الگوریتم کرم شب تاب

در فضای رقابتی کنونی، رشد تولیدات و تثبیت نوسانات اقتصادی، از مهمترین اهداف اقتصاد کلان هر کشور می باشد. استفاده از شاخص های اقتصاد مبتنی بر دانش یا دانش بنیان به عنوان یکی از مهمترین ابزارهای مدیریت تقاضا می تواند در تحقق این مهم نقش مؤثری ایفا نماید. دانش به عنوان اصلی ترین نوع سرمایه تلقی می شود و رشد اقتصادی ریشه در انباشت دانش دارد، زیرا انباشت دانش منشأ فناوری، نوآوری و کارآفرینی است. از این رو، با در نظر گرفتن شرایط اقتصاد ایران، بررسی اثرات شاخص های اقتصاد دانش بنیان بر رشد تولیدات می تواند حائز اهمیت باشد. هدف اصلی این پژوهش، بررسی چگونگی اثرگذاری ابعاد اقتصاد دانش بنیان بر رشد تولیدات در اقتصاد ایران در چارچوب مدل های متعارف رشد اقتصادی می باشد. به لحاظ روش شناسی، در پژوهش حاضر با استفاده از داده های سری زمانی اقتصاد ایران در طول دوره زمانی 91-1353 که از اطلاعات و داده های بانک مرکزی استخراج گردید، نقش شاخص های اقتصاد دانش بنیان شامل آموزش و منابع انسانی، زیر ساخت اطلاعات و ارتباطات، موجودی سرمایه و درجه باز بودن تجاری بر رشد تولیدات با بهره گیری از الگوریتم جستجوی گرانشی (GSA) و الگوریتم کرم شب تاب (FA) مورد آزمون تجربی قرار گرفت. بر اساس یافته های پژوهش، روابط مفروض در فرضیه های پژوهش، شامل اثرات مثبت اقتصاد دانش و ابعاد آن در رشد تولیدات داخلی اقتصادی، مورد پذیرش واقع شد.

تورم به عنوان یکی از پدیده های اقتصادی موجب پیامدهای منفی اجتماعی و فرهنگی متعددی همچون فقر، توزیع نامتناسب درآمد و گسترش مفاسد مالی می شود که هرکدام به نوبه خود هزینه های قابل توجهی را بر اقتصاد تحمیل می کند. به همین دلیل، در کلیه کشورها ثبات قیمت ها به عنوان هدف اصلی برنامه ها و سیاستگذاری های اقتصادی در نظر گرفته می شود. لذا بررسی و پیش بینی این متغیر کلان اقتصادی از اهمیت ویژه ای برخوردار است. در این راستا مدل های پیش بینی گوناگونی در رقابت با یکدیگر توسعه یافته اند، یکی از این روش ها الگوریتم های تکاملی می باشد که به عنوان روشی نوین برای مدل سازی و پیش بینی پدیده های مختلف ابداع گردیده اند. در مطالعه حاضر با استفاده از الگوریتم کرم شب تاب و الگوریتم فاخته و به کارگیری متغیرهای تأثیر گذار بر تورم از جمله حجم نقدینگی، نرخ ارز، نرخ بهره حقیقی، تورم انتظاری و تولیدات صنعتی طی دوره 1394-1354 به مدل سازی تورم به صورت خطی و غیرخطی پرداخته می شود. نتایج نشان می-دهد که مدل غیر خطی برای مدل سازی تورم مناسب تر است و الگوریتم کرم شب تاب نسبت به الگوریتم فاخته نتیجه بهتری را ارائه می دهد و با توجه به دقت مدل غیرخطی مدل سازی شده توسط الگوریتم کرم شب تاب می توان به منظور پیش بینی تورم در آینده از آن استفاده نمود.

