الگوریتم کلونی مورچگان

یکی از مهمترین دغدغه های سرمایه گذاران در بازار سرمایه، انتخاب سهم یا سبد بهینه از لحاظ سودآوری است. به همین منظور تنوع روش های انتخاب سبد سهام در سرمایه گذاری و پیچیدگی تصمیم گیری ها در دهه های اخیر به شدت گسترش یافته است. روش های سنتی در انتخاب و بهینه سازی سبد سهام از کارایی لازم برخوردار نیستند و بنابراین استفاده از الگوریتم های ابتکاری مورد توجه بیشتری قرار گرفته است. هدف این پژوهش، مدلسازی مسئله انتخاب سبد سهام با به کارگیری معیارهای متفاوت ریسک، شامل واریانس، نیمه واریانس، ارزش در معرض ریسک و ارزش در معرض ریسک احتمالی و بهینه سازی آن با کاربرد یکی از این دسته الگوریتم ها، یعنی الگوریتم کلونی مورچگان است. در این راستا، به مقایسه مرزهای کارای حاصل از مدل های مختلف ریسک و همچنین مقایسه مدل های مختلف از لحاظ زمان CPU اقدام شد. نتایج بررسی نشان داد که مدل میانگین-ارزش در معرض ریسک احتمالی قادر است که سطوح بالاتری از بازده را با حداقل سازی ارزش در معرض ریسک احتمالی نشان دهد. از طرفی زمان صرف شده برای اجرای مدل میانگین واریانس کمترین و زمان صرف شده برای مدل میانگین- ارزش در معرض ریسک احتمالی بیشترین مقدار را به خود اختصاص دادند. در نتیجه، هر چند CVaR، مرزهای کارای بهتری را ارائه می نماید، ولی از لحاظ زمان اجرا به خصوص در اندازه های بالای سبد معیار مناسبی نمی باشد. در خیلی موارد همچنان واریانس به علت سادگی محاسبه آن به عنوان معیار ریسک مورد استفاده بسیاری از سرمایه گذاران قرار می گیرد.

همواره موسسات مالی و اعتباری برای آنکه بتوانند حداکثر سود حاصل از سرمایه گذاری های خود را دریافت دارند، بدنبال پالایش، جذب و نگهداشت بهترین سرمایه گذاران، مشاوران، مشتریان و قرض-گیرندگان بوده اند. بااین وجود، علوم مختلف سعی نموده اندروشهای دقیقی برای تفکیک مشتریان ارایه نمایند. از همین رو علومی مانند روانشناسی تا علوم مدیریت، ریاضیات، مالی و ... درصدد تحقق این هدف برآمده اند. آنچه که دراین پژوهش بدان اشاره خواهد شد ضرورت استفاده از روشهای نوین داده-کاوی در ترکیب با روشهای هوش مصنوعی جهت فائق آمدن بر پیچیدیگی های مسئله است و پاسخ به این سوال که آیا روش ترکیبی استفاده شده به خوبی رتبه اعتباری مشتریان را پیش بینی می کند؛ این امر در حالی رخ می دهد که نباید بُعد دیگری از مسئله را که همانا انتخاب مهمترین عوامل سنجش (معیارها) هستند را فراموش نمود و در این راستا ازقضاوت خبرگان و تحلیل های ناپارامتری ( آزاد توزیع) به منظور رتبه بندی معیارها استفاده گردیده است که نهایت با انتخاب تعدادی از شاخصها به منظور پیاده سازی مدل ترکیبی به این سوال پاسخ داده خواهد شد که آیا نظر خبرگان در انتخاب معیارها منتج به پیش بینی مناسبی از وضعیت اعتباری مشتریان می گردد. سه شاخص "" سن"" ، "" سابقه ارتباط با بانک ( مدت حساب)"" و "" میزان اعتبار"" برای پیاده سازی مدل ترکبی عصبی فازیانتخاب گردید. و نتایج بیانگر آن می باشد که 89.67درصد از مواقع این سیستم می تواندتخمین درستی نسبت به رتبه اعتباری مشتریان ارائه دهد..

