیارهای ریسک و بازده مشخص می شود. با توجه به عدم اطمینان سرمایه گذار نسبت به آینده، یکی از روش های مطرح در مباحث سرمایه گذاری برای کاهش ریسک، متنوع سازی سبد سرمایه گذاری است. در این پژوهش علاوه بر معرفی معیار فاصله اقلیدسی به عنوان یک معیار اندازه گیری تنوع سبد سهام، مدلی چندهدفه برای انتخاب سبد سهام طراحی شده است. مدل ارائه شده در این پژوهش درصدد حداکثر سازی بازدهی و تنوع و حداقل کردن ریسک غیر سیستماتیک سبد سهام است. با توجه به اینکه مدل ارائه شده غیرخطی است و از نظر پیچیدگی محاسباتی جزو مسائل «حل نشدنی چندجمله ای سخت» قرار می گیرد؛ بنابراین پژوهش با توجه به کارایی محاسباتی الگوریتم ژنتیک در بهینه سازی، برای حل مدل از الگوریتم ژنتیک استفاده شده است. نتایج اجرای مدل دو هدفه (بازدهی و تنوع) و سه هدفه (بازدهی، تنوع و ریسک غیر سیستماتیک) در تکرارهای متعدد نشان داد که متوسط بازدهی سبدهای سهام انتخاب شده با مدل این پژوهش بالاتر از حد مطلوب است. بررسی شاخص های عملکرد سبد سهام نیز نمایانگر کارایی مدل دوهدفه (بازدهی و تنوع) است.
بررسی کارایی و پیش بینی پذیری کالاهای صنعتی با رویکردهای بنیادین و تکنیکال(مقاله علمی وزارت علوم)
حوزه های تخصصی:
این پژوهش با هدف بررسی پیش بینی پذیری قیمت سرب و به دنبال آن معرفی یک الگوی مناسب جهت پیش بینی قیمت سرب در بازار جهانی و نیز بررسی کارایی این بازار در سطح ضعیف صورت گرفته است. به این منظور مجموعه ای از روشهای خطی و غیرخطی در دو رویکرد کلی تکنیکال و بنیادین استفاده شده است. در رویکرد بنیادین ابتدا متغیرهای اقتصادی تأثیرگذار بر قیمت سرب شناسایی شده و از روش رگرسیون گام به گام و روش های غیرخطی از جمله شبکه های عصبی GMDH و MLP برای پیش بینی تغییرات قیمت استفاده شده است. در رویکرد تکنیکال از روش خطی ARIMA و روش های غیرخطی از جمله روش ترکیبی GMDH و الگوریتم ژنتیک، روش ترکیبی MLP و الگوریتم ژنتیک استفاده شده است. داده های مورد استفاده در این پژوهش به صورت هفتگی و شامل بازه ی زمانی هفته اول 2005 الی هفته آخر 2015 بوده و از سایت های مختلف از جمله سایت LME، USGS و ILZSG جمع آوری شده است. یافته های این پژوهش نشان می دهد که در رویکرد تکنیکال، مدل شبکه عصبی مصنوعی GMDH ترکیب شده با الگوریتم ژنتیک بر اساس معیارهای میانگین درصد خطای مطلق (MAPE) و جذر میانگین مجذور خطا (RMSE) دارای عملکرد بهتری نسبت به مدل های دیگر بوده و در رویکرد بنیادین براساس معیارهای خطای پیش بینی، شبکه عصبی مصنوعی GMDH بهترین عملکرد را داشته است. پیش بینی پذیری تغییرات قیمت سرب در بازار با الگوهای تکنیکال، موید عدم کارایی بازار در سطح ضعیف می باشد.