افزایش تعداد و گردش مالی پروژه های سازمان ها و سازمان های پروژه محور از یک سو و شدت گرفتن دغدغه های زیست محیطی تحت مفهوم «توسعه پایدار» از سوی دیگر به ورود دغدغه های زیست محیطی در مدیریت پروژه منجر شده است. از اینرو در این مطالعه، اثرات زیست محیطی پروژه به عنوان شاخص جدیدی در مسئله موازنه هزینه- زمان پروژه در نظر گرفته شده و مدل ریاضی جدیدی با سه شاخص هزینه، زمان و اثرات زیست محیطی ارائه شده است. با توجه به دشواری حل مدل ریاضی ارائه شده از دو الگوریتم فراابتکاری ازدحام ذرات چندهدفه و کرم شب تاب چندهدفه به صورت ترکیبی با یک الگوریتم ابتکاری که جواب های موجه از نظر روابط پیش نیازی ایجاد می کند، در محیط نرم افزار متلب استفاده شد. نتایج به کارگیری این مدل ریاضی و الگوریتم های حل بر روی داده های مسائل استاندارد موجود در کتابخانه PSPLIB نشان داد که مدیران پروژه با به کارگیری این مدل ریاضی در زمان بندی پروژه خود، حق انتخاب بین مقادیر مختلف زمان، هزینه و اثرات زیست محیطی پروژه را خواهند داشت و از طرفی می توانند اثرات زیست محیطی پروژه را کنترل کنند؛ همچنین مقادیر شاخص های ارزیابی جواب های پارتو نشان داد که الگوریتم ازدحام ذرات کارایی بهتری نسبت به الگوریتم کرم شب تاب در این مسئله داشته است.

از یک طرف کشورهایی که در آنها نفت به عنوان محور و تکیه گاه بنیادی جهت کسب درآمد اقتصادی محسوب می شود، به این نتیجه دست یافته اند که نفت نمی تواند یک منبع بادوام درآمدی باشد و اقتصاد متکی به فروش نفت به یکی از چالش های بزرگ اقتصاد کشورهای صادرکننده نفت مبدل شده است. از طرف دیگر در سال های اخیر گردشگری به عنوان یکی از پویاترین بخش های اقتصاد جهانی محسوب شده است و از درآمد حاصل از ابعاد مختلف صنعت گردشگری می توان به عنوان گزینه ای مناسب برای جایگزینی درآمد ناشی از فروش نفت یاد کرد. یکی از مهمترین حوزه های صنعت گردشگری، گردشگری پزشکی است. بنابراین در این مطالعه سعی شده است تأثیر شاخص های کیفیت نهادی بر صنعت گردشگری پزشکی در ایران با استفاده از رویکرد بهینه سازی مورد بررسی قرار گیرد. نتایج این مطالعه حاکی از آن است که بهبود در شاخص کیفیت نهادی، سرمایه ثابت ناخالص در حوزه خدمات درمانی در بیمارستان های دولتی و خصوصی، سرمایه ثابت ناخالص در حوزه خدمات گردشگری، همچنین افزایش در تعداد ارائه دهندگان خدمات به گردشگران پزشکی از جمله پزشکان عمومی و متخصص و افزایش نرخ ارز مؤثر حقیقی در ایران منجر به افزایش جذب گردشگران پزشکی به کشور شده 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.

  امروزه رشد استفاده از شبکه های اجتماعی در میان اقشار مختلف جامعه جهانی، به صورت غیرقابل انکاری رو به فزونی افزایش یافته است. پایگاه داده شبکه های اجتماعی؛ شامل منابع غنی و با ارزشی هستند که انتشار یا تحلیل آن ها جهت برای مقاصد بازاریابی، تبلیغاتی، امنیت ملی، سلامت و ... می تواند برای محققان مؤسسات دولتی و خصوصی سودمند واقع گرددباشد؛ اما رعایت حریم خصوصی موجودیت هایی که اطلاعات آن ها در اختیار تحلیلگران داده کاوی قرار می گیرد، به عنوان یک پروتکل حقوقی ضروری است. در این مقاله، از طریق روش شناسی کیفی فراترکیب، کلیه ابعاد، شاخص ها و کدهای مربوطه استخراج و سپس میزان اهمیت و اولویت هر یک از عوامل، تعیین شده و متعاقباً مدل بهبودیافته گمنامی، به وسیله الگوریتم بهینه سازی کرم شب تاب و خوشه بندی فازی، ارائه گردیده شده است. نتایج شبیه سازی و ارزیابی های مدل پیشنهادی بر روی داده های چهار شبکه اجتماعی فیس بوک، یوتیوب، توییتر و گوگل پلاس، حاکی از حفظ حریم خصوصی داده ها با کمترین نسبت انحراف و بیشترین سودمندی است. ا

