Genetic Algorithm

حرية الوصول المقاله

1 - شناسایی چهره افراد بر اساس مدل معنایی برای موبایل بانک
لیلی نصرتی امیرمسعود بیدگلی حمید حاج سید جوادی

چکیده: در این مقاله، یک پروتکل احراز هویت جدید برای بانکداری آنلاین بر اساس مدل معنایی ویژگی¬های استخراج شده از تصویر افراد معرفی شده است. رویکرد پیشنهادی با استفاده از تلفن¬های همراه هوشمند برای تصویربرداری دیجیتال برای مشتریان ارائه شده است. در این روش از خوشه‌بندی فا أکثر

چکیده: در این مقاله، یک پروتکل احراز هویت جدید برای بانکداری آنلاین بر اساس مدل معنایی ویژگی¬های استخراج شده از تصویر افراد معرفی شده است. رویکرد پیشنهادی با استفاده از تلفن¬های همراه هوشمند برای تصویربرداری دیجیتال برای مشتریان ارائه شده است. در این روش از خوشه‌بندی فازی برای دسته‌بندی ویژگی‌های تصاویر افراد مختلف استفاده شده است و با اعمال آن‌ها در روش‌های مختلف یادگیری ماشین، ترکیب روش‌های طبقه‌بندی یادگیری ماشینی برای بهبود عملکرد و افزایش قدرت در برابر حملات مختلف ارائه شده است. همچنین به منظور کاهش پیچیدگی طراحی ماشین برای کارهای عملیاتی، از روش کاهش ویژگی¬های استخراج شده از تصاویر چهره افراد به کمک الگوریتم ژنتیک و در قسمت آخر برای تصمیم¬گیری جهت احراز هویت فرد انتخاب شده، از سیستم منطق فازی بر اساس بالاترین دقت شناسایی فرد مورد نظر استفاده شده است. با استفاده از یک مجموعه داده عمومی، نتایج تجربی نشان داد که روش مبتنی بر الگوریتم ژنتیک بهترین انتخاب ویژگی برای ایجاد یک روش احراز هویت ضمنی برای محیط تلفن هوشمند است. نتیجه محاسبات دقت حدود 80/99% را با استفاده از تنها 30 ویژگی از 77 ویژگی برای احراز هویت کاربران نشان داد که بیانگر نیاز به منابع کمتر تلفن همراه است. تفاصيل المقالة

حرية الوصول المقاله

2 - طراحی مدل ریاضی شبکه زنجیره تأمین سبز چند محصولی صنعت خودرو در شرایط عدم اطمینان
داود خدادادیان رضا رادفر عباس طلوعی

امروزه شبکه های زنجیره تامین به عنوان ستون اصلی فعالیتهای اقتصادی شناخته می شوند. اهمیت آنها به دلیل تحویل به موقع و کارامد بودن محصولات گوناگون نظیر مواد غذایی، پوشاک، انرژی و سخت افزارهای کامپیوتری باعث علاقمندی محققان و متخصصان جهت تجزیه و تحلیل مسایل زنجیره تامین شد أکثر

امروزه شبکه های زنجیره تامین به عنوان ستون اصلی فعالیتهای اقتصادی شناخته می شوند. اهمیت آنها به دلیل تحویل به موقع و کارامد بودن محصولات گوناگون نظیر مواد غذایی، پوشاک، انرژی و سخت افزارهای کامپیوتری باعث علاقمندی محققان و متخصصان جهت تجزیه و تحلیل مسایل زنجیره تامین شده است. از سوی دیگر عدم اطمینان مسایل در همه سطوح زندگی ما وارد شده و روزمره با آنها در ارتباط هستیم. مقاله حاضر در حیطه زنجیره تامین سبز تهیه شده که با در نظر گرفتن شرایط عدم قطعیت به حل یک مدل برای طراحی شبکه زنجیره تامین سبز (زیست محیطی) رو به جلو و تحت عدم اطمینان شرایط اقتصادی آینده در شرکت ایران خودرو می پردازد. مسأله طراحی شبکه مورد نظر شامل فرضیاتی از قبیل: چند محصولی، چند سطحی و تک دوره ای می باشد. به علت عدم ثبات شرایط اقتصادی، عدم اطمینان در این مسأله به شکلی متفاوت با مقالات گذشته در نظر گرفته شده ‌است. در این مساله چندین پارامتر مهم از قبیل تقاضای مشتریان، هزینه های عملیاتی و ظرفیت تولیدی و ارسالی تسهیلات به صورت غیر قطعی در نظر گرفته شده‌اند. اهداف این تحقیق شامل مینیمم سازی هزینه ها و مینیمم سازی اثرات زیست محیطی با استفاده از روش ECO-indicator 99 می باشد. از مزایای این روش صرفه‌جویی در هزینه ها و کاهش آلودگی در نتیجه ی استفاده از تجهیزات حمل‌و‌نقل و زیرساخت های مشترک می باشد. با توجه به پیچیدگی حل این مسأله وNP-hard بودن آن روش فرا ابتکاری1 الگوریتم ژنتیک با مرتب سازی نامغلوب (NSGA-II)2 تشریح و در انتها نیز نحوه عملکرد مدل با یک مثال عددی و حل آن با نرم افزارهای MATLAB3 و GAMS مورد بررسی قرار گرفته است. نتایج نشان می دهند که الگوریتم NSGA-II پیشنهادی دارای عملکرد قابل قبولی در مدت زمان مناسبی می باشد. تفاصيل المقالة

حرية الوصول المقاله

3 - A Smart Hybrid System for Parking Space Reservation in VANET
Farhad Rad hadi pazhokhzadeh hamid parvin

Nowadays, developed and developing countries using smart systems to solve their transportation problems. Parking guidance intelligent systems for finding an available parking space, are considered one of the architectural requirements in transportation. In this paper, w أکثر

Nowadays, developed and developing countries using smart systems to solve their transportation problems. Parking guidance intelligent systems for finding an available parking space, are considered one of the architectural requirements in transportation. In this paper, we present a parking space reservation method based on adaptive neuro-fuzzy system(ANFIS) and multi-objective genetic algorithm. In modeling of this system, final destination, searching time and cost of parking space have been used. Also, we use the vehicle ad-hoc network (VANET) and time series, for traffic flow predict and choose the best path. The benefits of the proposed system are declining searching time, average the walking and travel time. Evaluations have been performed by the MATLAB and we can see that the proposed method makes a good sum of best cost which is useful and meaningful in a parking space reserved for drivers and facility managers. The simulation results show that the performance and accuracy of the method have been significantly improved compared to previous works. تفاصيل المقالة

حرية الوصول المقاله

4 - A New Approach to Solve N-Queen Problem with Parallel Genetic Algorithm
Monire Taheri Sarvetamin Amid Khatibi Mohammad Hadi Zahedi

Over the past few decades great efforts were made to solve uncertain hybrid optimization problems. The n-Queen problem is one of such problems that many solutions have been proposed for. The traditional methods to solve this problem are exponential in terms of runtime a أکثر

Over the past few decades great efforts were made to solve uncertain hybrid optimization problems. The n-Queen problem is one of such problems that many solutions have been proposed for. The traditional methods to solve this problem are exponential in terms of runtime and are not acceptable in terms of space and memory complexity. In this study, parallel genetic algorithms are proposed to solve the n-Queen problem. Parallelizing island genetic algorithm and Cellular genetic algorithm was implemented and run. The results show that these algorithms have the ability to find related solutions to this problem. The algorithms are not only faster but also they lead to better performance even without the use of parallel hardware and just running on one core processor. Good comparisons were made between the proposed method and serial genetic algorithms in order to measure the performance of the proposed method. The experimental results show that the algorithm has high efficiency for large-size problems in comparison with genetic algorithms, and in some cases it can achieve super linear speedup. The proposed method in the present study can be easily developed to solve other optimization problems. تفاصيل المقالة

حرية الوصول المقاله

5 - حل مسایل هدایت گرمایی تصادفی معکوس با استفاده از الگوریتم‌های بهینه سازی ازدحام ذرات و ژنتیک
ایرج ﺣﺴﯿﻦ زاده ﺷﺎه ﺑﻼﻗﯽ رضا پورقلی حسن دانا مزرعه سید هاشم طبسی

ﻫﺪف اصلی در اﯾﻦ ﻣﻘﺎﻟﻪ، ﺣﻞ ﯾﮏ ﻣﺴﺄﻟﻪ ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﻳﯽ ﺗﺼﺎدﻓﯽ ﻣﻌﮑﻮس ﺑﺎ اﺳﺘﻔﺎده از الگوریتم‌های تکاملی می‌باشد. الگوریتم‌ ازدحام ذرات و الگوریتم ژنتیک، دو الگوریتم مورد نظر می‌باشند که در این مقاله از آن‌ها استفاده می‌شود. در این مقاله، ﺑﺮای ﺣﻞ ﻣﺴﺎﻟﻪ ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺟ أکثر

ﻫﺪف اصلی در اﯾﻦ ﻣﻘﺎﻟﻪ، ﺣﻞ ﯾﮏ ﻣﺴﺄﻟﻪ ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﻳﯽ ﺗﺼﺎدﻓﯽ ﻣﻌﮑﻮس ﺑﺎ اﺳﺘﻔﺎده از الگوریتم‌های تکاملی می‌باشد. الگوریتم‌ ازدحام ذرات و الگوریتم ژنتیک، دو الگوریتم مورد نظر می‌باشند که در این مقاله از آن‌ها استفاده می‌شود. در این مقاله، ﺑﺮای ﺣﻞ ﻣﺴﺎﻟﻪ ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﻳﯽ ﺗﺼﺎدﻓﯽ ﻣﻌﮑﻮس، اﺑﺘﺪا ﺑﺎ اﺳﺘﻔﺎده از روش ﮐﺮاﻧﮏ-ﻧﯿﮑﻠﺴﻮن ﻣﺴﺄﻟﻪ ﻣﻌﮑﻮس مورد نظر را ﮔﺴﺴﺘﻪ ﺳﺎزی می‌کنیم، ﺳﭙﺲ ﺑﺎ اﺳﺘﻔﺎده از اﻟﮕﻮرﯾﺘﻢ بهینه‌سازی ازدﺣﺎم ذرات و اﻟﮕﻮرﯾﺘﻢ ژﻧﺘﯿﮏ ﺑﻪ ﺣﻞ آن‌ها می‌پردازیم. الگوریتم‌هایی که در این مقاله ارائه ‌شده است، ﻧﺴﺒﺖ ﺑﻪ سایر روش‌های قدیمی که تا بحال ارائه شده است، مزیت‌هایی دارد. پیاده‌سازی این الگوریتم‌ها ساده‌تر است، زﻣﺎن اﺟﺮای ﮐﻤﺘﺮی دارﻧﺪ و ﺗﻘﺮﯾﺐ ﺑﻬﺘﺮی تولید می‌کنند. همچنین نتایج عددی بدست آمده در این مقاله نشان می‌دهند که جواب‌های بدست آمده برای مثال‌های مطرح شده در بخش نتایج عددی، دارای دﻗﺖ ﺑﺎﻻیی هستند و خطای کمتری دارند. همه الگوریتم‌های موجود در این مقاله برای بدست آوردن نتایج عددی مورد نظر، بر روی پردازنده Pentium (R) Dual core E5700 با سرعت ۳.۰۰ گیگاهرتز پیاده‌سازی شده است. تفاصيل المقالة