مدل سازی ریاضی و الگوریتم رقابت استعماری برای مسئله خط مونتاژ جریان کارگاهی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
مونتاژ جریان کارگاهی دو مرحله ای با در نظر گرفتن زمان آماده سازی، یکی از مسائل جدید زمانبندی تولید است. در این مساله قطعات در مرحله اول در یک سیستم جریان کارگاهی تولید و سپس در مرحله دوم قطعات تولیدی مونتاژ میشوند. هدف از حل این مساله ارائه توالی بهینه تولید قطعات و مونتاژ انها است، به طوری که زمان تکمیل آخرین سفارش کمینه شود. با توجه به جدید بودن موضوع، تاکنون مدل مناسبی برای حل این مساله ارائه نشده است. این مقاله ابتدا به بررسی مدل موجود می پردازد و سپس یک مدل برنامه ریزی خطی عدد صحیح مختلط برای حل مساله ارائه می دهد. سپس برای حل موثر این مساله، دو الگوریتم فراابتکاری رقابت استعماری و ژنتیک ارایه می شود. در ادامه عملکرد مدل و الگوریتم ها ارزیابی می شوند. نتایج نشان می دهد الگوریتم رقابت استعماری عملکرد بهتری دارد.
پیش بینی قیمت سهام با استفاده از تلفیق مدل مارکوف پنهان و زنجیره مارکوف(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در این تحقیق، تلفیقی از مدل «مارکوف پنهان» و مفهوم «زنجیره مارکوف» به منظور پیش بینی رفتار بازارهای مالی ارائه شده است. این ابزار توسعه یافته می تواند در تجزیه وتحلیل بازار سهام، کاربردی مناسب داشته باشد. در ابتدا از الگوریتم ژنتیک به منظور تعیین و تنظیم پارامترهای مدل «مارکوف پنهان» استفاده می شود؛ سپس از مدل «مارکوف پنهان» تنظیم شده برای شناسایی و شناخت الگوهای مشابه در داده های تاریخی استفاده می شود و پس از آن مقدار قیمت برای روز بعد با استفاده از الگوهای مشابه و مفهوم «زنجیره مارکوف» محاسبه می گردد. از چندین سهم به منظور دست یابی به نتایج مناسب استفاده شده است و سپس، نتایج مدل ارائه شده با نتایج مدل موجود در مبانی نظری و همچنین با روش های معمول در اقتصادسنجی مقایسه شده است
بهینه سازی سبد سرمایه گذاری در بورس اوراق بهادار تهران با استفاده از الگوریتم چرخه آب (WCA)(مقاله علمی وزارت علوم)
حوزه های تخصصی:
انتخاب سبد سرمایه گذاری بهینه یکی از مهم ترین چالش های علوم مالی است. هدف این مطالعه بکارگیری الگوریتم چرخه آب چند هدفه (MOWCA) برای یافتن ترکیبی کارآمد از سبد سرمایه گذاری است. مسئله مورد مطالعه یک مسئله چند هدفه غیر خطی است که توابع هدف آن شامل حداکثر سازی بازده و حداقل سازی ریسک است. الگوریتم چرخه آب از فرآیند چرخه آب در طبیعت شبیه سازی شده است و نخستین بار توسط مرادی و همکاران (2017) از این الگوریتم برای بهینه سازی سبد سهام در چهار بورس بزرگ دنیا بهره گرفته شده است. در این تحقیق از اطلاعات روزانه طی سال های1392 تا 1394، 30 شرکت بزرگ بورس تهران استفاده شده است. به علاوه عملکرد MOWCA برای حل مسائل بهینه سازی چندهدفه با سایر بهینه سازهای چندهدفه از قبیل الگوریتم ژنتیک چندهدفه (MOGA) و الگوریتم پرندگان چندهدفه (MOPSO) مقایسه شده است. به منظور مقایسه از چهار معیار عملکرد برای مقایسه نتایج الگوریتم ها از چهار معیار مرسوم استفاده شده است: فاصله، یکنواختی، تنوع و پوشش. یافته ها حاکی از آن است که بر اساس اغلب معیارهای ارزیابی عملکرد مورد استفاده در این تحقیق، MOWCA درمقایسه با سایر الگوریتم های فرا ابتکاری برای مسائل بهینه سازی سبد سرمایه گذاری کارآمدی بیشتری دارد.