هزینه ی سرمایه، حداقل نرخ بازده ی مورد انتظار سرمایه گذاران است، این نرخ بازده مورد انتظار با در نظر گرفتن ریسک شرکت تعیین می شود. در این پژوهش با استفاده از اطلاعات مالی 97 شرکت طی سال های 1390 الی 1396 و به کمک متغیرهای حسابداری اقدام به پیش بینی هزینه سرمایه در شرکت های پذیرفته شده در بورس اوراق بهادار تهران شده است. جهت پیش بینی هزینه سرمایه از روش های رگرسیون ماشین بردار و کرم شب تاب استفاده شد. نتایج نشان داد که بین متغیرهای نسبت بدهی، فرصت رشد، رشد فروش، نوع مالکیت (ارتباط سیاسی)، نسبت دارایی ثابت، اندازه شرکت با هزینه سرمایه رابطه ی معناداری وجود دارد. با توجه به خطای بسیار منطقی حدوداً 7 درصد الگوریتم کرم شب تاب و رگرسیون ماشین بردار در پیش بینی هزینه سرمایه در داده های ارزیابی می توان بیان کرد که الگوریتم کرم شب تاب و رگرسیون ماشین بردار با استفاده از داده های حسابداری توان پیش بینی هزینه سرمایه شرکت های پذیرفته شده در بورس اوراق بهادار تهران را باقدرت بسیار بالا دارد و همچنین الگوریتم کرم شب تاب توانایی بالاتری در پیش بینی هزینه سرمایه نسبت به الگوریتم رگرسیون ماشین بردار دارد.

یکی از ملاک های مؤثر بر اقتصاد ملی، تولید ناخالص داخلی است. اما این تولید تنها ارزش بازاری کالاها و خدمات نهایی تولید شده در اقتصاد را در برمی گیرد و اثرات منفی زیست محیطی را در برنمی گیرد. از طرف دیگر در نتیجه آزاد سازی تجاری، حجم فعالیت های اقتصادی گسترش یافته و استفاده از منابع و انرژی به شکل نامناسبی افزایش می یابد. به همین دلیل از دیدگاه نظری، اثبات شده است که GDP معیار مناسبی برای اندازه گیری رفاه اقتصادی نمی باشد. همواره معیار هایی برای محاسبه درآمدملی جهت رفع این نارسایی مطرح شده است از جمله این معیارهای اندازه گیری، تولید ناخالص داخلی سبز است. در این مطالعه، به منظور ارزیابی تأثیر آزادسازی تجاری برتولید ناخالص داخلی سبز، از روش الگوریتم جستجوی گرانشی و الگوریتم کرم شب تاب در دوره زمانی 2015-1961 استفاده شده است. نتایج حاصل از ارزیابی تأثیر آزادسازی تجاری نشان می دهد،که این متغیر تأثیر مثبت و معناداری بر تولید ناخالص داخلی سبز دارد. بنابراین با توجه به تأثیر مثبت آزادسازی تجاری بر تولید ناخالص داخلی سبز، این متغیر به عنوان یک متغیر کاهش دهنده آلودگی شناخته شده است؛ بدین معنی که افزایش مراودات تجاری در ایران منجر به بهبود کیفیت زیست محیطی می شود.