در غیاب داده های افمریز ماهواره و مدل سنجنده، تبدیلات غیرپارامتریک نظیر مدل توابع کسری از مهم ترین و پرکاربردترین انواع مدل های ریاضی در جوامع فتوگرامتری و سنجش از دور به شمار می آیند. وابستگی این مدل ها به تعداد زیادی نقاط کنترل زمینی، مشکلات عددی موجود در حل آنها و مشکل انتخاب ترم های سازندة ساختار تابع کسری را می توان از ضعف های عمدة این روش برشمرد. ازآنجاکه ضرایب در توابع غیرپارامتریک دارای تفسیر و معنای فیزیکی مشخصی نیستند، در روش های معمول کلیة ترم ها وارد فرایند محاسباتی می شوند و خطای وابستگی میان ترم ها ایجاد می کنند. در پژوهش حاضر، الگوریتم کلونی مورچه ها برای بهینه سازی توابع کسری مناسب سازی شد و از الگوریتم ویژه سازی شده به منظور یافتن ترکیب بهینة ترم ها در ساختار توابع کسری استفاده گردید. الگوریتم مذکور، روی سه تصویر در سطوح تصحیح هندسی مختلف با ترکیب های گوناگونی از نقاط کنترل و نقاط چک مستقل در سه سیستم مختصات زمینی UTM، CT و ژئودتیک و بدون نرمال کردن مختصات های زمینی و تصویری آزمون شد. نتایج آزمون های تجربی نشان دادند که الگوریتم ویژه سازی شدة کلونی مورچه ها در پژوهش حاضر از نظر تعداد ترم ها و دقت موقعیت مکانی قابلیت بالایی دارد. نتایج نشان دادند که استفاده از سیستم مختصات CT برای فضای زمین، نتایج بهتری را از نظر دقت و نحوة همگرایی الگوریتم به توابع کسری بهینه به دست می دهد. نتایج برای تصاویر مختلف و حتی تصاویر خام با استفاده از چهار نقطة کنترل، دقت زیرپیکسل را نشان داد.

در شرایط روبه رشد توسعه، طراحان سرزمین بارها با شرایطی مواجه می شوند که برای مکانی خاص، گزینه های متفاوت کاربری وجود دارد. اینجاست که بین برگزیدن یا برنگزیدن کاربری ها تعارض پدید می آید. تحقیق حاضر، با چنین رویکردی، چگونگی ساماندهی چهار کاربری کشاورزی، جنگل، مرتع و توسعه و اولویت بندی آنها را در منطقه ای در شهرستان گرگان، با هدف کاهش هزینه تخصیص سرزمین به هر کاربری و افزایش تراکم و پیوستگی مناطق اختصاص یافته به آنها، به منزله معیارهای شکلی سیمای سرزمین، مورد مداقه قرار داده است. در این راستا، از قابلیت های دو مدل دقیق و ابتکاری، شامل مدل برنامه ریزی خطی و الگوریتم کلونی مورچگان، استفاده شده است. برای اجرای مسئله به گزینی کاربری اراضیِ تعریف شده در مدل برنامه ریزی خطی که با توجه به ابعاد مسئله (132 ردیف در 127 ستون) و اهداف مورد تحقیق در زمره مسائل سخت قرار دارد، از روش آزادسازی مسئله از قید صحیح و روش شاخه و کران بهره گرفته شده است. نتایج نشان می دهد میزان هزینه تخصیص، تراکم و پیوستگی در همه کاربری ها در استفاده ترکیبی از دو مدل بالا، درمقایسه با شرایطی که فقط یکی از دو مدل به کار رود، بهینه تر خواهد بود. نتایج مقایسه اجرای به گزینی در استفاده ترکیبی از دو الگوریتم و اجرای آن به وسیله الگوریتم شناخته شده MOLA در نرم افزار ایدریسی نشان می دهد که ضمن آنکه در مدل پیشنهادی امکان تعریف اهداف بیشتر وجود دارد، تفاوت مقادیر هزینه، تراکم و پیوستگی در نتایج دو مدل پس از استانداردسازی در بازه صفر تا یک، به ترتیب، 0.03، 0.1 و 0.07 است و الگوریتم ترکیبی بهینه تر عمل کرده است.

هدف از انجام پژوهش حاضر بررسی کاربرد الگوریتم ها ی فرا ابتکاری در حوزه مالی می باشد. الگوریتم های فر اابتکاری مورد مطالعه در این تحقیق شامل الگوریتم کلونی مورچگان، الگوریتم کرم شب تاب، الگوریتم زنبور عسل، الگوریتم تجمعی ذرات، الگوریتم جستجوی هارمونی و الگوریتم جغرافیای زیستی می باشد. در این مقاله، ضمن بررسی هر یک از این الگوریتم ها به صورت مختصر، مطالعات داخلی و خارجی در این زمینه انجام گرفته و کاربرد آن ها در زمینه ی امور مالی بیان شده است. نتایج حاصل از مطالعات نشان می دهد، پژوهش های بیشتر و در نهایت استفاده از این الگوریتم ها در پیش بینی های مربوط به مباحث مالی و بازار سرمایه می تواند تا حد قابل قبولی به افزایش عملکرد عملیات حسابداری و حسابرسی کمک کند. همچنین افزایش تحقیقات و فراهم نمودن زمینه های عملیاتی در سال های اخیر نشان دهنده ی علاقمندی محققین و مراکز تحقیقاتی در جهت توسعه ی این روش های نوین به ویژه در بحث توسعه ی نرم افزاری است.