ارائه روشی ترکیبی مبتنی بر بهینه سازی جمعیت مورچه ها و الگوریتم ژنتیک برای حل مسئله فروشنده دوره گرد در GIS(مقاله علمی وزارت علوم)
حوزه های تخصصی:
انسان از دیرباز برای حل مسائل پیچیده، از جهان زندة پیرامونش الهام گرفته است. این امر آشکارا در توسعة الگوریتم های مختلف تقریبی، از نظریة تکاملی داروین تا الگوریتم های مختلف هوش جمعی، دیده می شود. مسئلة فروشنده دوره گرد از مسائلی است که می توان آن را با الگوریتم هوش جمعی به چالش کشید. در پژوهش حاضر ابتدا با ارزیابی و تنظیم صحیح پارامترهای مؤثر در الگوریتم بهینه سازی کلونی مورچه ها، الگوریتم هوش جمعی بهبود می یابد. سپس روشی ترکیبی برای حل دودویی مسئله فروشندة دوره گرد در مقیاس بزرگ و برمبنای الگوریتم بهبود یافته کلونی مورچه ها و عملگرهای الگوریتم ژنتیک ارائه می شود. به منظور بررسی کیفیت جواب های به دست آمده، نتایج روش پیشنهادی با نتایج دو الگوریتم بهینه سازی کلونی مورچه ها و الگوریتم ژنتیک در مسیریابی بین مراکز استان ها مقایسه می شود. این مقایسه بهبود در جواب ها، کاهش زمان اجرای الگوریتم، و کاهش حجم لازم برای ذخیره سازی جواب های به دست آمده در شرایط گوناگون را نشان می دهد. با توجه به پایداری و بهینگی نتایج حاصل از الگوریتم مورچة بهبود یافته و اهمیت افزایش خدمات در سامانه اطلاعات مکانی، کاربرد الگوریتم پیشنهادی در صنعت توریسم مطرح می شود.
آشکارسازی تغییرات مناطق شهری مبتنی بر شبکه های عصبی، ویژگی های مکانی و الگوریتم ژنتیک با استفاده از تصاویر ماهواره ای بزرگ مقیاس(مقاله علمی وزارت علوم)
حوزه های تخصصی:
آشکارسازی تغییرات پوشش اراضی برای پایش رشد شهرها و برنامه ریزی مسئولانه در مورد آنها امری ضروری است. سنجش از دور فناوری قدرتمندی است که می توان از آن در آشکار سازی تغییرات اراضی استفاده کرد. یکی از چالش های موجود در این زمینه توسعة روش های کارآمد به منظور آشکار سازی تغییرات با سطح خودکارسازی بالاست که بتواند اطلاعاتی صحیحی در مورد موقعیت جغرافیایی و ماهیت این تغییرات ارائه کند. در پژوهش حاضر با استفاده از دو تصویر GeoEye منطقة 17 شهر تهران مربوط به سال های 2004 و 2010 از ویژگی های مکانی متن تصویر، شبکه های عصبی و الگوریتم ژنتیک برای آشکار سازی تغییرات استفاده شد. شش حالت مختلف، هریک با دو رویکرد طبقه بندی مستقیم چندزمانی و مقایسة پس از طبقه بندی، از دیدگاه صحت آشکارسازی و زمان اجرای الگوریتم مورد مقایسه قرار گرفتند. بررسی های انجام شده نشان دادند که رویکرد طبقه بندی مستقیم چندزمانی در هر شش حالت نتایج بهتری ارائه کرده است. همچنین در بین شش حالت بررسی شده، عملکرد حالت ششم (روش پیشنهادی این تحقیق) از نظر صحت طبقه بندی بهتر است. در حالت ششم پس از انتخاب بهینة ویژگی ها، طبقه بندی مبتنی بر شبکه های عصبی با تعیین معماری شبکه و با چندین بار اجرا صورت می گیرد. هرچند زمان اجرای این روش درمقایسه با دیگر حالت های بررسی شده بیشتر است، اما درصورتی که صحت طبقه بندی به زمان ارجحیت داشته باشد این روش کاملاً توصیه می شود
مقایسه سه روش اصلی هوش مصنوعی در برآورد دبی سیلاب رودخانه یلفان(مقاله علمی وزارت علوم)
حوزه های تخصصی:
برآورد دبی اوج، یکی از موضوعات اساسی در مدیریت منابع آب و کنترل سیلاب، جایگاه ویژه ای در موفقیت طراحی سازه های آبی و کارایی اقدامات بیومکانیکی در حوضه های آبخیز دارد. در این پژوهش سعی شده است با مقایسه سه روش اصلی در هوش مصنوعی (مدل شبکه عصبی پرسپترون چند لایه، مدل الگوریتم ترکیبی شبکه عصبی با ژنتیک و مدل ترکیب خوشه بندی کاهشی و روش نورو فازی (ANFIS، بهترین روش پیش بینی دبی حداکثر رودخانه یلفان در محل ایستگاه هیدرومتری و رسوب سنجی یلفان (یکی از زیرحوضه های سد اکباتان همدان) انتخاب شود. به این منظور در این سه مدل،8 متغیر بارندگی مربوط به روز وقوع سیل، بارندگی های روزانه تا 5 روز پیش، دبی پایه در روز وقوع سیل و CN حوضه به منزله پارامترهای ورودی (1380 تا 1391) و دبی حداکثر به منزله خروجی در نظر گرفته و وارد نرم افزار متلب شد؛ سپس با بهره گیری از روش های هوش مصنوعی و پیش پردازش داده ها، ساختار بهینه مدل با استفاده از داده های ورودی و خروجی و با ملاک قراردادن معیارهای ارزیابی RSME، MAE و NSE به روش سعی و خطا تعیین شد. در مدل تلفیقی شبکه عصبی و الگوریتم ژنتیک، پس از تعیین مدل بهینه شبکه عصبی، نتیجه مدل به الگوریتم ژنتیک وارد شد. در مدل تلفیقی خوشه بندی با ANFIS، پس از تعیین مدل بهینه خوشه بندی، نتیجه مدل به ANFIS وارد و درنهایت با توجه به معیار ارزیابی، ساختار بهینه مدل تعیین شد. نتایج نشان داد مدل تلفیقی شبکه عصبی و الگوریتم ژنتیک نسبت به مدل شبکه عصبی و نیز مدل ترکیب خوشه بندی کاهشی و مدل ANFIS عملکرد بهتری در برآورد دبی سیلاب در حوزه یلفان دارد.
بهبود طبقه بندی منطقه شهری با استفاده از تلفیق تصاویر اپتیک چندباندی و لایدار با قدرت تفکیک مکانی بالا(مقاله علمی وزارت علوم)
منبع:
سپهر دوره ۲۸ بهار ۱۳۹۸ شماره ۱۰۹
55 - 75
حوزه های تخصصی:
امروزه با گسترش مناطق شهری تولید اطلاعات دقیق و به روز از جمله اطلاعات اساسی، به منظور مدیریت و برنامه ریزی شهرها است. گسترش روز افزون تکنولوژی سنجش از دور امکان استخراج اطلاعات متنوع از پوشش های شهری را فراهم آورده که موجب جلب توجه محقق های فراوانی به این موضوع شده است. وجود عوارض متنوع و نیز کاربری های مختلف اطلاعات مکانی مناطق شهری، تلفیق منابع داده مختلف به منظور شناسایی عوارض را به امری کاربردی مبدل کرده است. هدف این تحقیق تلفیق ویژگی های بهینه استخراج شده از داده های اپتیک و لایدار به منظور شناسایی عوارض شهری در منطقه مورد مطالعه می باشد. در این راستا ویژگی های مختلفی از هر یک از این داده ها استخراج شده است. از جمله این ویژگی ها می توان به ویژگی های رنگی، شاخص گیاهی و بافت از تصویر اپتیک و ویژگی های نرمی، مدل ارتفاعی رقومی نرمال و زبری از تصویر لیدار اشاره نمود. سپس به منظور انتخاب ویژگی های بهینه از الگوریتم ژنتیک استفاده شده است. در انتها با استفاده از روش طبقه بندی کننده ماشین بردار پشتیبان به شناسایی عوارض مورد نظر پرداخته شده است. دقت طبقه بندی کننده الگوریتم ماشین بردار پشتیبان در منطقه مورد مطالعه با استفاده از ویژگی های بهینه و داده های اولیه 734/88 محاسبه شده که نسبت به طبقه بندی داده اولیه اپتیک چندباندی دارای بهبود 438/25 درصدی و نسبت به طبقه بندی داده اولیه لایدار دارای بهبود 236/18 درصدی است. نتایج بررسی نشان دهنده افزایش دقت طبقه بندی با استفاده از ویژگی های بهینه در کنار باندهای اولیه است.