مقدمه: بیماری کبدی یکی از بیماری های شایع و خطرناک می باشد و تشخیص بهموقع این بیماری می تواند در پیشگیری از عوارض، کنترل و درمان بیماری بسیار موثر باشد. هدف پژوهش حاضر بهبود الگوریتم آدابوست با الگوریتم کرم شب تاب برای تشخیص بیماری کبد می باشد. روش ها: مطالعه حاضر، از نوع توصیفی-تحلیلی می باشد. مجموعه داده آن شامل 583 رکورد مستقل شامل 10 ویژگی موجود در مجموعه داده یادگیری ماشین دانشگاه کالیفرنیا، ایروین ((UCI) University of California, Irvine) می باشد. در این مقاله از ترکیب الگوریتم آدابوست و کرم شب تاب در راستای افزایش کارایی تشخیص بیماری کبد استفاده شده است. از 80 درصد داده ها جهت آموزش و از 20 درصد باقی مانده جهت آزمون استفاده شده است که این مبنا توسط ارزیابی های مختلف انتخاب شده است. یافته ها: نتایج نشان داد که عملکرد مدل ترکیبی با انتخاب ویژگی در مقایسه با حالت بدون انتخاب ویژگی بهتر است. البته انتخاب ویژگی های مهم در عملکرد مدل ترکیبی موثر هستند. درصد صحت (accuracy) مدل ترکیبی با پنج ویژگی در بهترین حالت برابر با 6/98 درصد و درحالت کلی و با تمام ویژگی ها برابر با 1/94 درصد است. در مقایسه کلی، مدل ترکیبی در مقایسه با اغلب مدل های داده کاوی از درصد صحت بیشتری برخوردار است. نتیجه گیری: با توجه به نتایج به دست آمده مطالعه حاضر، مدل ترکیبی در تشخیص و طبقه بندی افراد سالم و ناسالم می تواند نقش مؤثری در کمک به پزشکان داشته باشد و در مراکز پزشکی برای بالا بردن دقت، سرعت و کاهش هزینه ها می توان از این مدل استفاده نمود. نمی توان ادعا کرد که مدل ترکیبی در مقایسه با کل مدل ها بهتر است اما در مقایسه با بیشتر مدل ها دارای درصد صحت بیشتری است.

فرایند پیچیده توسعه و نقش منابع انسانی، به مثابه یکی از عوامل اصلی آن، نیازمند بازنگری در نقش نیروی انسانی به خصوص نقش زنان است که نیمی از جمعیت جهان را تشکیل می دهند. در سال های اخیر، جهان شاهد پدیده اجتماعی اقتصادی جدیدی به نام مشارکت زنان در بازار کار بوده است. قدرت دادن به زنان و برداشتن موانع از سر راه آنان باعث بهبود وضعیت سیاسی، اجتماعی و اقتصادی آن ها در جامعه می شود که این جریان می تواند زمینه ساز رشد و توسعه پایدار باشد. در این مقاله، ارتباط بین متغیرهای تأثیرگذار بر رشد اقتصادی ایران طی دوره 1380 1393 با تأکید بر نقش اشتغال و تحصیلات زنان بررسی شده است. سپس با استفاده از الگوریتم جست وجوی گرانشی (GSA) و الگوریتم بهینه سازی کرم شب تاب (FA)، به برآورد تابع رشد و توسعه اقتصادی کشور در قالب معادلات غیرخطی با تأکید بر نرخ مشارکت اقتصادی زنان و سطح تحصیلات آنان پرداخته شده است. نتایج مطالعه حاکی از آن است که افزایش نرخ مشارکت اقتصادی زنان در بازار کار تأثیر مثبت و معناداری بر تولید ناخالص داخلی کشور داشته و افزایش میزان تحصیلات آنان در قالب متغیر تقاطعی بر نرخ مشارکت اقتصادی زنان و در نهایت تولید ناخالص داخلی کشور تأثیر مثبت داشته است. بنابراین، پیشنهاد می شود که اقدامات مقتضی برای رفع تبعیض علیه زنان در زمینه اشتغال انجام گیرد.

انتخاب سبد سهام یکی از مباحث مهم در حوزه مدیریت سرمایه گذاری بوده که در رابطه با نحوه تخصیص سرمایه یک سرمایه گذار به دارایی های مختلف و تشکیل یک پرتفوی کارا بحث می کند که هرچه مفروضات و شرایط مدل سازی جهت انتخاب و بهینه سازی سبد سرمایه گذاری به شرایط دنیای واقعی نزدیکتر باشد، نتایج حاصل از آن بیشتر قابل اتکا خواهد بود. در نظر گرفتن افق تک دوره ای برای سرمایه گذاری چندان واقعی نبوده و بیشتر سرمایه گذاران برای بیش از یک دوره اقدام به سرمایه گذاری می کنند که سرمایه گذار بتواند موقعیت خود را در طول زمان مورد بازنگری قرار دهد. الگو ها و روش های مختلفی از زمان ارائه کار اولیه مار کویتز تا کنون برای انتخاب سبد سرمایه گذاری بهینه ارائه شده است . با این حال یافتن مفید ترین الگو در انتخاب این سبد همواره دغدغه سرمایه گذاران بوده است. در این پژوهش تعدادی از الگوریتم های بهینه سازی سبد سهام مانند الگوریتم مورچگان ، الگوریتم ژنتیک، الگوریتم فرهنگی، الگوریتم ازدحام ذرات، الگوریتم کرم شب تاب، آورده شده است که در مورد هر کدام به صورت مختصر توضیح داده شده است.