حرية الوصول المقاله

6 - تحلیل کارایی الگوریتم‌های فراابتکاری در بهینه‌سازی سبد سهام
سینا شیرطوانی مهدی همایونفر کیهان آزادی امیر دانشور

مهم‌ترین هدف هر سرمایه‌گذار در بازار بورس افزایش بازده و کاهش ریسک سرمایه‌گذاری است. لذا هدف از اجرای این پژوهش تحلیل کارایی الگوریتم‌های فراابتکاری در بهینه‌سازی سبد سهام می باشد. نظر به اینکه در این تحقیق، عملکرد گذشته شرکتهای بورس اوراق بهادار تهران در مطالعات گذشته أکثر

مهم‌ترین هدف هر سرمایه‌گذار در بازار بورس افزایش بازده و کاهش ریسک سرمایه‌گذاری است. لذا هدف از اجرای این پژوهش تحلیل کارایی الگوریتم‌های فراابتکاری در بهینه‌سازی سبد سهام می باشد. نظر به اینکه در این تحقیق، عملکرد گذشته شرکتهای بورس اوراق بهادار تهران در مطالعات گذشته از سال 1390-1399 مورد بررسی قرار میگیرد، بنابراین پژوهش حاضر از لحاظ طرح تحقیق، پس رویدادی با استفاده از تکنیک‌های دلفی و فراتحلیل بود.جامعه آماری پژوهش حاضر محققین دانشگاهی در زمینه مالی و فعال در بورس اوراق بهادار تهران بوده و شیوه نمونه‌گیری در این پژوهش هدفمند با حجم 30 نفر در نظر گرفته شد.ابزار جمع‌آوری اطلاعات پرسشنامه محقق‌ساخته بوده است. شیوه گردآوری اطلاعات مصاحبه ساختاریافته از محققین و مرور نتایج حاصل از مطالعات مختلف در زمینه تعیین سبد بهینه سهام در بورس اوراق بهادار تهران بوده است. به منظور تجزیه و تحلیل اطلاعات از نرم افزار Spss نسخه 23 و لیزرل نسخه 5/7 شد. نتایج نشان داد از میان الگوریتم‌های فراابتکاری الگوریتم ژنتیک، کلونی مورچگان و کلونی زنبور عسل مناسب‌ترین ابزار با هدف عدم توقف در نقاط بهینه محلی و عدم همگرایی زودرس هستند. در نهایت بعد از ارزیابی الگوریتم‌های مناسب، مقایسه میانگین ریسک و بازده سبد سهام در الگوریتم‌های ژنتیک، کلونی مورچگان و کلونی زنبور عسل در واحد مطالعات صورت گرفته، نشان دادند به لحاظ معیار کاهش ریسک الگوریتم‌های ژنتیک و زنبور عسل و در خصوص افزایش بازده سبد بهینه سهام الگوریتم زنبور عسل کاراتر عمل نموده است. تفاصيل المقالة

حرية الوصول المقاله

7 - تبیین مدل ژنتیک فازی انتخاب پورتفولیو تامین کننده تاب آور در زنجیره تامین صنعت ساختمان تحت شرایط رکود
امیرمحمد محتشم تقی ترابی رضا رادفر محمدرضا معتدل نازنین پیله وری

هدف این پژوهش ارائه یک روش جدید برای انتخاب سبد سهام با استفاده از روش ارزیابی فازی ترکیبی و الگوریتم ژنتیک می‌باشد. انتخاب سبد سهام یک مسئله چندهدفه/معیاره در مدیریت مالی است. این روش در دو مرحله سبد سهام را انتخاب می‌کند. در مرحله اول به کمک ارزیابی فازی ترکیبی و الگو أکثر

هدف این پژوهش ارائه یک روش جدید برای انتخاب سبد سهام با استفاده از روش ارزیابی فازی ترکیبی و الگوریتم ژنتیک می‌باشد. انتخاب سبد سهام یک مسئله چندهدفه/معیاره در مدیریت مالی است. این روش در دو مرحله سبد سهام را انتخاب می‌کند. در مرحله اول به کمک ارزیابی فازی ترکیبی و الگوریتم ژنتیک، وزن معیارها محاسبه می‌شود. در مرحله دوم به کمک ارزیابی فازی ترکیبی، سبد سهام رتبه‌بندی می‌شوند. از الگوریتم ژنتیک چندهدفه برای تعیین مرز کارا بین ریسک و بازده استفاده‌شده است. در این پژوهش از عملکرد صنایع عمرانی، ساختمانی، سرمایه‌گذاری و تولیدکنندگان مصالح و ابزارآلات ساختمانی در بازه زمانی 1396-1400 برای انتخاب سبد سهام استفاده کردیم. مزیت اصلی این روش، کمک به سرمایه گزاران در بازار سهام برای انتخاب سبدی که دارای بهترین عملکرد است، می‌باشد، عملکرد خود شرکت‌ها در بازار سهام و انتخاب سبد سهام به نظر خبرگان و متخصصان وابسته نمی‌باشد. تفاصيل المقالة

حرية الوصول المقاله

8 - QSPR Models to Predict Thermodynamic Properties of Alkenes Using Genetic Algorithm and Backward- Multiple Linear Regressions Methods
fatemeh Ghaemdoost fatemeh shafiei

10.30495/jptc.2021.20865

Quantitative structureproperty relationship (QSPR) models establish relationships between different types of structural information to their properties. In the present study the relationship between the molecular descriptors and quantum properties consist of the heat ca أکثر

Quantitative structureproperty relationship (QSPR) models establish relationships between different types of structural information to their properties. In the present study the relationship between the molecular descriptors and quantum properties consist of the heat capacity (Cv/J mol-1K-1) entropy (S/J mol-1K-1) and thermal energy (Eth/kJ mol-1) of 100 alkenes is represented. Genetic algorithm (GA) and backward-multiple linear regressions (BW-MLR) were successfully developed to predict quantum properties of alkenes. Molecular descriptors were calculated with Dragon software and the genetic algorithm (GA) method was used to selected important molecular descriptors. The quantum properties were obtained from quantum-chemistry technique at the Hartree-Fock (HF) level using the ab initio 6-31G* basis sets. The predictive powers of the BW-MLR models were discussed by using leave-one-out (LOO) cross-validation and external test set. Results showed that the predictive ability of the models was satisfactory, and the 2D matrix-based descriptors, topological, edge adjacency and Connectivity indices could be used to predict the mentioned properties of 100 alkenes تفاصيل المقالة

حرية الوصول المقاله

9 - Structural Relationship Study of Octanol-Water Partition Coefficient of the Compounds in kesum Essential Oil Using GA-MLR and GA-ANN Methods
Atefehsadat Navabi Tahereh Momeni Isfahani

10.30495/jptc.2021.20873

Essential Oils are highly concentrated substances the subtle, aromatic and volatile liquids. The use of essential oils is largely widespread in foods, deodorants, pharmaceuticals, drinks, cosmetics, medicine and embalming antiseptics especially with aromatherapy becomin أکثر

Essential Oils are highly concentrated substances the subtle, aromatic and volatile liquids. The use of essential oils is largely widespread in foods, deodorants, pharmaceuticals, drinks, cosmetics, medicine and embalming antiseptics especially with aromatherapy becoming increasingly popular. The lipophilicity of an organic compound can be described by a partition coefficient, logP, which plays a significant role in drug discovery and compound design. A data set of 40 compounds in the essential oil of kesum was randomly divided into 3 groups: training, test and validation sets consisting of 70%, 15% and 15% of data point, respectively. A large number of molecular descriptors were calculated with Dragon software. The Genetic Algorithm - Multiple Linear Regressions (GA-MLR) and genetic algorithm -artificial neural network (GA-ANN) were employed to design the Quantitative Structure-Property Relationship (QSPR) models. The predictive powers of the QSPR model was discussed using Coefficient of determination (R2), Absolute Average Deviation (AAD) and the Mean Squared Error (MSE). The R2 and MSE values of the MLR model were calculated to be 0.734 and 0.194 respectively. The R2 and MSE values for the training set of the ANN model were calculated to be 0.9905 and 2×10-4 respectively. Comparison of the results revealed that the application the GA-ANN method gave better results than GA-MLR method تفاصيل المقالة

حرية الوصول المقاله

10 - Consolidated Technique of Response Surface Methodology and Data Envelopment Analysis for setting the parameters of meta-heuristic algorithms - Case study: Production Scheduling Problem
Seyed Esmail Najafi Reza Behnoud

In this study, given the sequence dependent setup times, we attempt using the technique of Response Surface Methodology (RSM) to set the parameters of the genetic algorithm (GA), which is used to optimize the scheduling problem of n job on 1 machine (n/1). It aims at fi أکثر

In this study, given the sequence dependent setup times, we attempt using the technique of Response Surface Methodology (RSM) to set the parameters of the genetic algorithm (GA), which is used to optimize the scheduling problem of n job on 1 machine (n/1). It aims at finding the most suitable parameters for increasing the efficiency of the proposed algorithm. At first, a central composite design was created and then using the data relating to the plan, the complete second-degree model was fitted. Then, by solving the developed non-linear programming model the optimal values of the parameters determined. The performance of algorithm, considering the obtained parameters as inputs of the common Data Envelopment Analysis (DEA), was measured. This way, we can decide on the most effective kinds of problems that can be solved by GA in a similar volume. This study can be used as a model of setting parameters of evolutionary and meta-heuristic algorithms using scientific techniques to prevent disadvantages relating to trial and error methods. تفاصيل المقالة

حرية الوصول المقاله

11 - ارائه یک مدل اقتصادی به منظور مدیریت پسماند بسته‌بندی مواد غذایی با رویکرد توسعه پایدار
آویده اسدالهی حمید توحیدی احمد شجاع

10.30495/jest.2024.66123.5633

زمینه و هدف: امروزه مدیریت پسماند بسته‌بندی مواد غذایی یک چالش در مقیاس جهانی می‌باشد که کشورهای درحال توسعه را با محدودیت‌های اقتصادی فراوانی مواجه کرده است. این پسماندها اگر به درستی مدیریت نشوند پیامدهای جبران ناپذیری بر کیفیت محیط زیست و سلامتی انسان بهمراه خواهد دا أکثر

زمینه و هدف: امروزه مدیریت پسماند بسته‌بندی مواد غذایی یک چالش در مقیاس جهانی می‌باشد که کشورهای درحال توسعه را با محدودیت‌های اقتصادی فراوانی مواجه کرده است. این پسماندها اگر به درستی مدیریت نشوند پیامدهای جبران ناپذیری بر کیفیت محیط زیست و سلامتی انسان بهمراه خواهد داشت. هدف این مقاله گزینش سناریوهای پایدار مدیریت پسماند با توجه به طراحی محصول می‌باشد. روش بررسی: در این پژوهش با شبیه‌سازی یک مدل ریاضی دو هدفه، هزینه‌های ناشی از سناریوهای مدیریت پسماند و بطور همزمان اثرات مخرب بر کیفیت محیط زیست و سلامتی انسان کمینه‌سازی شده است. مدل ارائه شده که قابلیت استفاده در صنایع گوناگون را دارد با مد نظر قرار دادن جزئیات طراحی، آنالیز چرخه حیات و گزینه‌های پایان عمر محصول برای یک مثال واقعی، با بکارگیری الگوریتم بهینه‌سازی ژنتیک باینری پیاده‌سازی شده است. یافته ها: به طور کلی برآورد جواب بهینه مدل پیشنهادی در هر گروه از محصولات، سناریو برنده متناسب با آلترناتیو طراحی بهینه را نشان می‌دهد که گزینه ای اقتصادی با کمترین میزان تاثیرات مخرب بر محیط زیست و سلامتی انسان می باشد. نتایج پیاده‌سازی مدل برای یک مثال واقعی نشان می‌دهد در هفت گروه محصول تعریف شده سناریو چهار (کاهش در مبدا 25%، بازیافت 25 % و سوزاندن 45% و دفن بهداشتی 5%) و سناریو پنج (کاهش در منبع به میزان 60 %، سوزاندن 30% و دفن بهداشتی10%) گزینه‌های غالب و برنده برای طراحی‌های بهینه در اکثر گروه محصولات می‌باشند. بحث و نتیجه گیری: مدل شبیه‌سازی شده به تولیدکنندگان کمک می‌کند تا برآوردی مناسب از پیامدهای محیط زیستی و اقتصادی محصول طراحی شده داشته باشند. همچنین این پژوهش به تصمیم گیرندگان و سیاست گذاران این امکان را می دهد تا در راستای دستیابی به اهداف توسعه پایدار، با قانون گذاری تولیدکنندگان را به پذیرش مسئولیت در قبال مدیریت پایان عمر محصولات خود ترغیب نمایند. تفاصيل المقالة