میزان قابلتوجه زیان مالی بالقوه ناشی از بازپرداخت نکردن تعهدهای وامگیرندگان است، و توسعه و بهبود روشهای اندازهگیری ریسک اعتباری برای کاهش زیان مالی ناشی از نکول وامگیرندگان به موضوعی اجتناب ناپذیر در ادبیات مالی تبدیل شده است. هدف مدلهای پیشبینی ورشکستگی، برآورد احتمال نکول شرکت یا شخص در یک دوره زمانی است. در پژوهش حاضر، از دادههای شرکتهای حاضر در بورس اوراق بهادار تهران و فرابورس در سالهای 1395-1370 استفاده می شود و با نمونهای از ۲۱۸ شرکت، الگوریتم کلونی مورچگان برای تعیین موثرترین عوامل ریسک اعتباری و روش شبکه عصبی بازشناسی الگو برای طبقهبندی و ارزیابی میزان دقت پیشبینی ورشکستگی استفاده می شود. نسبتهایی شامل سود قبل از بهره و مالیات به فروش کل، کل حقوق صاحبان سهام به کل بدهی، نسبت جاری، نسبت وجه نقد، و نسبت حقوق صاحبان سهام به دارایی کل به عنوان موثرترین عوامل شناسایی می شوند. مدل نهایی قادر به پیشبینی وضعیت اعتباری شرکتها، با دقت بالاتری نسبت به متوسط دقت مدلهای متداول موجود با استفاده از دادههای سال قبل، دو سال قبل، و سه سال قبل از سال هدف برآورد است.

یکی از مشکلات اساسی در بحث مدیریت خشکسالی، تخصیص بودجه جهت کمک به آسیب دیدگان از این پدیده اقلیمی است که گاهاً مشاهده شده است که هیچ سازوکار مشخصی برای آن تعریف نشده است و بعضی اوقات نیز مشاهده شده است که این تخصیص ها بر اساس علایق منطقه ای و سیاسی بوده است و آسیب دیدگان اصلی از خشکسالی ها از این کمک ها بی بهره بوده اند، لذا این تحقیق به دنبال طراحی یک الگوریتم فراابتکارانه هوشمند جهت مدیریت بودجه خشکسالی در استان سیستان و بلوچستان می باشد. در این مطالعه از شاخص هایی همچون جمعیت، برخورداری از آب شرب شهری و روستایی، آسیب پذیری منابع آب، میزان سطح زیر کشت، تعداد بهره برداران بخش کشاورزی، مصرف سالیانه آب کشاورزی و نزولات جوی استفاده شده است. مقادیری عددی مربوط به هر کدام از این شاخص ها به تفکیک هر شهرستان جمع آوری شد ند . اما با توجه به اینکه این شاخص ها در هر شهرستان از اهمیت یکسانی برخوردار نیستند و ممکن است برخی از آنها در یک شهرستان اهمیت بیشتری و در شهرستان دیگری اهمیت کمتری داشته باشند، از تکنیک تحلیل سلسله مراتبی ( AHP ) با استفاده از روش مقایسه زوجی برای تعیین اهمیت نسبی این شاخص ها کمک گرفته شد. برای تعیین طبقات مختلف خشکسالی نیز از شاخص استاندارد شده بارش SPI) ) استفاده شد. بعد از تعیین مقادیر عددی طبقات مختلف خشکسالی های استان، از الگوریتم کلونی مورچگان برای اولویت بندی شهرستان ها جهت مدیریت بهینه بودجه خشکسالی استفاده شد که نتایج این الگوریتم در قالب نقشه های اولویت بندی مدیریت بودجه خشکسالی استان ارائه شدند. با توجه به معیارهای انتخاب شده و روش کار پیشنهادی به نظر می رسد که ترکیب تکنیک تحلیل سلسله مراتبی ( AHP ) و الگوریتم کلونی مورچگان قادر به تدوین سیستمی هوشمند حهت تعیین اولویت شهرستان های استان سیستان و بلوچستان در زمان وقوع خشکسالی ها برای اختصاص بودجه بهینه در خصوص کاهش اثرات مخرب خشکسالی ها باشند. بر اساس نقشه های اولویت بندی تخصیص بودجه بهینه خشکسالی بین شهرستان های استان سیستان و بلوچستان به راحتی مشاهده می شود که نتایج با واقعیت های موجود در استان تقریباً هماهنگی خوبی نشان می دهد.