شرکت ها برای ادامه فعالیت خود به منابع کافی نیاز دارند که از جمله آن وجه نقد کافی برای پرداخت به وام دهندگان است. اگر شرکت در کسب منابع برای رفع نیاز هایش توانایی کافی نداشته باشد، دچار درماندگی مالی می شود. شرکت ها در مواجهه با درماندگی مالی، سود حسابداری را به عنوان یکی از اقلام ارزیابی عملکرد، دستکاری می نمایند. در این شرایط، مدیریت با دستکاری حساب ها به مدیریت سود اقدام می نماید که هدف آن، دادن اطلاعات و اخبار خوب به بازار سرمایه است تا بدین وسیله از کاهش ارزش شرکت جلوگیری نماید. در صورت دستکاری حساب ها، فلسفه وجودی صورت های مالی خدشه دار می شود و قابلیت اتکای آنها از بین می رود.  از این رو در پژوهش حاضر به تحلیل اثرات انواع جریان وجه نقد و سهامداران کنترلی بر ارتباط مدیریت سود و عملکرد مالی جهت پیش بینی ورشکستگی مالی در شرکت های بورس اوراق بهادار تهران پرداخته شده است. برای این منظور از داده های 128 شرکت منتخب طی دوره زمانی 1390 تا 1398 استفاده شده است. تجزیه و تحلیل داده ها در دو بخش انجام شده؛ در بخش اول، با استفاده از روش رگرسیونی داده های تابلویی، به برآورد اثر انواع جریان وجه نقد و سهامداران کنترلی بر ارتباط مدیریت سود و عملکرد مالی شرکت ها پرداخته شده است. نتایج این قسمت نشان داد که متغیر مدیریت سود اثرات مثبت و متغیرهای عملکرد، سهامداران کنترلی، جریانات نقدی سرمایه ای، جریانات نقدی حقوق صاحبان سهام و جریانات نقدی عملیاتی آزاد اثر منفی بر معیار ورشکستگی شرکت ها داشته است؛ علاوه بر این، مشاهده شد که انوع جریانات نقدی مورد بررسی در این تحقیق، اثر تعدیل کننده بر ارتباط بین مدیریت سود با ورشکستگی شرکت ها داشته است. در ادامه و در بخش دوم تجزیه و تحلیل ها، بر اساس ضرایب بدست آمده در بخش قبلی و با استفاده از الگوریتم کرم شب تاب پرداخته شده است. نتایج این قسمت نیز نشان داد که درصد موفقیت الگوریتم کرم شب تاب در پیش بینی ورشکستگی شرکت ها برابر با 12/98 درصد بوده است. بر همین اساس پیشنهاد می گرد که سیاست های مبتنی بر کنترل و حفظ انواع جریانات نقدی و بهره گیری از سهامداران کنترلی استفاده شود تا از این طریق احتمال ورشکستگی شرکت ها کاهش پیدا کند.

