الگوریتم GA

در این مقاله مدل جدیدی برای مسئله تخصیص افزونگی با ساختار سری- موازی و زیر سیستم های k-out-of-n با در نظر گرفتن هزینه ای جهت کاهش نرخ خرابی ارائه شده که در آن دو سیاست افزونگی آماده به کار سرد و فعال به عنوان متغیر تصمیم برای هر یک از زیر سیستم ها در نظر گرفته شده است. هدف از حل مدل ارائه شده، تعیین سیاست افزونگی، نوع و تعداد اجزاء مازاد تخصیص یافته و نیزضریب کاهش نرخ خرابی هر زیر سیستم برای حداکثر کردن قابلیت اطمینان کل سیستم تحت محدودیت های هزینه و وزن می باشد. ازآنجایی که مسئله تخصیص افزونگی در رسته مسائلNP-hard قرار می گیرد از یک الگوریتم فرا ابتکاری به نام الگوریتم ژنتیک (GA) برای حل مدل استفاده شده و به منظور تنظیم پارامترهای موثر بر این الگوریتم روش سطح پاسخ (RSM) به کار گرفته شده است. در انتها نتایج ارائه شده و مورد تحلیل قرار گرفته است.

در این مقاله مدل جدیدی برای مسئله تخصیص افزونگی با ساختار سری موازی و زیر سیستمهای - k-out-of-n با در نظر گرفتن نرخ خرابی وابسته به تعداد اجزای در حال کاار اراهاه ما یشاود .در ایان ناون نارخ خرابای باا افزایش تعداد اجزای در حال کار به دلیل تقسیم بار )فشار( بر روی تعداد بیشتری از اجزاء، نرخ خرابی هر یا ک از اجزاء کاهش مییابد. همچنین برای هر یک از زیر سیستمها دو نون سیاست افزونگی آمااده باه کاار سارد و فعال در نظر گرفته شده است. هدف از حل مدل اراهه شده تعیین استراتژی افزونگی، ناون و تعاداد جازء ماازاد تخصیص یافته برای هر زیرسیستم به منظور حداکثر کردن قابلیت اطمینان کال س یساتم تحات محادود یتهاا ی وزن و هزینااه ماایباشااد. بااه دل یاال NP-hard بااودن مساائله تخصاا یص افزونگاای از الگااوریتم فاارا ابترااار ی ژنتیک) GA (برای حل مدل و از روش سطح پاسخ) RSM ( برای تنظیم پارامترهای موثر بار ا یا ن الگاور یتم اساتفاده شده است. در انتها با ذکر یک مثال عددی به بررسی نتایج به دست آمده از حل مدل اراهه شده میپردازیم

یکی از اصلی ترین دغدغه های سرمایه گذاران در بازارهای مالی، انتخاب سبد سهام به منظور حداقل سازی ریسک و در عین حال حداکثرسازی بازده می باشد. تجربه نشان می دهد سرمایه گذاری روی یک دارایی خاص می تواند زیان های کلانی به سرمایه گذار وارد نماید. افراد و سازمان ها ترجیح می دهند به جای انجام سرمایه گذاری واحد، در یک سبد سهام سرمایه گذاری لازم را انجام دهند. در این صورت، این مزیت برای سرمایه گذاران فراهم می شود که با تنوع دارایی های مالی، ریسک کلی سرمایه گذاری کاهش یابد، بدون آنکه تأثیر منفی بر بازده مورد انتظار داشته باشد. از اینرو مسأله انتخاب بهینه درسبد سرمایه گذاری، یکی از مهم ترین مسائل علم مالی و سرمایه گذاری می باشد وکاربرد فراوانی در برنامه ریزی ها و تصمیم گیری های مالی دارد. برای این منظور مدل های متعددی با هدف کمینه کردن ریسک و بیشینه کردن بازده و روش های متعددی برای بهینه کردن این مدل ها با هدف کمینه کردن ریسک و بیشینه کردن بازده وجود دارد. در پژوهش حاضر، به وسیله مدل میانگین نیم واریانس به بهینه سازی سبد سهام میپردازیم و ﻣﺴﺌﻠﻪ ﺑﻬیﻨﻪ ﺳﺎزی ﺳﺒﺪ اﺳﺘﻔﺎده ﺳﻬﺎم ﺑﺎ از اﻟﮕﻮریﺘﻢ ﻫﺎی PSO و GA و FA ﺣﻞ ﺷﺪه اﺳﺖ و در اداﻣﻪ ﻧﺘﺎیﺞ ﺑﺎزده و ریﺴک ﺣﺎﺻﻞ از ﻫﺮ یک ﻣﻮرد ﻣﻘﺎیﺴﻪ ﻗﺮار ﮔﺮﻓﺘﻪ اﺳﺖ. نتایج نشان داد که الگوریتم GA بهترین سبد سرمایه گذاری را به ما ارائه می دهد که کمترین ریسک و بیشترین بازده را به ما می دهد در حالیکه سبد سرمایه گذاری را به طور کامل متنوع کرده است.