حرية الوصول المقاله

12 - A Multi-Objective Green Supply Chain: Multi-Product Model Considering Uncertainty
D. Khodadadian R. Radfar A. Tolooei Eshlaghi&lrm;

10.30495/ijim.2022.19857

The purpose of this research is to provide a mathematical model for designing the purchase, production, and distribution in a multi-level and multi-product supply chain network such that the environmental impact and total costs of supply chain is minimized and the custo أکثر

The purpose of this research is to provide a mathematical model for designing the purchase, production, and distribution in a multi-level and multi-product supply chain network such that the environmental impact and total costs of supply chain is minimized and the customers' satisfaction level is maximized. According to the results, the proposed NSGAII is a reliable method to find efficient Pareto frontiers in a reasonable time. تفاصيل المقالة

حرية الوصول المقاله

13 - استفاده از مدل وینر-همرشتاین بهینه شده با الگوریتم ژنتیک در شناسایی سیستم فتوولتائیک ‏
ایمان سهرابی مقدم چافجیری علیرضا آزادبر عباس قدیمی سید جواد موسوی

شناسایی سیستم روشی برای شناسایی یا اندازه‌گیری مدل ریاضی یک سیستم با اندازه‌گیری ورودی‌ها و خروجی‌های سیستم است. در این مقاله رویکرد الگوریتم ژنتیک (GA) را برای مدل‌سازی سیستم‌های فتوولتائیک (PV) با ساختار وینر-هامرشتاین اعمال می‌کنیم. سیستم‌های دینامیکی غیرخطی دارای هر أکثر

شناسایی سیستم روشی برای شناسایی یا اندازه‌گیری مدل ریاضی یک سیستم با اندازه‌گیری ورودی‌ها و خروجی‌های سیستم است. در این مقاله رویکرد الگوریتم ژنتیک (GA) را برای مدل‌سازی سیستم‌های فتوولتائیک (PV) با ساختار وینر-هامرشتاین اعمال می‌کنیم. سیستم‌های دینامیکی غیرخطی دارای هر دو عنصر پویا (عناصر ذخیره انرژی) هستند و در این نوع سیستم‌ها بین برخی از متغیرها روابط غیرخطی وجود دارد. اگر در چنین سیستم هایی بتوان فرض کرد که قطعات دینامیکی و قطعات غیرخطی قابل تفکیک هستند، می توان آنها را با ساختارهای مدل های بلوک گرا مدل کرد. این نوع مدل ها از ترکیب بلوک(های) دینامیکی خطی و بلوک(های) غیرخطی استاتیکی تشکیل شده اند. این رویکرد به تخمین یک سیستم فتوولتائیک (PV) بر اساس داده‌های مشاهده‌شده مربوط می‌شود. ورودی و خروجی غیرخطی به ترتیب از داده های تابش و جریان خروجی DC سیستم واقعی گرفته شده است. نتایج شبیه‌سازی اثربخشی و استحکام مدل پیشنهادی را با استفاده از الگوریتم ژنتیک نشان داد. نتایج شبیه سازی مقدار MSE 0.000774 را برای عملکرد عادی سیستم PV و 0.009863 را برای اثر سایه بین نرخ اطلاعات تخمینی و مرجع نشان می دهد. تفاصيل المقالة

حرية الوصول المقاله

14 - Evaluation and Comparison of Different Artificial Neural Networks and Genetic Algorithm in Analyzing a 60 MW Combined Heat and Power Cycle
parisa ghorbani Arash Karimipour

10.30486/ADMT.2024.1983665.1405

The constant growth of energy consumption, increased fuel costs, non-renewable fossil fuel sources, and environmental pollution caused by increased emission of greenhouse gases, and global warming highlight the need for the analysis and optimization of main energy gener أکثر

The constant growth of energy consumption, increased fuel costs, non-renewable fossil fuel sources, and environmental pollution caused by increased emission of greenhouse gases, and global warming highlight the need for the analysis and optimization of main energy generation bases, i.e. power plants. The Artificial Neural Network (ANN) is a useful novel method for better processing information and controlling, and optimizing and modeling industrial processes. For the first time in this study, an ANN was designed and applied to data extracted from modeling and analyzing a 60 MW combined heat and power generation power plant. To this end, the error backpropagation network was selected as the optimal network, and the generator load or capacity, condenser pressure, and Feedwater temperature were considered inputs to the ANN. The energy and exergy efficiencies of the power plant and the overall energy and exergy losses of the cycle were considered outputs of the ANN. The ANN was coded and designed with the help of MATLAB. The Genetic Algorithm (GA) was used to obtain the optimal values of input parameters and the minimum losses and maximum efficiencies based on the first and second laws of thermodynamics. تفاصيل المقالة

حرية الوصول المقاله

15 - Minimum Stiffness and Optimal Position of an Intermediate Elastic Support to Maximize the Fundamental Frequency of a Vibrating Timoshenko Beam using Finite Element Method and Multi-Objective Genetic Algorithm
Hossein Ebrahimi Farshad Kakavand Hasan Seidi

10.30486/admt.2022.697492

This paper explores the optimal position and minimum stiffness of two intermediate supports to maximize the fundamental natural frequency of a vibrating cantilever Timoshenko beam with tip mass using Finite Element Method (FEM) and a multi-objective genetic algorithm (G أکثر

This paper explores the optimal position and minimum stiffness of two intermediate supports to maximize the fundamental natural frequency of a vibrating cantilever Timoshenko beam with tip mass using Finite Element Method (FEM) and a multi-objective genetic algorithm (GA). After validating the results by comparison to previous works, the effects of the mass ratio and the position and stiffness of intermediate elastic support on the fundamental frequency are investigated. The numerical results demonstrated that as mass ratio increases, the optimal position moves toward the tip mass, and minimum stiffness increases. In many practical applications, it is not possible to place intermediate support in the optimal position; therefore, the minimum stiffness does not exist. In order to overcome this issue, a tolerance zone is considered, and design curves are proposed. The simultaneous optimization of the first and second natural frequencies of the beam with two intermediate supports was carried out using the genetic algorithm (GA) and the multi-objective GA. It was found that the optimization of the first and second natural frequencies did not require the two supports to have the same and high stiffness. The stiffness and optimal positions of the two supports differ at different mass ratios. Moreover, to optimize the first natural frequency, the second support should be stiffer, while the optimization of the second natural frequency requires the higher stiffness of the first support. تفاصيل المقالة

حرية الوصول المقاله

16 - روشی نوین جهت خوشه بندی داده مبتنی بر ترکیب الگوریتم‌های بهینه‌سازی ژنتیک و کرم شب‌تاب
مهسا افسردیر منصوره افسردیر

یکی ازمسائل مهم درداده‌کاوی خوشه‌بندی است که بدون هدف ازپیش تعیین شده‌ای داده‌ها را بر اساس شباهت درون خوشه‌ها تقسیم‌بندی می‌کند. از روش‌های متداول خوشه‌بندی الگوریتم k-means است که بادریافت ورودی، داده‌هارابه k خوشه تقسیم‌بندی می‌کند. یکی ازمعایب این روش حساسیت به شرای أکثر

یکی ازمسائل مهم درداده‌کاوی خوشه‌بندی است که بدون هدف ازپیش تعیین شده‌ای داده‌ها را بر اساس شباهت درون خوشه‌ها تقسیم‌بندی می‌کند. از روش‌های متداول خوشه‌بندی الگوریتم k-means است که بادریافت ورودی، داده‌هارابه k خوشه تقسیم‌بندی می‌کند. یکی ازمعایب این روش حساسیت به شرایط اولیه است که منجربه کاهش دقت درخوشه‌بندی می‌شود. از روش‌های بهبود عملکرد k-means می‌توان استفاده ازالگوریتم‌های فراابتکاری را نام برد. در این پژوهش به دو روش بهینه‌سازی ژنتیک و کرم شب‌تاب پرداخته شده است و الگوریتم جدیدی تحت عنوان الگوریتم ژنتیکی کرم‌شب‌تاب جهت بهینه‌سازی خوشه‌بندی k-means ارائه شده است. الگوریتم کرم‌شب‌تاب از الگوریتم‌های هوش جمعی است که از ویژگی نورچشمک زن کرم‌شب‌تاب الهام گرفته است و الگوریتم ژنتیک نوعی از الگوریتم‌های فراابتکاری است که از تکنیک-های زیست‌شناسی مانند وراثت و جهش استفاده می‌کند. در الگوریتم k-means برای اینکه مراکز خوشه به صورت تصادفی انتخاب می شوند، خوشه‌بندی دقت لازم را ندارد. با استفاده از الگوریتم‌های فراابتکاری سعی در بدست آوردن مراکز دقیق خوشه‌ها داشته و در نتیجه آن، خوشه-بندی صحیح می‌باشیم. در روش پیشنهادی، ابتدا الگوریتم k-means را روی داده‌های ورودی اجراکرده و خوشه‌بندی انجام می‌شود. سپس مضربی از مراکز خوشه که دراین الگوریتم بدست آمده است را به عنوان حد پایین و حد بالای الگوریتم پیشنهادی استفاده می‌کنیم. جمعیت اولیه به صورت تصادفی بین حد پایین و حد بالا تولید می‌شود. در حلقه اصلی الگوریتم جمعیت را به دو دسته جمعیت مساوی تقسیم می نماییم، بر روی دسته اول الگوریتم ژنتیک را اجرا می‌کنیم، بر روی دسته دوم بر اساس الگوریتم کرم‌شب‌تاب موقعیت‌های جدید را بدست می‌آوریم. حال جمعیت قبلی و جمعیت جدید بدست امده از الگوریتم ژنتیک و جمعیت جدید بدست امده از الگوریتم کرم‌شب‌تاب را تلفیق کرده وآن‌ها را از خوب به بد مرتب می‌کنیم و به تعداد مورد نیاز از آن‌ها را انتخاب و به ابتدای حلقه می‌رویم. این فرایند را تا برقراری شرط توقف ادامه می‌دهیم. درپایان الگوریتم k-means، الگوریتم کرم‌ شب‌تاب، الگوریتم ژنتیک و الگوریتم پیشنهادی بر روی سه مجموعه داده اعمال شده و نتایج مورد مقایسه قرار گرفته است.نتایج شبیه‌سازی نشان می‌دهد که الگوریتم ژنتیکی کرم‌شب‌تاب عملکرد بهتری در مقایسه با سایر روش‌ها داشته است. تفاصيل المقالة