تقاضای پول یکی از متغیرهای اساسی اقتصاد است که در تعیین الویت ها و انتخاب سیاست های پولی مورد استفاده سیاستگذاران قرار می گیرد؛ زیرا اثرات سیاست های پولی از کانال رفتار تقاضای پول توسط بخش خصوصی به بخش واقعی اقتصاد منتقل می شود. بنابراین استفاده از تکنیک های پیشرو در زمینه پیش بینی این متغیر اساسی می تواند برای سیاستگذاران پولی راهگشا باشد. در این پژوهش رفتار تقاضای پول با تعریف محدود با استفاده از الگوریتمهای فاخته و کرم شب تاب شبیه سازی شده است. برای هر یک از این الگوریتم های تکاملی سه فرم تبعی خطی و درجه دو و نمایی در نظر گرفته شده است. سپس با بررسی دقت پیش بینی های داخل نمونه با استفاده از معیارهای مقایسه عملکرد مدل های رقیب، دقیق ترین مدل برای پیش بینی میزان تقاضای پول تا افق 1404 تحت سه سناریو خوشبینانه، بینابین و بدبینانه مورد استفاده قرار گرفته است. نتایج این پژوهش حاکی از دقت بیشتر الگوریتم فاخته در مقایسه با الگوریتم کرم شب تاب، انتخاب مدل نمایی به عنوان دقیق ترین مدل بررسی شده، رابطه مستقیم تقاضای پول با تولید ناخالص داخلی و نرخ ارز و رابطه غیرمستقیم با نرخ تورم است. همچنین رشد متوسط سالانه 11/23 ، 6/29 و 0/68 درصدی تقاضای پول به ترتیب در اثر وقوع سناریو خوش بینانه، بینابین و بدبینانه و کاهش تقاضای واقعی پول از سال 1401 در صورت بروز سناریو بدبینانه از نتایج دیگر این پژوهش هستند. یافته های حاصل از سناریوسازی نشان می دهد که کارایی و نتیجه تصمیمات مقامات پولی در همراهی با تقاضای پول به اتخاذ سیاست های مناسب در عرصه نرخ تورم و نرخ ارز وابسته است.

هدف اصلی از سرمایه گذاری در بازار سهام، کسب بیشترین بازده در زمان مورد نظر می باشد. معاملات موفق در بازارهای مالی می بایست نزدیک به نقاط کلیدی بازگشتی انجام گردد. در این پژوهش در تلاش هستیم تا با مطالعه تحقیقات پیشین قواعد تکنیکی پر کاربرد را انتخاب و با بهره گیری از الگوریتم کرم شب تاب و گرگ خاکستری، پارامترهای تصمیم گیری در قواعد تکنیکی مذکور برای هر سهم، بهبود و سیگنال های متناقض صادره از اندیکاتور های بهینه شده را به سیگنال واحد مبدل نماییم. در نهایت ازطریق شبکه عصبی حافظه کوتاه مدت ماندگار سعی در پیش بینی موقعیت های ورود و خروج در بازار سهام را خواهیم داشت.این پژوهش از سال 1390 تا شهریور 1401 روی شرکت های بورس اوراق بهادار تهران انجام گردیده است. مدل پیشنهادی توانسته است با خطای حدود سی و شش درصد نقاط خرید، فروش و نگهداری را برای یک روز معاملاتی آتی برای سرمایه گذاران بلند مدت، به درستی شناسایی نماید.

بانک ها در فرایند اعطاء تسهیلات که براساس میزان منابع تجهیز شده صورت می پذیرد با ریسک اعتباری مواجه می باشند. دراین بین مدیریت پرتفوی تسهیلات می تواند با تخصیص بهینه منابع به بخش های اقتصادی از طریق به حداقل رساندن ریسک سرمایه گذاری در سطح معینی از بازده مورد انتظار بر کاهش ریسک اعتباری تأثیرگذار باشد.دراین پژوهش پرتفوی تسهیلات بانک سینا در بخش های اقتصادی طی سال های 1386 تا 1402 با استفاده از مدل پرتفوی مدرن مارکویتز و الگوریتم های فراابتکاری ژنتیک و کرم شب تاب بهینه سازی و مرز کارا تعیین می شود. مقایسه عملکرد مدل ها حاکی از کارایی بیشتر مدل الگوریتم ژنتیک در بهینه سازی پرتفوی تسهیلات بانک می باشد و نتایج حاصل از برآورد این مدل نشان می دهد، بخش های خدمات و بازرگانی، مسکن و ساختمان بیشترین سهم را در پرتفوی بهینه تسهیلات بانک دارند و بخش های صتعت و معدن، کشاورزی و آب دارایی های ریسکی بانک سینا محسوب می شوند. طی دوره مورد بررسی، روند اعطای تسهیلات بانک سینا بهینه نبوده است و درراستای کاهش ریسک اعتباری تسهیلات آن بانک می بایست 4/52% به بخش خدمات و بازرگانی، 7/40% به بخش مسکن و ساختمان، 5/3% به بخش صنعت و معدن و 4/3% به بخش کشاورزی و آب اختصاص یابد.