الگوریتم های تکاملی

با رشد روزافزون جمعیت و نیاز جوامع بشری به مدیریت بهینة منابع، آمایش سرزمین اهمیت ویژه ای یافته است. تعیین مکان مناسب برای برخی از کاربری ها مانند کاربری های صنعتی، که تأثیری عمده در شرایط اقتصادی و اجتماعی و زیست محیطی دارند، پیامدهای مثبتی برای رشد منطقه خواهند داشت. در این بین از جمله مهم ترین مشکلات پیشِ رو برای مدل سازی و مکان یابی کاربری های صنعتی، تعدد توابع هدف اقتصادی و اجتماعی و زیست محیطی، و تناقض برخی از آنها با یکدیگر است، به گونه ای که روش ها و توابع پایه موجود در سیستم های اطلاعات مکانی (نظیر هم پوشانی) پاسخگوی چنین برنامه ریزی های چند هدفة آمایشی نیست. تحقیق حاضر، در زمینة یافتن مکان های مناسب برای تأسیس صنایع بزرگ و کاربری های صنعتی انجام شده است. در این تحقیق پس از بررسی روش های بهینه سازی همزمان چندهدفه، از الگوریتم چندهدفة ژنتیک NSGA-II به منظور حمایت از تصمیم گیری در یافتن زمین های مناسب برای کاربری صنعتی در محدودة استان زنجان استفاده شده است. روند کار بدین ترتیب بوده است که ابتدا شرایط و توابع هدف مورد نیاز تعریف شده و داده های مورد نظر از مراجع جمع آوری و آماده سازی شده اند. سپس، با استفاده از متد NSGA-II و نرم افزارهای GIS و نرم افزار طراحی شده در این حیطه، زمین های مناسب برای کاربری های صنعتی استخراج گردیده و رتبه بندی شده اند. به علاوه، یکی از مهم ترین نتایج این تحقیق، جبهة جواب های مؤثر بوده است که نتایج حاصل از تغییر اولویت های تصمیم گیری را به مدیران نشان می دهد و آنان را در انتخاب گزینه ای مطلوب از بین گزینه های برتر یاری می رساند. این الگوریتم در محدودة مطالعاتی آزمون گردیده و نتایج آن در شرایط مختلف مورد بررسی قرار گرفته، که در بخش درج شده است.

زیست متان به عنوان یک منبع تجدیدپذیر و سازگار با محیط زیست، نقش مهمی در تأمین انرژی مطابق با معیارهای توسعه پایدار ایفا می کند. در این مقاله، مدل برنامه ریزی مختلط عدد صحیح غیرخطی برای تصمیم گیری در مورد مکان بهینه رآکتور تولید زیست متان و چگونگی تخصیص انواع پسماند به عنوان ماده اولیه به رآکتور مطالعه می شود. در این مدل هزینه کل راه اندازی سیستم تولید زیست متان، با درنظرگرفتن محدودیت های مقدار عرضه انواع پسماند در هر مرکز جمع آوری، مقدار تقاضای انواع پسماند در رآکتور و تعداد نیروی کار موجود، حداقل می شود. الگوریتم های ژنتیک و تکامل تفاضلی برای حل مدل، توسعه داده شده اند و نتایج آن ها با یکدیگر مقایسه شده است. زمان حل هر دو الگوریتم نسبتاً یکسان است و الگوریتم تکامل تفاضلی، عملکرد بهتری از نظر مقدار تابع هدف نشان می دهد.

صنعت داروسازی در ایران دچار مشکلاتی مانند توزیع و زمان بندی نامناسب دارو است که موجب به موقع نرسیدن دارو به بیماران و یا از طرف دیگر حجم عظیم داروهای تاریخ گذشته شده است. همچنین توجه به مسائل زیست محیطی و اجتماعی در کنار مسائل اقتصادی رویکرد جدی برای رسیدن به توسعه پایدار است. در این مقاله برای توزیع دارو در سطح کشور با توجه به میزان تقاضا، توابع هدف اقتصادی، زیست محیطی و اجتماعی در نظر گرفته شده است. هدف این پژوهش طراحی مدلی نوین برای شبکه توزیع دارو منطبق با شرایط کشور است. نوآوری این مقاله نسبت به سایر پژوهش های دیگر داشتن تابع هدف اجتماعی مدل است که انبارهای محلی در مناطق با درصد بیکاری بیشتر انتخاب می شوند و این امر موجب ایجاد اشتغال در مناطق محروم تر می شود. برای اعتبارسنجی، مدل پیشنهادی در شرکت داروپخش اجرا شده است. این مدل Np-hard است و برای به دست آوردن جبهه جواب از الگوریتم های تکاملی سه هدفه و سپس تنظیم پارامتر با روش طراحی آزمایش های تاگوچی استفاده شده است. شرکت های توزیع کننده دارو با استفاده از این مدل قادر به تصمیم گیری های استراتژیک (تعیین مکان های توزیع اصلی و محلی دارو) و تاکتیکی (میزان جریان دارو در شبکه) با کمترین هزینه و زمان، ایجاد اشتغال در مناطق محروم تر و کاهش ایجاد گازهای خطرناک می شوند.