برآورد تابع بهای تمام شده تولید انرژی در واحدهای گازی نیروگاه سیکل ترکیبی اردبیل با استفاده از الگوریتم های هوش مصنوعی(مقاله علمی وزارت علوم)
منبع:
پژوهشنامه اقتصاد انرژی ایران سال هفتم تابستان ۱۳۹۷ شماره ۲۷
135 - 175
حوزه های تخصصی:
با مقررات زدایی از بازار و شکل گیری بازار روز بعد انرژی، باهدف کاهش هزینه های تولی د و توزی ع ب رق و رف ع ناکارآمدی های صنعت برق انحصاری، تحدید ساختار در بازار برق ایران انجام گرفت که در آن در هرروز تولیدکنندگان انرژی با یکدیگر به رقابت می پردازند. دراین بین بهای تمام شده تولید انرژی پارامتر تعیین کننده در تعیین استراتژی پیشنهاد قیمت توسط هر نیروگاه و میزان سود بخشی آن می باشد. ازاین رو در این مقاله با در نظر گرفتن هزینه های سوخت مصرفی، استهلاک، تعمیرات، بهره برداری و سایر هزینه ها به عنوان عوامل تأثیرگذار بر روی بهای تمام شده تولید برق، تابع هزینه تولید برآورد شده است. در این مطالعه، نظر به سهم قابل توجه سوخت بر روی بهای تمام شده، سوخت مصرفی را به صورت جدا از سایر موارد موردبررسی قرار داده ایم و به جای سرشکن کردن هزینه سوخت در طول یک سال بر روی کل تولید، ابتدا تابع مصرف سوخت در سطوح مختلف تولید در دو حالت سوخت گاز و گازوئیل محاسبه شده و به دنبال آن هزینه سوخت مصرفی محاسبه گردیده است. مطابق با نتایج به دست آمده، از اجرای مدل پیشنهادی بر روی واحد گازی نیروگاه سیکل ترکیبی اردبیل، متوسط هزینه تولید هر کیلووات ساعت برق با سوخت گاز برابر با 398 ریال و با سوخت گازوئیل برابر با 500 ریال می باشد.
مسئله مکان یابی تسهیلات نامطلوب در شرایط عدم قطعیت: مدل سازی و الگوریتم حل(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در مسئله مکان یابی تسهیلات نامطلوب برخلافِ تسهیلات مطلوب، تا حد امکان سعی می شود تسهیلات دور از مناطق دریافت کننده خدمت استقرار یابند. در این پژوهش درباره مسئله مکان یابی این قبیل تسهیلات بحث شده است. در این مسائل بر اصطلاح «نه در حیاط خلوت من»، تمرکز و به پدیده های اجتماعی اشاره دارد. در این پدیده ساکنان با مکان یابی تسهیلات نامطلوب اطراف خانه هایشان مخالف اند. نمونه هایی از این تسهیلات شامل خطوط انتقال برق و مراکز بازیافت است. به دلیل اینکه درجه آلودگی حاصل از این تسهیلات با عدم قطعیت همراه است، در این پژوهش برای نخستین بار عملکرد این مسئله با در نظر گرفتن عدم قطعیت احتمالی ارزیابی شده است. این مسئله در فضای گسسته در نظر گرفته شده است. در این مسئله سه حالتِ ممکن برای دامنه تغییراتِ این دو پارامتر در نظر گرفته شده است. باتوجه به اینکه ارتباط و میزان اختلاف درجه آلودگی اصلی و حاشیه ای نیز نامشخص است، سناریوها براساس درجه اختلاف این دو پارامتر در نظر گرفته شده اند. با در نظر گرفتن این سناریوها، اهمیت درجه اختلاف این دو پارامتر در مسئله مکان یابی تسهیلات نامطلوب بررسی شده است. در این پژوهش مدل ریاضی مسئله، روش های مواجهه با عدم قطعیت، مدل سازی مسائل برنامه ریزی تصادفی و روش استفاده شده در مسئله درحال مطالعه ارائه شده است. باتوجه به NP-hard بودن مسئله، الگوریتم فراابتکاری شبیه سازی تبرید برای حل مسئله در ابعاد بزرگ پیشنهاد شده است. آزمایشات عددی برای ارزیابی و اعتبارسنجی مدل ریاضی و الگوریتم پیشنهادی در نظر گرفته شده است و عملکرد الگوریتم پیشنهادی در حل مسائل مختلف با الگوریتم ژنتیک موجود در ادبیات مسئله درحال مطالعه، مقایسه و برتری آن ارائه شده است.