حرية الوصول المقاله

17 - An Economic Design of Combined Double Sampling and Variable Sample Size X ̅ Control Chart
Saeed Khaki Niloufar Ghanbari Mir Mahdi Seyed Esfehani

In recent years several studies have shown that control charts with adaptive schemes or double sampling plans detect both small and moderate shifts in the process mean more quickly than the traditional Shewhart chart. In the classical double sampling chart, the differen أکثر

In recent years several studies have shown that control charts with adaptive schemes or double sampling plans detect both small and moderate shifts in the process mean more quickly than the traditional Shewhart chart. In the classical double sampling chart, the difference between two points were placed in the central region of first stage was not considered. In this study, a new control chart is proposed by combination of double sampling chart and variable sample size chart (called DSVSS chart), that can successfully reduce the detection time of small mean shift. Before a DSVSS chart is used, its design parameters should be determined, hence economic design model of DSVSS chart is constructed. Markov chain approach is used to compute the statistical properties of the chart that are essential to our cost function. Then, the Genetic Algorithms (GA) are used to solve the optimal designs of DSVSS chart. Finally, a numerical example is provided to illustrate the use of this model. تفاصيل المقالة

حرية الوصول المقاله

18 - Staff Scheduling by a Genetic Algorithm
Ahmad Reza Tahanian Maryam Khaleghi

This paper describes a Genetic Algorithms approach to amanpower-scheduling problem arising at a Petrochemical Company. AlthoughGenetic Algorithms have been successfully used for similar problemsin the past, they always had to overcome the limitations of theclassical Gen أکثر

This paper describes a Genetic Algorithms approach to amanpower-scheduling problem arising at a Petrochemical Company. AlthoughGenetic Algorithms have been successfully used for similar problemsin the past, they always had to overcome the limitations of theclassical Genetic Algorithms paradigm in handling the conflict betweenobjectives and constraints. The approach taken here is to use an indirectcoding based on permutations of the personnel’s, and a heuristicdecoder that builds schedules from these permutations. Computationalexperiments based on 52 weeks of live data are used to evaluate three differentdecoders with varying levels of intelligence, and four well-knowncrossover operators. The results reveal that the proposed algorithm isable to find high quality solutions and is both faster and more flexiblethan a recently published Taboo Search approach تفاصيل المقالة

حرية الوصول المقاله

19 - Introduce a Solution for Optimizing Interactive Genetic Algorithm to Increase Productivity
Maryam Sadri Marjan Sohrabfar Mona Ashghali Farahani

The Unequal Area Facility Layout Problem (UA-FLP)made using different methods to measure the quantity used. The plantfeatures UA-FLP enhance productivity and can reduce between “20%”to “50%” of total operating costs. In this regard, an Interactiv أکثر

The Unequal Area Facility Layout Problem (UA-FLP)made using different methods to measure the quantity used. The plantfeatures UA-FLP enhance productivity and can reduce between “20%”to “50%” of total operating costs. In this regard, an Interactive GeneticAlgorithm (IGA) is presented that allows the Decision Maker (DM) tointeract with the algorithm. In this method, the DM is to find the bestand most appropriate solution. DM to avoid overloading, populationclassified into clusters and each cluster represents only one element isevaluated directly by the DM. But the problem is that the DM processto achieve the best result must pass many generations and it causes highexhaustion DM. The algorithm presented in this paper will reduce thewear on the DM. A memory of the best solutions chosen by the DM iskept as a reference. An interactive genetic algorithm is presented ableto take advantage of the DM. تفاصيل المقالة

حرية الوصول المقاله

20 - مدلی برای تعیین بهینه تعداد ایستگاه‌های کاری و متعادل سازی خطوط مونتاژ با استفاده از الگوریتم ژنتیک در شرکت سایپا
saeed amini Reza Ehtesham Rasi vahid amini hosein taheri

باتوجه به اهمیت و جذابیت مسئله بالانس خطوط موازی در شرایط حضور کارکنان و در این پژوهش به پیاده سازی دو مدل ریاضی یک هدفه برای بالانس خطوط مونتاژ موازی محصول ، از آنجا که مسئله مورد نظر از نظر پیچیدگی در کلاس مسائل برنامه‌ریزی غیرخطی سخت قرار دارد، مدل ریاضی را نمی‌توان أکثر

باتوجه به اهمیت و جذابیت مسئله بالانس خطوط موازی در شرایط حضور کارکنان و در این پژوهش به پیاده سازی دو مدل ریاضی یک هدفه برای بالانس خطوط مونتاژ موازی محصول ، از آنجا که مسئله مورد نظر از نظر پیچیدگی در کلاس مسائل برنامه‌ریزی غیرخطی سخت قرار دارد، مدل ریاضی را نمی‌توان برای ابعاد واقعی موجود در صنعت حل کرد، لذا از الگوریتم فراابتکاری ژنتیک برای حل این مسئله استفاده شد و در ادامه، کد گذاری و طراحی مسئله به کمک نرم افزار متلب انجام شده است. صحت و اعتبار سنجی مدل، با مجموعه داده‌های ارائه شده در این حوزه مورد ارزیابی قرار گرفته که نتایج حاصله حاکی از کارائی مدل و بهبود اهداف است. با نگاه دو جانبه به اهداف مسئله و مطابق با خروجی مدل مذکور، مدل ارائه شده، قادر به کاهش تعداد ایستگاه‌های مورد نیاز خطوط و به حداقل رساندن هزینه کل نیروی انسانی در خطوط مونتاژ موازی مدل مختلط است. تفاصيل المقالة

حرية الوصول المقاله

21 - تخصیص ایستای وظایف در سیستم‌های توزیع‌شده با استفاده از الگوریتم ژنتیک موازی
Monire Taheri Sarvetamin

در طی دو دهه اخیر، بالارفتن فوق‌العاده سرعت شبکه‌های رایانه ای و همچنین افزایش نیاز به سیستم‌هایی با کارایی بالا سبب شده است که محققان به پردازش‌های موازی و توزیع‌شده علاقه‌مند شوند. رشد سریع سیستم‌های توزیع‌شده باعث شده که مسائل گوناگونی در این زمینه مطرح شود. یکی از م أکثر

در طی دو دهه اخیر، بالارفتن فوق‌العاده سرعت شبکه‌های رایانه ای و همچنین افزایش نیاز به سیستم‌هایی با کارایی بالا سبب شده است که محققان به پردازش‌های موازی و توزیع‌شده علاقه‌مند شوند. رشد سریع سیستم‌های توزیع‌شده باعث شده که مسائل گوناگونی در این زمینه مطرح شود. یکی از مهم‌ترین مسائلی که موردتوجه محققان زیادی قرارگرفته، مسئله تخصیص وظایف در این‌گونه محیط‌ها است که به‌منظور به دست آوردن بهره‌وری مؤثر از سیستم انجام می‌شود. مسئله تخصیص وظایف به‌جز در معدود موارد خاص جز مسائل NP-کامل است؛ بنابراین از فرایندهای اکتشافی برای دستیابی به راه‌حل‌های زیربهینه در مدت‌زمان مطلوب استفاده می‌شود. اگرچه از روش‌های مختلف در تحقیقات استفاده‌شده، اما هنوز پیدا کردن روش مؤثر و کارا برای این مشکل موردنیاز و مطلوب است. در این پژوهش از الگوریتم ژنتیک موازی برای پیدا کردن راه‌حل بهینه برای تخصیص یک گراف از وظایف به پردازنده‌ها در سیستم توزیع‌شده استفاده‌شده است. نتایج نشان داد الگوریتم پیشنهادی می‌تواند تخصیص‌های بهینه یا نزدیک بهینه برای مسائل با اندازه‌های گوناگون ارائه دهد. همچنین روش پیشنهادی توانست در زمان بسیار سریع‌تر از الگوریتم ژنتیک سنتی و با تسریع فراخطی، مسائل با اندازه‌های بزرگ و متوسط را حل کند. تفاصيل المقالة

حرية الوصول المقاله

22 - ارائه راهکاری جدید برای حل مسئله n-وزیر به کمک الگوریتم‌های ژنتیک موازی
Monire Taheri Sarvetamin Amid Khatibi Bardsiri

در طول چند دهه گذشته تلاش‌های زیادی برای حل مسائل بهینه‌سازی ترکیبی غیرقطعی انجام شده است. مسئله n-وزیر یکی از همین مسائل است که تاکنون راه‌حل‌های زیادی برای حل این مسئله ارائه شده است. روش‌های سنتی حل این مسئله از نظر زمان اجرا، به صورت نمایی هستند و ازنظر پیچیدگی نمای أکثر

در طول چند دهه گذشته تلاش‌های زیادی برای حل مسائل بهینه‌سازی ترکیبی غیرقطعی انجام شده است. مسئله n-وزیر یکی از همین مسائل است که تاکنون راه‌حل‌های زیادی برای حل این مسئله ارائه شده است. روش‌های سنتی حل این مسئله از نظر زمان اجرا، به صورت نمایی هستند و ازنظر پیچیدگی نمایی و فضایی قابل قبول نیستند. در مطالعه حاضر الگوریتم‌های ژنتیک موازی برای حل مسئله n-وزیر پیشنهاد شده است تا راه‌حل‌های این مسئله را پیدا کند. موازی‌سازی الگوریتم ژنتیک جزیره‌ای و الگوریتم ژنتیک سلولی با استفاده از جعبه‌ابزار محاسبات موازی متلب پیاده‌سازی و روی یک سیستم با پردازنده دو هسته‌ای اجرا شده است. نتایج نشان می‌دهد که این الگوریتم‌ها توانایی پیدا کردن راه‌حل‌های مربوط به این مسئله را دارند. این الگوریتم‌ها حتی بدون استفاده از سخت‌افزار موازی و با اجرا روی یک هستهٔ پردازنده، نه فقط به الگوریتم‌های سریع‌تر بلکه به عملکرد بهتر نیز منجر می‌شوند. مقایسه‌های خوبی بین روش پیشنهادی و نسخه‌های سریال الگوریتم ژنتیک برای سنجش عملکرد روش پیشنهادی انجام شده است. نتایج تجربی نشان می‌دهد این الگوریتم‌ها در مقایسه با الگوریتم ژنتیک سریال برای اندازه‌های بزرگ مسئله کارایی بالایی دارند و در برخی موارد می‌توانند به تسریع فوق‌خطی دست یابند. روش پیشنهادی این مقاله می‌تواند به آسانی برای حل دیگر مسائل بهینه‌سازی توسعه داده شود. تفاصيل المقالة

حرية الوصول المقاله

23 - طبقه بندی مبتنی بر هدف با استفاده از قطعه بندی هرمی و الگوریتم ژنتیک وزن دار
داود اکبری

اخیرا، یک روش موثر برای طبقه بندی طیفی-مکانی با استفاده از قطعه بندی هرمی (HSEG) رشد یافته از نشانه های انتخاب شده ارائه شده است. هدف این مقاله بهبود این روش برای طبقه بندی تصاویر فراطیفی در مناطق شهری است. ابتدا الگوریتم ژنتیک وزن دار (WG) برای بدست آوردن باندهای بهینه أکثر