موضوع استفاده از روش های فرا-ابتکاری برای کاربرد در مسائل بهینه سازی ترکیبی، زمینه تحقیقاتی است که با سرعت در حال رشد است. این امر به دلیل اهمیت مسائل بهینه سازی ترکیبی در دنیای صنعت و علم است. در سال های اخیر یکی از مهمترین و امید بخش ترین تحقیقات، «روش های فرا-ابتکاری برگرفته از طبیعت» بوده است که در حل مسائل مشکل ترکیبی نتایج بسیار خوبی داشته است. الگوریتم های فرا-ابتکاری هنگامی برای حل یک مسئله استفاده می شوند که همگام با افزایش ابعاد مسئله فضای شدنی به صورت چشمگیری افزایش یابد که اصطلاحا اینگونه مسائل NP-hard نامیده می شوند. یکی از روش های فرا-ابتکاری پرکاربرد در این زمینه الگوریتم بهینه سازی کلونی مورچگان است که امروزه در حل مسائل تخصیص منابع مکانی، مسیریابی و مکان یابی در محیط های سیستم اطلاعات جغرافیایی کاربرد دارد. در این تحقیق ضمن بررسی الگوریتم کلونی مورچگان به بیان و پارامترهای مورد نیاز آن برای استفاده در محیط سیستم اطلاعات جغرافیایی پرداخته می شود.

پیش بینی درماندگی مالی شرکت ها یکی از موضوعات مهمی است که به موفقیت و تداوم حیات شرکت ها کمک زیادی می کند. از جمله روش های هوشمندی که اخیرًا در حل مسائل پیش بینی و دسته بندی نتایج مطلوبی را به همراه داشته، روش الگوریتم کلونی مورچگان است. پژوهش حاضر به مطالعه پیش بینی درماندگی مالی شرکت ها با استفاده از الگوریتم کلونی مورچگان می پردازد. جامعه آماری شامل شرکت های بورس اوراق بهادار تهران و نمونه استفاده شده شامل 174 شرکت درمانده و سالم بوده است. متغیرهای پیش بین بر اساس نسبت هایی انتخاب شدند که در نتایج تحقیقات قبلی به عنوان متغیرهای اصلی پیش بینی در مدل پیش بینی آنها ارائه شدند. مدل مقایسه ای استفاده شده در این پژوهش، مدل تحلیل ممیز چندگانه است. نتایج به دست آمده از تحقیق بیانگر آن است که روش الگوریتم کلونی مورچگان در پیش بینی درماندگی مالی شرکت ها، به طور معناداری نسبت به روش تحلیل ممیز چندگانه عملکرد بهتری دارد

خطوط استخوان بندی حمل و نقل همگانی شهر مشهد حدود 50 درصد با یکدیگر همپوشانی دارند که این مسئله از سطح پوشش سیستم می کاهد. این تحقیق با هدف باز طراحی مسیر خطوط مذکور با رویکرد حداکثرسازی خصوصیت دسترسی سیستم انجام شده است. جهت تعیین مسیرهای اصلاحی خطوط مذکور از روش الگوریتم کلونی مورچگان استفاده شده است. سپس شاخص دسترسی ترکیبی به روش هنسن به تفکیک 253 ناحیه ترافیکی در دو حالت سیستم وضع موجود و سیستم پیشنهادی تحقیق محاسبه شده است. مقایسه دو سیستم وضع موجود و اصلاح شده به کمک شاخص دسترسی و با روش محاسبه میانگین دو گروه مستقل با استفاده از نرم افزار SPSS انجام شده است. مسیرهای اصلاحی تعریف شده، سطح پوشش را افزایش داده در حالی که طول کل خطوط سیستم پیشنهادی نسبت به سیستم اولیه ثابت می باشد. همچنین شاخص دسترسی به سیستم اصلاح شده نسبت به سیستم موجود به طور معناداری افزایش یافته است. با توجه به اینکه سیستم موجود استخوان بندی حمل و نقل همگانی شهر مشهد با روش های مبتنی بر سرعت و حرکت طراحی شده است، نتایج این تحقیق، تفاوت رویکرد مبتنی بر سرعت و حرکت نسبت به رویکرد مبتنی بر دسترسی را در طراحی سیستم های حمل و نقل همگانی آشکار می سازد