چارچوب فراگیر اعمال تغییرات سازمانی(مقاله علمی وزارت علوم)
منبع:
مطالعات مدیریت راهبردی سال ششم بهار ۱۳۹۴ شماره ۲۱
15 - 39
حوزه های تخصصی:
برخورداری از مدلی یکپارچه برای مدیریت تغییرات می تواند پیچیدگی ذاتی تغییر را با تشخیص رابطه میان عناصر حیاتی، ساده کند. به دلیل پویایی عوامل مؤثر بر تغییرات سازمانی و برهم کنشی آن ها بر یکدیگر، تدوین مدلی ایستا چندان راهگشا نیست. در مطالعه پیش رو سعی شد در چهار مرحله و با ترکیب روش های کیفی (تحلیل محتوا و فن دلفی) با روش های هوش مصنوعی (الگوریتم ژنتیک و مفهوم منطق فازی)، روشی جدید برای ساخت الگوی پویا و یکپارچه تغییرات سازمانی ایجاد شود تا بتوان میزان موفقیت تغییر را تخمین زد. به علاوه با اعمال محدودیت های حاکم بر شرایط مختلف، نقشه راهی در اختیار مدیران برای هدایت تغییر قرار دهد. پس از احصاء و غربال عوامل مؤثر بر تغییرات با روش های کیفی، مدل اولیه به دلیل پیچیدگی و ابعاد بالای مسئله با نظریه فازی ساخته و برای دقیق تر کردن مدل از الگوریتم ژنتیک استفاده شد. برای اعمال محدودیت ها و یافتن مقدار قابل قبول متغیرها جهت موفقیت برنامه تغییر از الگوریتم ژنتیک استفاده شد.
الگوی ترسیم نقشه راهبرد و هدایت راهبرد ها(مقاله علمی وزارت علوم)
منبع:
مطالعات مدیریت راهبردی سال ششم پاییز ۱۳۹۴ شماره ۲۳
113 - 136
حوزه های تخصصی:
در دنیای رقابتی امروز، سازمان ها برای رسیدن به اهداف و انجام مأموریت های خود نیاز به تدوین راهبرد، برنامه ریزی راهبردی و در نهایت ارزیابی عملکرد خود دارند. وزن دهی و الویت بندی راهبرد ها، سازمان را در تنظیم وقت و سرمایه متناسب با اهداف خودیاری می کند. در این راستا کارت امتیازی متوازن با ساختاری سلسله مراتبی خود می تواند به عنوان ابزاری جهت هموارسازی مسیر رشد سازمان مورد استفاده قرار گیرد. نقشه راهبرد حاصل از مفاهیم کارت امتیازی متوازن، در حقیقت مدل علت و معلولی پیچیده ای است که اثر بعد رشد و یادگیری سازمان بر فرایندهای داخلی، مشتری و نهایتاً وجه مالی سازمان را در برمی گیرد. برای گسترش مدل کلاسیک کارت امتیازی متوازن در سال های اخیر، روش های متنوعی مورد استفاده قرار گرفته است و به ترکیب آن با مدل های کمی و کیفی پرداخته اند تا برنامه ریزی راهبردی را تسهیل نمایند. جامعه آماری تحقیق شرکت نفت سپاهان است. مطالعه موردی، برای تکمیل پرسشنامه ها از نظرات مدیران و خبرگان صنعت نفت استفاده شد. در مدل پیشنهادی نقشه راهبرد شرکت مذکور به روش تحلیل مسیر ترسیم شده است.