بیان مسئله: کاربست روش های شکل-محور د ر سیستم طراحی مولد ، اگرچه د ر جهت توصیف و تحلیل یک سبک یا معماری منطقه ای و یا اثری خاص د ر مطالعات متعد د ی مورد بررسی قرارگرفته اند ، پیچید گی و تعد د قواعد ساختاری و عد م انعطاف پذیری این روش ها د ر ارزیابی و بهینه یابی نمونه های جد ید تولید شد ه تا حد ود ی از مطلوبیت کاربرد آن ها کاسته است. با این وجود ، توانایی تولید فرم های جد ید بر مبنای قوانین اشکال، علاوه بر تحلیل و استخراج قواعد شکلی یک ساختار سنتی، لزوم بررسی بیشتر روش های شکل-محور را مشخص می کند . هد ف پژوهش: این پژوهش د ر راستای پاسخگویی به این کاستی، رویکرد ترکیبی تکاملی مولد را پیشنهاد می کند . کاربست روش های تکاملی مولد می تواند نگرش جد ید ی د ر فرایند تحلیل ساختارهای سنتی و طراحی جد ید مبتنی بر این ساختارها ارائه د هد .روش پژوهش: روش پژوهش بر مبنای مطالعات کتابخانه ای و به صورت تحلیلی-توصیفی جهت بررسی اد بیات موضوعی مرتبط بود ه و همچنین با د رنظرگرفتن نمونه های مورد ی از میان خانه های سنتی کاشان، از ترکیب روش شیپ گرامر (د ستورزبان شکل) جهت تحلیل ویژگی های ترکیب بند ی و روابط فیزیکی-فضایی د ر خانه های سنتی، و ابزار الگوریتم ژنتیک جهت بهینه یابی ساختارهای جد ید تولید شد ه، استفاد ه می کند .نتیجه گیری: نتیجه تحقیق نشان د هند ه کارایی روش های تکاملی مولد د ر بهبود و تسریع فرایند تحلیل ویژگی های ساختارهای سنتی و همچنین تولید طرح های متنوع جد ید ی است که می توانند جوهره فضایی ساختارهای سنتی را حفظ کنند .

بهینه سازی سبد سهام همواره یکی از با اهمیت ترین مسائل در علوم مالی است. استراتژی های مختلفی برای مدیریت پرتفوی سبد سهام استفاده شده اند که به طور عمده می توان آنها را بر دو نوع فعال و غیرفعال دسته بندی کرد. یکی از مهم ترین رویکردهای مدیریت غیرفعال پرتفوی، تشکیل پرتفوی ردیاب شاخص است. به منظور تشکیل پرتفوی ردیاب شاخص از مدل ها و الگوریتم های مختلفی استفاده می شود. پژوهش پیش رو به منظور بررسی عملکرد پرتفوی ردیاب شاخص با رویکرد نامتقارن و وارد کردن بتای نامطلوب در مدل ردیاب شاخص برای بهبود عملکرد آن است. به این منظور، ضمن به کارگیری سه مدل برای ردیابی شاخص، از دو الگوریتم تکاملی ژنتیک و تکامل دیفرانسیلی برای حل مدل مد نظر بهره برده شد. به منظور بررسی کارایی مدل نیز، از داده های بورس اوراق بهادار تهران استفاده شده است. نتایج در انتها نشان داد مدلی که بر مبنای بتای نامطلوب ارائه شده و توسط الگوریتم تکامل دیفرانسیلی حل شده است، کارایی بیشتری دارد.