اخیرا، یک روش موثر برای طبقه بندی طیفی-مکانی با استفاده از قطعه بندی هرمی (HSEG) رشد یافته از نشانه های انتخاب شده ارائه شده است. هدف این مقاله بهبود این روش برای طبقه بندی تصاویر فراطیفی در مناطق شهری است. ابتدا الگوریتم ژنتیک وزن دار (WG) برای بدست آوردن باندهای بهینه داده های فراطیفی استفاده می شود. الگوریتم HSEG مبتنی بر نشانه سپس بر ویژگی های بدست آمده پیاده سازی می شوند. در ادامه، ویژگی های زمینه ای از تصاویر قطعه بندی شده استخراج می شوند. برای ویژگی های مکانی، ویژگی های مساحت، آنتروپی، شکل، مجاورت و رابطه به عنوان اجزای بالقوه در فضای ویژگی در نظر گرفته شده اند. سرانجام ، با استفاده از هر دو ویژگی طیفی و مکانی، اشیا تصویر توسط یک طبقه بندی کننده مبتنی بر قانون طبقه بندی می شوند. آزمون ها بر روی دو مجموعه داده اعمال شد: Berlin و Quebec City، که دو مجموعه داده شناخته شده و بنچ مارک در تصاویر فراطیفی هستند. ارزیابی نتایج نشان داد که روش پیشنهادی به ترتیب برای این مجموعه داده ها به ترتیب از 16٪ و 9٪ دقت کلی بهتری نسبت به الگوریتم HSEG اولیه به دست می آورد. تفاصيل المقالة

حرية الوصول المقاله

24 - Optimal Placement of Phasor Measurement Units to Maintain CompleteObservability Considering Maximum Reliability by Non-dominated Sorting Genetic Algorithm-II (NSGA-II)
bahman taheri Farzad Ghasemzade Payam Farhadi

Ever-increasing energy demand has led to geographic expansion of transmission lines and their complexity. In addition, higher reliability is expected in the transmission systemsdue to their vital role in power systems. It is very difficult to realize this goal by conven أکثر

Ever-increasing energy demand has led to geographic expansion of transmission lines and their complexity. In addition, higher reliability is expected in the transmission systemsdue to their vital role in power systems. It is very difficult to realize this goal by conventional monitoring and control methods. Thus, phasor measurement units (PMUs) are used to measure system parameters. Although installation of PMUsincreases the observability and system reliability, high installation costs of these devices requireplacing them appropriately in proper positions. In this research, multi-objective placement of PMUs with the aims of improving investment and risk costs in power systems is performed along with observability constraint. Then, PMU placement problem is solved as an optimization problem using Non-dominated Sorting Genetic Algorithm-II (NSGA-II). Finally, the performance of the proposed method is tested on standard IEEE 24-bus test system and Roy Billiton IEEE 31-bus test system. تفاصيل المقالة

حرية الوصول المقاله

25 - Green Space Suitability Analysis Using Evolutionary Algorithm and Weighted Linear Combination (WLC) Method
Elham yousefi Esmail Salehi Seyed Hamid Zahiri Ahmadreza yavari

With current new urban developments, no balance can be found between green spaces and open areas present within urban networks and natural land patterns since urban networks are dominating ecological networks. Accordingly, one of the major tasks of urban and regional pl أکثر

With current new urban developments, no balance can be found between green spaces and open areas present within urban networks and natural land patterns since urban networks are dominating ecological networks. Accordingly, one of the major tasks of urban and regional planners is the optimal land use allocation to urban green spaces. Therefore, to achieve this goal in this research, locations of newparks(basis on physical, social and economical factors) were analyzed using weighted linear combination (WLC)techniques and evolutionary algorithms. After comparing the results of the two methods, suitable locations for the development of urban green spaces on a local scale were proposed, on the basis of which it was found that heuristic algorithms have good potential to work with spatial data and evaluate land use suitability since they obtain better solutions with greater accuracy and flexibility in less time. Afterwards, suitability analyses of existing local parks(basis on physical, social , economical and ecological factors) were performed using the WLC method and Fragstats software. It was discovered that the existing parks are not on a suitable level based on the study criteria. Therefore, it is suggested that newer parks be established in areas with greater potential and small green spots as well asin the northern parts of the city for improvement. تفاصيل المقالة

حرية الوصول المقاله

26 - Reliability Measurement’s in Depression Detection Using a Data Mining Approach Based on Fuzzy-Genetics
Mohammad Nadjafi Sepideh Jenabi Adel Najafi Ghasem Kahe

Developing a reliable data mining method is one of the most challenging issues in the features of advanced computer-based systems. Model reliability in depression disorder detection is the determining p-value or confidence limit for accuracy score. In this regard, data أکثر

Developing a reliable data mining method is one of the most challenging issues in the features of advanced computer-based systems. Model reliability in depression disorder detection is the determining p-value or confidence limit for accuracy score. In this regard, data mining evaluation metrics provide a path to knowledge discovery and feature extraction is an important process for discovering patterns in data by exploring and modeling big data. The present paper discussed the data mining approach about detection in depression disorder characterized by symptoms such as sadness, feeling empty, anxiety, and sleep symptoms as well as the loss of initiative and interest inactivity. In this survey, a unique dataset containing sensor data collected from patients with depression was used. For each patient, sensor data were measured over several days. In this respect, the represented dataset could be useful for a better understanding of the relationship between depression and motor activity. On the other hand, to overcome the uncertainties raised from wearable sensors (that caused a significant amount of error in similar previous studies using conventional learning methods such as SVM, LR, NB), and also to increase the efficiency and accuracy of the results and to develop a reliable decision-making framework, the evolutionary hybrid machine learning method (fuzzy-genetic algorithm) will be used. The results show the high accuracy of the proposed method compared to other existing methods. تفاصيل المقالة

حرية الوصول المقاله

27 - Feature Selection Using Multi Objective Genetic Algorithm with Support Vector Machine
Mojgan Elikaei Ahari Babak Nasersharif

Different approaches have been proposed for feature selection to obtain suitable features subset among all features. These methods search feature space for feature subsets which satisfies some criteria or optimizes several objective functions. The objective functions ar أکثر

Different approaches have been proposed for feature selection to obtain suitable features subset among all features. These methods search feature space for feature subsets which satisfies some criteria or optimizes several objective functions. The objective functions are divided into two main groups: filter and wrapper methods. In filter methods, features subsets are selected due to some measures like inter-class distance, features statistical independence or information theoretic measures. Even though, wrapper methods use a classifier to evaluate features subsets by their predictive accuracy (on test data) by statistical resampling or cross-validation. Filter methods usually use only one measure for feature selection that does not necessarily produce the best result. In this paper, we proposed to use the classification error measures besides to filter measures where our classifier is support vector machine (SVM). To this end, we use multi objective genetic algorithm. In this way, one of our feature selection measure is SVM classification error. Another measure is selected between mutual information and Laplacian criteria which indicates informative content and structure preserving property of features, respectively. The evaluation results on the UCI datasets show the efficiency of this method. تفاصيل المقالة

حرية الوصول المقاله

28 - حل مدل ریاضی چندهدفه تعادل بار آنلاین در خط تولید با روش ترکیبی الگوریتم ژنتیک و شیر مورچه
نیما رحمانی علیرضا ایرج پور ناصر حمیدی اکبر عالم تبریز رضا احتشام راثی

تولید به موقع سفارشات و تحویل آن به مشتری،مزیت رقابتی سیستم های تولیدی است و موجب رضایت مشتری می شود.تخصیص متوازن سفارشات به ایستگاه های کاری، عامل تاثیر گذار در تولید به موقع و حداقل نمودن هزینه ی از دست رفته است. ایجاد توازن بار سفارشات روی ایستگا های کاری ،کاهش زمان أکثر

تولید به موقع سفارشات و تحویل آن به مشتری،مزیت رقابتی سیستم های تولیدی است و موجب رضایت مشتری می شود.تخصیص متوازن سفارشات به ایستگاه های کاری، عامل تاثیر گذار در تولید به موقع و حداقل نمودن هزینه ی از دست رفته است. ایجاد توازن بار سفارشات روی ایستگا های کاری ،کاهش زمان دوره ی تولید و کمینه کردن هزینه های مهارت نیروی انسانی و دسترسی به ماشین آلات مولفه های موثر در مسئله بالانس خطوط تولید می باشد. در این مقاله با پرداختن به مولفه های فوق مدل ریاضی چند هدفه برای مسئله بالانس آنلاین بار تولید ارائه شده است. حل مدل ریاضی با معرفی الگوریتم ترکیبی فراابتکاری ژنتیک چند هدفه و شیر مورچه انجام می شود ، این روش حل با داشتن حافظه جستجو جواب های با کیفیت را در زمان مناسب تولید می نماید. نتایج حاصل از رویکرد ارائه شده نسبت به روش های پیشین بالانس آنلاین بار نشان می دهد که زمان دوره تولید و توازن بار روی ایستگاه های کار بهبود یافته اند. تفاصيل المقالة

حرية الوصول المقاله

29 - کاهش ریسک درماندگی و هزینه ها در حوزه بانکداری با رویکرد انتخاب شرکا
موسی آذرباد امیرعباس شجاعی فرشید عبدی وحیدرضا قضاوتی کاوه خلیلی دامغانی

بانکداری یکی از مولفه های اصلی هر نظام و حکومت محسوب می شود و مدیریت صحیح و ارتقای درست آن یکی از عوامل اساسی در رشد اقتصادی کشور می باشد. بانک ها در معرض قرارگیری ریسک های متعدد و همچنین عدم کنترل هزینه های بانکی می باشند؛ در همین راستا می بایست راهکارهای مناسبی جهت به أکثر

بانکداری یکی از مولفه های اصلی هر نظام و حکومت محسوب می شود و مدیریت صحیح و ارتقای درست آن یکی از عوامل اساسی در رشد اقتصادی کشور می باشد. بانک ها در معرض قرارگیری ریسک های متعدد و همچنین عدم کنترل هزینه های بانکی می باشند؛ در همین راستا می بایست راهکارهای مناسبی جهت بهبود عملکرد بانکها در این راستا اتخاذ نمود. یکی از این روشها، انتخاب شرکا جهت تقسیم و کاهش ریسک و به اشتراک گذاری هزینه ها می باشد؛ به طوری که بتواند ریسک درماندگی بانک را کاهش داده و میزان تسهیم بانک در کنترل هزینه ها را کاهش و منجر به رشد بانک در جهت تامین مالی و انجام امور بانکداری و در نهایت رشد اقتصادی کشور شود. در این پژوهش یک مدل چندهدفه برای انتخاب شرکا در حوزه بانکداری ارایه و در ادامه بهینه سازی آن با استفاده از الگوریتم ژنتیک چندهدفه انجام شده است. تفاصيل المقالة

حرية الوصول المقاله

30 - طراحی چندهدفه زنجیره تأمین چابک و ارزشی با رویکرد الگوریتم ژنتیک چندهدفه
حسین علی حسن‌پور مرتضی جبله

یک محصول هنگامی که در تعداد مناسب و به موقع و در زمان مناسب به مشتری تحویل داده شود با ارزش است. امروزه، شرکت ها و مردم با چالش های چابکی و ارزش های محوری روبرو هستند که استفاده از هر دو رویکرد و ترکیب آنها در مدل تحلیلی زنجیره تأمین و ادبیات پیشین وجود ندارد. در این پژ أکثر