مقایسه دقت روش الگوریتم ژنتیک با روش های دیگر پیش بینی های نرخ ارز(مقاله علمی وزارت علوم)
منبع:
مطالعات و سیاست های اقتصادی دوره ۹ بهار و تابستان ۱۳۹۲ شماره ۱
113 - 136
حوزه های تخصصی:
کارشناسان اقتصادی و متخصصان بازارهای مالی همواره در پی یافتن روش هایی برای پیش بینی رفتار متغیرهای اقتصادی و مالی از جمله نرخ ارز بوده اند. مطالعات زیادی بر روی مدل های ساختاری و سری زمانی پیش بینی نرخ ارز انجام شده است. با این حال پیش بینی نرخ ارز همواره یک مسئله پیچیده بوده است و مدل سازی نرخ های ارز به چالشی در میان محققان حوزه مالیه بین الملل و متخصصان اقتصادسنجی تبدیل شده است. در این پژوهش ابتدا با استفاده از روش الگوریتم ژنتیک یک الگوی ترکیبی شامل مدل های ساختاری و سری زمانی ارائه می شود. سپس عملکرد آن با مدل های ساختاری و سری زمانی منفرد و همچنین با روش های دیگر ترکیب مانند استفاده از میانگین مقایسه می شود. نتایج به دست آمده نشان می دهند که در میان روش های پیش بینی نرخ ارز، روش ترکیب مدل ها به وسیله الگوریتم ژنتیک دقت بالاتری دارد.
پیش بینی میزان مخارج دفاعی ایران تا افق 1404؛ با استفاده از الگوریتم های ژنتیک و PSO(مقاله علمی وزارت علوم)
منبع:
آینده پژوهی دفاعی سال اول زمستان ۱۳۹۵ شماره ۳
113 - 137
حوزه های تخصصی:
بخش دفاعی، یکی از بخش های کلیدی کشور ایران است که قسمت مهمی از کل مخارج عمومی را به خود اختصاص داده است. لذا تلاش در جهت پیش بینی روند آتی این متغیر از اهمیت ویژه ای برای سیاست گذاران بخش دفاعی برخوردار است. در این مقاله با تکیه بر مبانی نظری مربوط به تابع مخارج دفاعی، به تصریح مدل مخارج دفاعی مناسب برای ایران با هدف دست یابی به پیش بینی مطلوب پرداخته شده است. لذا با هدف پیش بینی روند آتی مخارج دفاعی در ایران تا سال 1404، با استفاده از مبانی نظری در زمینه تابع مخارج دفاعی و به کارگیری آن با دو ابزار الگوریتم ژنتیک و الگوریتم بهینه سازی انبوه ذرات (PSO)، به شبیه سازی تابع مخارج دفاعی ایران طی سال های 1391-1338 در قالب سه معادله خطی، نمایی و درجه دوم پرداخته و سپس با استفاده از معیارهای انتخاب مدل رقیب، الگوریتم و مدل برتر انتخاب و اقدام به پیش بینی میزان مخارج دفاعی تا سال 1404 شده است. بر اساس نتایج به دست آمده می توان گفت که تابع مخارج دفاعی شبیه سازی شده توسط الگوریتم PSO با فرم نمایی، با ساختار ایران سازگاری بیش تری دارد و بنابراین، برای پیش بینی مخارج از نمونه تا سال 1404 انتخاب و برگزیده شده است. نتایج پیش بینی نیز نشان دهنده آن است که مخارج دفاعی در ایران با شیب نسبتاً ملایمی تا سال 1404 افزایش خواهد یافت.