گزینه های انتخابی برای زمان بندی ترتیب فعالیت های پروژه برای اتمام پروژه، جواب منحصربه فرد ندارد، بلکه مجموعه ای از جواب ها را شامل می شود که هیچ کدام بر دیگری ترجیح ندارند؛ بنابراین، انتخاب بهترین گزینه برای انجام دادن فعالیت ها مهم است، به طوری که هزینه و زمان انجام دادن پروژه، متناسب با دیدگاه پیمانکار یا کارفرما باشد. درنتیجه، در این تحقیق فعالیت های بخشی از پروژه احداث پالایشگاه میعانات گازی بندرعباس شامل 35 فعالیت و دارای دو منابع تجدیدپذیر شامل نیروی انسانی و ماشین آلات به عنوان مسئله نمونه انتخاب شد و برای حل آن یک مدل ریاضی زمان بندی پروژه با اهداف چندگانه بر مبنای الگوهای پرداخت هزینه و ملاحظه محدودیت منابع ارائه شد. از آنجاکه این مسئله از جمله مسائل بهینه سازی ترکیبی در خانواده مسائل  NP-hardمحسوب می شود، برای حل مدل پیشنهادی از الگوریتم های تکاملی چندهدفه NSGA-II و MOPSO برای زمان بندی پروژه استفاده شد و عملکرد الگوریتم ها با استفاده از شاخص های مقایسه ای مقایسه شدند. درنهایت، برای اعتبارسنجی، جواب های الگوریتم پیشنهادی با جواب های دقیق از نرم افزار GAMS مقایسه شد که نتایج نشان می دهد الگوریتم پیشنهادی کارا و همگرا به جواب بهینه است.

با افزایش محبوبیت روش های بهینه سازی در علوم مختلف، معماران نیز با اهداف گوناگون به استفاده از این روش ها در طراحی و اجرای ساختمان پرداخت هاند. نحوه ی کارکرد و ویژگی های ه رکدام، با توجه به جدید بودن آ نها در معماری، ناشناخته است. در این تحقیق، ضمن تدوین مبانی روش های بهینه سازی تکاملی، با مرور 77 مطالعه پیشین که در حوزه ی ساختمان، از الگوریتم های بهینه سازی استفاده کرده اند؛ به بررسی میزان کارایی رو شها در دستیابی به اهداف معماری و ساخت، ب ه روش تحلیل محتوای متن اقدام م یگردد. الگوریتم های بهینه سازی با شش هدف مختلف در معماری پیاده سازی شد هاند؛ از این اهداف، بیشترین کاربرد مربوط به بهینه سازی نظام فضایی در کاربری مسکونی و بهینه سازی انرژی در ساختمان های اداری است. در بررس ی انجام شده، الگوریتم ژنتیک پرکاربردترین الگوریتم تکاملی و بهینه سازی انبوه ذرات، رایج ترین روش در تحقیقات مبتنی بر هوش جمعی است. با توجه به برخورد عمدتاً نظری پژوهشگران با این موضوع، طراحان نیازمند تعاملات بین رشته ای بیش تر با سایر محققین ب هویژه متخصصین کامپیوتر جهت پیاده سازی و عملیاتی شدن کاربرد الگوریتم ها می باشند.

هدف: هدف این پژوهش، مقایسه عملکرد دو الگوریتم از الگوریتم های بهینه سازی تکاملی چندهدفه، شامل الگوریتم ژنتیک مرتب سازی نامغلوب (NSGAII) و الگوریتم تکاملی قدرت پارتو بهبودیافته (SPEA2) در دو رویکرد میانگین واریانس و میانگین نیمه واریانس برای انتخاب پرتفولیوی بهینه سهام در بورس اوراق بهادار تهران است. روش: این پژوهش با استفاده از داده های 241سهم در یک بازه زمانی 174 ماهه (از مهر 1385 تا پایان اسفند 1399) در بورس اوراق بهادار تهران صورت گرفته است. پس از طراحی الگوریتم های مدنظر و انتخاب پرتفولیوی بهینه بر اساس آن ها، با استفاده از نسبت شارپ و آزمون مقایسه میانگین ها، عملکرد این پرتفولیوها در مقاطع زمانی سه ماهه ارزیابی و مقایسه شدند. یافته ها: با انجام آزمون فرضیه، روی نسبت شارپ پرتفولیوهای تشکیل شده طبق الگوریتم های پژوهش، مشخص شد که الگوریتم SPEA2 نسبت به الگوریتم NSGAII عملکرد بهتری دارد. با انجام آزمون برگشت (بک تست) با داده های واقعی سه ماهه منتهی به پایان سال 1400 این یافته تأیید شد. همچنین نتایج حاصل از آزمون مقاومت، برتری الگوریتم SPEA2 به عنوان الگوریتم برتر در این پژوهش را نسبت به مدل سنتی مارکوویتز تأیید کرد. نتیجه گیری: نتایج این پژوهش نشان می دهد که الگوریتم SPEA2 نسبت به الگوریتم NSGAII در هر دو رویکرد میانگین واریانس و میانگین نیمه واریانس برای انتخاب پرتفولیوی بهینه عملکرد بهتری است.