یک محصول هنگامی که در تعداد مناسب و به موقع و در زمان مناسب به مشتری تحویل داده شود با ارزش است. امروزه، شرکت ها و مردم با چالش های چابکی و ارزش های محوری روبرو هستند که استفاده از هر دو رویکرد و ترکیب آنها در مدل تحلیلی زنجیره تأمین و ادبیات پیشین وجود ندارد. در این پژوهش یک مطالعه مبتنی بر مدل سازی عدد صحیح خطی در زمینه طراحی شبکه زنجیره تأمین برای رسیدگی به این شکاف تحقیقاتی انجام شده است. زنجیره تأمین مورد نظر در سه سطح تولیدکنندگان، توزیع کنندگان و مشتریان به صورت چندهدفه، چندمحصولی و چنددوره ای ارائه شده است. توابع هدف شامل حداکثرسازی چابکی و ارزش های محوری است. برای حل مدل ریاضی از نرم افزار گمز استفاده شده است. سپس الگوریتم ژنتیک چندهدفه با مرتب سازی نامغلوب اعضای جمعیت ارائه شد و برای اعتبارسنجی الگوریتم پیشنهادی نتایج آن با حل دقیق مقایسه شده است. در پایان، نتایج مورد تحلیل قرار گرفته است. تفاصيل المقالة

حرية الوصول المقاله

31 - Modelling and optimization of a tri-objective Transportation-Location-Routing Problem considering route reliability: using MOGWO, MOPSO, MOWCA and NSGA-II
Fariba Maadanpour Safari Farhad Etebari Adel Pourghader Chobar

10.22094/joie.2020.1893849.1730

In this research, a tri-objective mathematical model is proposed for the Transportation-Location-Routing problem. The model considers a three-echelon supply chain and aims to minimize total costs, maximize the minimum reliability of the traveled routes and establish a w أکثر

In this research, a tri-objective mathematical model is proposed for the Transportation-Location-Routing problem. The model considers a three-echelon supply chain and aims to minimize total costs, maximize the minimum reliability of the traveled routes and establish a well-balanced set of routes. In order to solve the proposed model, four metaheuristic algorithms, including Multi-Objective Grey Wolf Optimizer (MOGWO), Multi-Objective Water Cycle Algorithm (MOWCA), Multi-objective Particle Swarm Optimization (MOPSO) and Non-Dominated Sorting Genetic Algorithm- II (NSGA-II) are developed. The performance of the algorithms is evaluated by solving various test problems in small, medium, and large scale. Four performance measures, including Diversity, Hypervolume, Number of Non-dominated Solutions, and CPU-Time, are considered to evaluate the effectiveness of the algorithms. In the end, the superior algorithm is determined by Technique for Order of Preference by Similarity to Ideal Solution method. تفاصيل المقالة

حرية الوصول المقاله

32 - Design of a Mathematical Model for Logistic Network in a Multi-Stage Multi-Product Supply Chain Network and Developing a Metaheuristic Algorithm
Esmaeil Mehdizadeh Fariborz Afrabandpei

Logistic network design is one of the most important strategic decisions in supply chain management that has recently attracted theattention of many researchers. Transportation network design is then one of the most important fields of logistic network. This study iscon أکثر

Logistic network design is one of the most important strategic decisions in supply chain management that has recently attracted theattention of many researchers. Transportation network design is then one of the most important fields of logistic network. This study isconcerned with designing a multi-stage and multi-product logistic network. At first, a mixed integer nonlinear programming model(MINLP) is formulated that minimizes transportation and holding costs. Then, a hybrid priority-based Genetic Algorithm (pb-GA) andsimulated annealing algorithm (SA) is developed in two phases to find the optimal solution. The solution is represented by a matrix and avector. Response Surface Methodology (RSM) is also used to adjust the significant parameters of the algorithm. Finally, several testproblems are generated which show that the proposed metaheuristic algorithm can find good solutions in reasonable time spans. تفاصيل المقالة

حرية الوصول المقاله

33 - A multi-objective evolutionary approach for integrated production-distribution planning problem in a supply chain network
Keyvan Sarrafha Abolfazl Kazemi Alireza Alinezhad

Integrated production-distribution planning (PDP) is one of the most important approaches in supply chain networks. We consider a supply chain network (SCN) to consist of multi suppliers, plants, distribution centers (DCs), and retailers. A bi-objective mixed integer li أکثر

Integrated production-distribution planning (PDP) is one of the most important approaches in supply chain networks. We consider a supply chain network (SCN) to consist of multi suppliers, plants, distribution centers (DCs), and retailers. A bi-objective mixed integer linear programming model for integrating production-distribution designed here aim to simultaneously minimize total net costs in supply chain and transfer time of products for retailers. From different terms of evolutionary computations, this paper proposes a Pareto-based meta-heuristic algorithm called multi-objective simulated annealing (MOSA) to solve the problem. To validate the results obtained, a popular algorithm namely non-dominated sorting genetic algorithm (NSGA-II) is utilized as well. Since the solution-quality of proposed meta-heuristic algorithm severely depends on their parameters, the Taguchi method is utilized to calibrate the parameters of the proposed algorithm. Finally, in order to prove the validity of the proposed model, a numerical example is solved and conclusions are discussed. تفاصيل المقالة

حرية الوصول المقاله

34 - Using Multi-objective Algorithm (NSGA-II) in Selecting Optimal Portfolio in Tehran Stock Exchange
سید احمد شیبت الحمدی محمد همتی مهدی اسفندیار

In financial matters, portfolio can be interpreted as a combination or a series of investments hold by an institution or a person. Portfolio optimization is one of the most important concerns of investors for maximizing the portfolio in financial markets. The formation أکثر

In financial matters, portfolio can be interpreted as a combination or a series of investments hold by an institution or a person. Portfolio optimization is one of the most important concerns of investors for maximizing the portfolio in financial markets. The formation of portfolio is a vital and critical decision for the companies. In fact, the selection of portfolio is to specify the capital between different shares. So, selecting a portfolio by high returns rate and controlled risk is a matter noted by many researchers. The present ways of optimization the portfolio have not sufficient adequacy. Therefore, so many innovative algorithms are considered and used. Genetic algorithm can solve many optimization problems of portfolio efficiently. The aim of this research is to completely explain genetic algorithm when using it to optimize portfolio matters. The researcher tries to develop an approach based on a multi-objective algorithm known as NSGA-II to form a portfolio. 30 superior companies listed in Tehran stock Exchange are selected as the population and their data are used during 2007-2011. The results indicate that genetic algorithm designed is an efficient and appropriate means to help the investors to select a portfolio تفاصيل المقالة

حرية الوصول المقاله

35 - Optimization of laser forming parameters using genetic algorithms
Rasoul Tarkesh Esfahani Sa&#039;id Golabi zahra zojaji

The use of lasers is being considered as a modern method for forming process in recent years. This method has been used in various industries, such as aerospace, marine and oil industry. Extensive research has been done in the field of modeling and optimization of direc أکثر

The use of lasers is being considered as a modern method for forming process in recent years. This method has been used in various industries, such as aerospace, marine and oil industry. Extensive research has been done in the field of modeling and optimization of direct paths parameters with process of laser forming. Although forming in circular paths can be used for producing complex parts, due to some technical reasons, it is considered less. The main purpose of this paper is to detect the proper estimation model and obtain optimal variables conditions for complete circular paths in perforated circular parts by means of genetic algorithms. In this process the outer edges are fixed and the inner edges are being formed by laser. At first, the finite element simulation model is studied then the estimation model has been discussed, after that multi-objective functions have been examined with the least error and energy. Furthermore, the optimization results of the internal hole diameters are reported and analyzed in terms of Pareto charts. In conclusion, optimum forming conditions have been reported in terms of accuracy and energy for different diameters of holes. This study shows with acceptable increasing in the error rate, the required energy could be reduced. Also, increasing in the diameter of inside hole cause to increase energy and decrease of accuracy. تفاصيل المقالة

حرية الوصول المقاله

36 - Optimal Location and Determination of Fault ‎Current Limiters in the Presence of Distributed ‎Generation Sources Using a Hybrid Genetic Algorithm
Salman Amirkhan Mostafa Rayatpanah Ghadikolaei Hassan Pourvali Souraki

Nowadays, the presence of distributed generation (DG) units in the distribution network is increasing due to their advantages. Due to the increasing need for electricity, the use of distributed generation sources in the power system is expanding rapidly. On the other ha أکثر

Nowadays, the presence of distributed generation (DG) units in the distribution network is increasing due to their advantages. Due to the increasing need for electricity, the use of distributed generation sources in the power system is expanding rapidly. On the other hand, in order to respond to the growth of load demand, the network becomes wider and more interconnected. These factors increase the level of fault current in the power system. Sometimes this increase causes the fault current level to exceed the ability to disconnect the protective devices, which can cause serious damage to the equipment in the power system. Using fault current limiters (FCLs) in power system is very promising solution in suppressing short circuit current and leads use of protective equipment with low capacities in the network. In this paper, in order to solve the problem of increasing the fault current, first using sensitivity analysis, network candidate lines are selected to install the fault current limiter, which helps to reduce the time and search space to solve the problem. Simultaneously finding the optimal number, location and amount of impedance for the installation of a resistive superconductor limiter is solved using the multi-objective Non-dominated genetic algorithm with non-dominated sorting (NSGA-II). The method presented in a 20 kV ring sample network, simulated in PSCAD software, is evaluated in the presence of distributed generation sources and its efficiency is shown. تفاصيل المقالة

حرية الوصول المقاله

37 - Multiple-input single-output nonlinear system identification using Bezier- Bernstein polynomials with noise cancellation
Mohammad Jahani Moghaddam

This article deals with an identification method for the fractional multiple-input single-output ‎model. It is considered the Hammerstein model to separate dynamic linear and static nonlinear ‎behaviors. Which Bezier-Bernstein polynomials are used to approximate the non أکثر

This article deals with an identification method for the fractional multiple-input single-output ‎model. It is considered the Hammerstein model to separate dynamic linear and static nonlinear ‎behaviors. Which Bezier-Bernstein polynomials are used to approximate the nonlinear functions ‎and the fractional order transfer function is applied to estimate the linear part. A hybrid ‎identification method based on a modified evolutionary algorithm and a recursive classic method ‎is presented. As an advantage, this method can also correctly identify the system in the presence ‎of output noise. A photovoltaic experimental system and a numerical example are used to ‎illustrate the efficiency and performance of the proposed scheme.‎ تفاصيل المقالة

حرية الوصول المقاله

38 - Using Magic Square Chaotic Algorithm and DNA for ‎Evolutionary-based Image Encryption Operators
mahdi tahbaz Hossein Shirgahi Mohammad Reza Yamaghani

‎ The development of digital technologies has improved the transfer of data over the Internet in recent years. Image encryption is a technique to ensure security in information transfers. The current paper presents an evolutionary model on the basis of a hybridization o أکثر

‎ The development of digital technologies has improved the transfer of data over the Internet in recent years. Image encryption is a technique to ensure security in information transfers. The current paper presents an evolutionary model on the basis of a hybridization of DNA biomolecule operators and the LS2 Map ‎chaos function for encryption of image. The model proposed here includes three stages. In the initial stage, the MSC (Magic Square Chaotic) algorithm and a secret key are utilized with the SHA-256 algorithm t‎o determine the initiating the LS2 Map function value, which is then employed to manipulate the pixels of the image. Then, DNA biomolecule operators and the chaos function are used for propagation. Additionally, the previous stages process is iterated with the starting population of the genetic algorithm in the third stage. Afterward, the optimization is carried out through genetic algorithm operators. The results indicate ‎that the introduced model is superior to other rivals. Furthermore, as for the high level of entropy obtained, the model exhibits strong resistance to common attacks.‎ تفاصيل المقالة

حرية الوصول المقاله

39 - Path Optimization of Moving Object in Presence of Obstacles Using Messy Genetic Algorithm for N-dimensional Space
Ali Hasanabadi

Optimizing the path of the movement of moving objects such as various robots in the industry can have a significant effect on reducing manufacturing and production time and costs. In this research, using a messy genetic algorithm, a new method is presented to optimize t أکثر

Optimizing the path of the movement of moving objects such as various robots in the industry can have a significant effect on reducing manufacturing and production time and costs. In this research, using a messy genetic algorithm, a new method is presented to optimize the movement path of a mobile object such as a robot in the presence of multiple obstacles. The movement path can be considered two-dimensional or multi-dimensional, and the obstacles in the path are assumed to be circles and spheres. The method used is that first, several chromosomes are created in the zero generation and their fitness is calculated. Then, using competitive selection, the parents of the new generation are created and from there the chromosomes of the next generation are made, and their fitness is calculated. This process continues until the considered condition, i.e. the ratio of the average fitness divided by maximum fitness in each generation is satisfied. Since in the messy genetic algorithm, the length of the chromosome can be variable, the proposed algorithm can examine all types of paths with a variable number of points depending on the existing obstacles and with high efficiency, find the shortest path with an approximate difference of 3.4 percentage compared to the ideal path. This method can optimize even paths with more than three dimensions. تفاصيل المقالة

حرية الوصول المقاله

40 - توسعه مدل بهینه‌سازی پورتفوی با استفاده از ضریب ریسک گریزی تغییر یافته
روح اله مهرعلیزاده شیادهی حسین دیده خانی علی خوزین آرش نادریان

در این مقاله با استفاده از ادبیات پژوهش و روش‌های ریاضی به اعمال تغییراتی برای مناسب‌تر نمودن استفاده از ضریب ریسک‌گریزی در مدل‌های بهینه‌سازی اقدام شد. ضریب ریسک‌گریزی معرفی شده در این پژوهش با اعمال در بخش بیشینه‌سازیِ بازده مدل بدون ایجاد اثر نامطلوب، قادر خواهد بود أکثر

در این مقاله با استفاده از ادبیات پژوهش و روش‌های ریاضی به اعمال تغییراتی برای مناسب‌تر نمودن استفاده از ضریب ریسک‌گریزی در مدل‌های بهینه‌سازی اقدام شد. ضریب ریسک‌گریزی معرفی شده در این پژوهش با اعمال در بخش بیشینه‌سازیِ بازده مدل بدون ایجاد اثر نامطلوب، قادر خواهد بود دقت الگوریتم‌های فرا ابتکاری را در یافتن پاسخ‌های بهینه بهبود بخشد. در ادامه مدل ارائه شده برای 30 سهم از بازار بورس اوراق بهادار تهران به همراه یک دارایی با ریسک صفر با لحاظ نمودن برخی محدودیت‌های موجود در بازار ایران بکار گرفته شد. به منظور حل مدل از روش بهینه‌سازی فرا ابتکاری ژنتیک استفاده گردید و برای سنجش کارایی مدل، نتایج اجرای فرایند بهینه سازی با 2500 پورتفوی تصادفی که در محدودیت‌های مساله قرار داشت مقایسه گردید و نتایج حاصله نشان داد پاسخ‌های ارائه شده توسط مدل در هر دو عامل ریسک و بازده بصورت همزمان نسبت به سایر پورتفوهای تصادفی برتری محسوسی ایجاد نموده است. تفاصيل المقالة

حرية الوصول المقاله

41 - طراحی و شبیه سازی همزمان کنترل کننده های پایدارساز سیستم قدرت سینرجتیک و خازن سری کنترل شده با تریستور در سیستم قدرت چند ماشینه
آرمان فتح اللهی

پایدارسازهای سیستم قدرت (PSSs) به طور معمول برای میراسازی گشتاور ژنراتور سنکرون استفاده می‌شوند تا به وسیله‌ی تولید سیگنال‌های کنترل تکمیلی برای سیستم تحریک ژنراتور، این نوسانات را کاهش دهند.در این مقاله به منظور میراسازی نوسانات الکترومکانیکی و غلبه بر مشکلات حاصل از ت أکثر

پایدارسازهای سیستم قدرت (PSSs) به طور معمول برای میراسازی گشتاور ژنراتور سنکرون استفاده می‌شوند تا به وسیله‌ی تولید سیگنال‌های کنترل تکمیلی برای سیستم تحریک ژنراتور، این نوسانات را کاهش دهند.در این مقاله به منظور میراسازی نوسانات الکترومکانیکی و غلبه بر مشکلات حاصل از تقریب خطی سیستم غیرخطی که پایداری سیستم را در یک همسایگی از شرایط تعادل محدود میکند، از یک پایدارساز سیستم قدرت غیرخطی مبنی بر تئوری کنترل سینرجتیک و کنترل کننده خازن سری کنترل شده با تریستور (TCSC) به طور همزمان استفاده شده است. ترکیب سینرجتیک پایدارساز سیستم قدرت کاملا بر اساس یک مدل غیرخطی ساده شده ی سیستم ارائه می گردد. برای بررسی تاثیرگذاری همزمان این کنترل کننده ها شبیه سازی در سیستم های قدرت تک ماشینه و چند ماشینه و تحت اغتشاشات مختلف مورد مطالعه قرار گرفته است. نتایج شبیه‌سازی نشان می‌دهد که عملکرد همزمان TCSC و پایدارساز سیستم قدرت سینرجتیک (SPSS) ظرفیت بسیار بالایی را برای میرایی نوسانات و بهبود پایداری در مقایسه با پایدارساز سیستم قدرت سینرجتیک و سیستم قدرت مجهز به PSS مرسوم تنظیم شده با الگوریتم ژنتیک (GAPSS) در هر سیستم قدرت دینامیکی غیرخطی از خود نشان می‌دهد. تفاصيل المقالة

حرية الوصول المقاله

42 - سیستم تشخیص نفوذ بهبود یافته مبتنی بر الگوریتم ژنتیک خود تطبیق جزیره ای برای حل ماشین بردار پشتیبان به صورت یادگیری چندهسته ای با کد کننده های خودکار
الهه فقیه نیا سید رضا کامل طباخ فریضنی مریم خیرآبادی

نفوذ به سیستم‌ها از طریق زیرساخت شبکه و اینترنت یکی از چالش‌های امنیتی است که دنیای فناوری اطلاعات و ارتباطات را با آن روبرو کرده است و می‌تواند منجر به تخریب سیستم‌ها و دسترسی به داده‌ها و اطلاعات گردد. در این مقاله یک مدل ماشین بردار پشتیبان که هسته‌های آن وزن‌دار شده أکثر

نفوذ به سیستم‌ها از طریق زیرساخت شبکه و اینترنت یکی از چالش‌های امنیتی است که دنیای فناوری اطلاعات و ارتباطات را با آن روبرو کرده است و می‌تواند منجر به تخریب سیستم‌ها و دسترسی به داده‌ها و اطلاعات گردد. در این مقاله یک مدل ماشین بردار پشتیبان که هسته‌های آن وزن‌دار شده به همراه پارامترهای هسته‌های ماشین بردار پشتیبان برای سیستم تشخیص نفوذ ارائه شده است. با توجه به پیچیدگی محاسباتی این مدل، روش الگوریتم ژنتیک جزیره‌ای پویای خود تطبیقی پیشنهاد شده تا پیچیدگی محاسبات را کم نماید. در این روش از اتوانکودر نیز برای کاهش حجم داده‌ها استفاده شده است. روش پیشنهادی یک روش ترکیبی پیشنهادی مبتنی بر اتوانکودر و ماشین بردار پشتیبان بهبودیافته با الگوریتم ژنتیک جزیره‌ای پویای خود تطبیق است که دقت بهتری در مسائل تشخیص نفوذ را نشان می دهد. نتایج شبیه سازی بر روی مجموعه داده DARPA برای تست عملکرد مورد استفاده قرار گرفته است. تفاصيل المقالة

حرية الوصول المقاله

43 - طراحی بهینه خرپای فولادی پرات تحت بار متحرک با استفاده از الگوریتم ژنتیک با درنظر گرفتن کمانش اعضا
مهدی رحیمی اصل امیرحسن علیزاده

یکی از عوامل تأثیرگذار در طراحی سازه‌های مختلف هزینه ساخت می‌باشد و سازه را طوری میتوان طرح کرد که با هزینه ساخت یکسان، عملکرد بهتری در مقابل بارهای وارده داشته باشد. روش‌های مختلفی برای بهینه سازی مانند الگوریتم ژنتیک، الگوریتم‌های تکاملی پدید آمده‌اند که قابلیت زیادی أکثر

یکی از عوامل تأثیرگذار در طراحی سازه‌های مختلف هزینه ساخت می‌باشد و سازه را طوری میتوان طرح کرد که با هزینه ساخت یکسان، عملکرد بهتری در مقابل بارهای وارده داشته باشد. روش‌های مختلفی برای بهینه سازی مانند الگوریتم ژنتیک، الگوریتم‌های تکاملی پدید آمده‌اند که قابلیت زیادی نسبت به روش‌های ریاضی دارند.. در این تحقیق با استفاده از روش ژنتیک، مشخصات هندسی و ارتفاع یک خرپای دو بعدی از نوع پرات برای اقتصادی‌تر شدن طرح مورد بهسازی قرار گرفته است. این خرپا در ابتدا تحت نیروی متمرکز در موقعیت بحرانی به گونه‌ای طراحی شده است که با کمترین مقدار مصرف فولاد، تنش‌های حداکثر در اعضا از مقدار حدی فراتر نرود. سپس این نیرو به صورت متحرک در کل طول خرپا در نظر گرفته شده و با تابع هدف بیان شده، طرح بهینه آن انجام گرفته است. در نهایت نتایج دو مساله‌ی مقایسه شده است. نتایج نشان می‌دهند با تعداد حدود 17000 فراخوانی تابع هدف در طی 50 نسل نتایج به دقت مناسبی می‌انجامد و ارتفاع بهینه‌ی خرپا در حالت بار ثابت برابر 53/2 متر و حالت بار متحرک 56/2 بدست آمد که برای هر دو مورد در حدود 50% طول هر دهانه می‌باشد. همچنین در حالت تاثیر بار متحرک وزن خرپای بهینه شده در حدود 36 % بیشتر از حالت تاثیر بار ثابت بدست آمد تفاصيل المقالة

حرية الوصول المقاله

44 - طرح بهینه سازه‌های قطری با استفاده از الگوریتم ژنتیک بهبود یافته
محمدرضا برادران مرتضی مدح خوان

10.30495/civil.2022.695117

یکی از سیستم های سازه ای جدید مورد استفاده در سازه های بلند مرتبه، سیستم های سازه ای قطری می باشد. در این نوع سیستم سازه ای، ستون ها حذف شده و اعضای قطری جایگزین آنها می شوند. به عبارت دیگر اعضای قطری علاوه بر تحمل بارهای ثقلی، بارهای جانبی را نیز کنترل می کنند و دیگر ن أکثر

یکی از سیستم های سازه ای جدید مورد استفاده در سازه های بلند مرتبه، سیستم های سازه ای قطری می باشد. در این نوع سیستم سازه ای، ستون ها حذف شده و اعضای قطری جایگزین آنها می شوند. به عبارت دیگر اعضای قطری علاوه بر تحمل بارهای ثقلی، بارهای جانبی را نیز کنترل می کنند و دیگر نیازی به طراحی سیستم باربر جانبی برای سازه نمی باشد. ساختمان های ساخته شده با این سیستم، علاوه بر نوآوری در سیستم سازه ای، طرح معماری زیبا و منحصر به فردی دارند. یکی از مهمترین و تاثیرگذارترین پارامتر طراحی در سازه های قطری، تعیین زاویه اعضای قطری می باشد. این زاویه به طور مستقیم بر روی وزن سازه تاثیرگذار است. در مقاله حاضر زاویه اعضای قطری در این نوع سیستم ها مورد بررسی و ارزیابی قرار گرفته است. بدین منظور یک ساختمان 24 طبقه مورد تحلیل و بهینه سازی قرار گرفته است. جهت بهینه سازی سازه، از الگوریتم ژنتیک بهبود یافته استفاده شده است. با استفاده از الگوریتم ژنتیک بهبود یافته وزن بهینه قاب تحت زاویه های مختلف برای سیستم های سازه ای قطری و همچنین سیستم های سازه ای با مهاربندی مگا تعیین و حالت بهینه ارائه شده است. جهت بررسی نتایج، وزن سازه با وزن سیستم مهاربندی مگا مقایسه شده است. نتایج حاصل نشان می دهد زاویه یهینه اعضای قطری در سیستم مهاربندی مگا حدود 36 درجه می باشد در حالی که این زاویه برای سیستم قطری حدود 65 درجه می باشد تفاصيل المقالة

حرية الوصول المقاله

45 - Developing a Fuzzy Knowledge Based Optimisation System for Storage and Retrieval Operations of Long Stay Containers
Ali Abbas

Owing to the many uncertainties involved, the management of container yard operations is very challenging. The storage of containers is one of those operations that require proper management to achieve efficient utilisation of the yard, short handling time and a minimum أکثر

Owing to the many uncertainties involved, the management of container yard operations is very challenging. The storage of containers is one of those operations that require proper management to achieve efficient utilisation of the yard, short handling time and a minimum number of re-handlings. The aim of this study is to develop a fuzzy knowledge based optimisation system based on genetic algorithm named ‘FKBGA’ for the management of container yard operations that take into consideration factors and constraints of long stay containers that exist in real-life situations. One of these factors is the duration of stay of a container in each stack. Because the duration of stay of containers stored with pre-existing containers varies dynamically over time, an ‘ON/OFF’ strategy is proposed to activate or deactivate the duration of stay factor in the estimation of departure time if the topmost containers for each stack have been stored for a similar time period. A genetic algorithm module based Multi-Layer concept is developed which identifies the optimal fuzzy rules required for each set of fired rules to achieve a minimum number of container re-handlings when selecting a stack. An industrial case study is used to demonstrate the applicability and practicability of the developed system. The proposed system has the potential to produce more effective storage and retrieval strategies, by reducing the number of re-handlings of containers. The performance of the proposed system is assessed by comparing with other Constrained-Probabilistic Stack Allocation “CPSA” and Constrained-Neighbourhood Stack Allocation “CNSA” storage and retrieval techniques. تفاصيل المقالة

حرية الوصول المقاله

46 - ارائۀ یک مدل ریاضی برای زمان‌بندی تولید و تعمیرات و نگهداری با در نظر گرفتن محدودیت دسترسی به منابع تولیدی در شرایط عدم قطعیت
محمد شریف زادگان محمدرضا حیدری کورش پوری عادل پورقادر چوبر میلاد ابوالقاسمیان

10.30495/jmemiau.2023.706257

در سیستم های تولیدی و صنعتی، برنامه ریزی ادغامی تولید و عملیات و تعمیرات از اهمیت بسیار زیادی برخوردار است. از این رو در این پژوهش یک برنامه ریزی ادغامی چندهدفه با قابلیت بهینه سازی برای زمان‌بندی تولید و نگهداری و تعمیرات با ملحوظ دانستن محدودیت دسترسی به منابع تولیدی أکثر

در سیستم های تولیدی و صنعتی، برنامه ریزی ادغامی تولید و عملیات و تعمیرات از اهمیت بسیار زیادی برخوردار است. از این رو در این پژوهش یک برنامه ریزی ادغامی چندهدفه با قابلیت بهینه سازی برای زمان‌بندی تولید و نگهداری و تعمیرات با ملحوظ دانستن محدودیت دسترسی به منابع تولیدی در شرایط عدم قطعیت ارائه شده است. برای این منظور، یک مدل ریاضی برنامه ریزی مختلط عدد صحیح در راستای برنامه ریزی تولید و نگهداری و تعمیرات در شرکت مارون مدل سازی گردید. بر طبق نتایج حاصل شده، ماکزیمم سود حاصل شده پس از کسر هزینه‌ها برابر با 12690 میلیون دلار، کمترین ریسک ناشی از تولید محصول برابر با 3462 و کمترین مدت زمان اجرای نگهداری و تعمیرات برابر با 14172 ساعت محاسبه شده است. سرانجام، نتایج ارزیابی مدل سازی انجام شده نشان داد که استقرار نتایج حاصل از حل دقیق و فراابتکاری ارائه شده در این مقاله بیش از 7 درصد در تولیدات شرکت بهبود ایجاد می‌کند. تفاصيل المقالة

حرية الوصول المقاله

47 - Determining Cluster-Heads in Mobile Ad-Hoc Networks Using Multi-Objective Evolutionary based Algorithm
Ali Nodehi

A mobile ad-hoc network (MANET), a set of wirelessly connected sensor nodes, is a dynamic system that executes hop-by-hop routing independently with no external help of any infrastructure. Proper selection of cluster heads can increase the life time of the Ad-hoc networ أکثر

A mobile ad-hoc network (MANET), a set of wirelessly connected sensor nodes, is a dynamic system that executes hop-by-hop routing independently with no external help of any infrastructure. Proper selection of cluster heads can increase the life time of the Ad-hoc network by decreasing the energy consumption. Although different methods have been successfully proposed by researchers to tackle this problem, nearly all of them have the deficiency of providing a single combination of head clusters as the solution. On the contrary, in our proposed method, using a Multi-Objective Genetic Algorithm, a set of near optimum solutions is provided. In the proposed method, energy consumption, number of cluster heads, coverage and degree difference are considered as objectives. Numerical results reveal that the proposed algorithm can find better solutions when compared to conventional methods in this area namely, weighted clustering algorithm (WCA), comprehensive learning particle swarm optimization (CLPSO) and multi objective particle swarm optimization(MOPSO). تفاصيل المقالة

حرية الوصول المقاله

48 - Presenting an Imperceptible Steganographic Algorithm through Genetic Algorithm and Mix Column Transform
Mahsa Amini Kaleibar Saeid Taghavi Afshord

Due to growth and development of data communications, the need for fast and secure transmission of information is very important. In order to address this problem, especially over the internet, some of the security systems such as cryptography and steganography can be u أکثر

Due to growth and development of data communications, the need for fast and secure transmission of information is very important. In order to address this problem, especially over the internet, some of the security systems such as cryptography and steganography can be used. Steganography is a way for secure and confidential communication. In this paper, an algorithm for color image steganography through mix column transform and the genetic algorithm is presented, which is a distinct type of the transform. The proposed method divides the image into blocks and the mix column transform of each block is obtained. Then, the genetic algorithm is applied to determine the best permutation for inserting the secret message. By using the genetic algorithm, bits of the message is embedded in the least significant bits of the image. Experimental results show that, not only the visual quality of the stego image is improved, but also the embedding time of the image and the capacity are increased. تفاصيل المقالة

حرية الوصول المقاله

49 - Devising a Profit-Aware Recommender System using Multi-Objective GA
Yaser Nemati Hossein Khademolhosseini

Recommender Systems are part of our life nowadays. In almost every big business, recommender systems are suggesting items to users automatically. The only factor that traditional recommender systems take into account is accuracy. They try to estimate user-item ratings a أکثر

Recommender Systems are part of our life nowadays. In almost every big business, recommender systems are suggesting items to users automatically. The only factor that traditional recommender systems take into account is accuracy. They try to estimate user-item ratings as accurate as possible to recommend the more preferable items to users. But from the supplier point of view, profit is the most desirable achievement. In this paper we have proposed a profit-aware recommender system based on the multi-objective genetic algorithm. Our proposed method consider two objectives at the same time: Profit and Accuracy. Profit is amount of profit that company will gain of selling items and accuracy measures how much recommendations are close to user preferences. the NSGA-II as the most successful MO-GA has been selected here and its Crossover and Mutation operations have been designed. Our method and traditional collaborative-filtering method have been implemented and tested on three different datasets: Movielens, Netflix and Yahoo. Results confirm that in both accuracy and net-profit our method prevail over CF method. تفاصيل المقالة

حرية الوصول المقاله

50 - Static Task Allocation in Distributed Systems Using Parallel Genetic Algorithm
Monire Taheri Sarvtamin

Over the past two decades, PC speeds have increased from a few instructions per second to several million instructions per second. The tremendous speed of today's networks as well as the increasing need for high-performance systems has made researchers interested in par أکثر

Over the past two decades, PC speeds have increased from a few instructions per second to several million instructions per second. The tremendous speed of today's networks as well as the increasing need for high-performance systems has made researchers interested in parallel and distributed computing. The rapid growth of distributed systems has led to a variety of problems. Task allocation is a key process for distributed systems to achieve effective system efficiency, which, except for a few cases, is an NP-complete problem. Finding an effective and efficient method for this problem is still sought despite various methods used in studies. Experiments and the results of previous research have shown that NP problems are better solved by exploratory methods than other methods. This study used a parallel genetic algorithm (PGA) to find a solution for proper task allocation to processors in a distributed system. The task allocation policy, obtained using PGA, is much faster than traditional genetic algorithms. The results showed that the proposed algorithm can provide optimal or near-optimal allocations for problems of different sizes. The proposed method also solved large- and medium-sized problems much faster than traditional genetic algorithms and with super linear speedup. تفاصيل المقالة

حرية الوصول المقاله

51 - An Optimal Configuration of Neural Networks by Multi-Objective Genetic Algorithm and Ensemble-Classifier Approach for Evaluation Trust in the Single Web Service
baharak shakeri aski Abolfazl Haghighat mehran mohsenzadeh

Abstract. Web Services provides a solution to web application integration. Due to the significant of trust to choose the proper web service, a novel optimal configuration of neural networks by multi-objective genetic algorithm and ensemble-classifier approach is used to أکثر

Abstract. Web Services provides a solution to web application integration. Due to the significant of trust to choose the proper web service, a novel optimal configuration of neural networks by multi-objective genetic algorithm and ensemble-classifier approach is used to evaluate the trust of single web services. For evaluating trust in single web services, first, a set of neural networks were trained by the settings their parameters through the multi-objective genetic algorithm. Next, the best combination of neural networks was selected to make an ensemble classifier. This method was evaluated with single WS dataset considered eight criteria. Three measurements such as accuracy, time and ROC curve were considered to assess the efficiency. Ultimately, the obtained results show that the proposed approach can achieve a trade-off between time and accuracy by the multi-objective genetic algorithm. Also using ensemble-classifiers approach increases the reliability of the model. Consequently, the proposed method promote the detection accuracy. تفاصيل المقالة

حرية الوصول المقاله

52 - A multi-product, multi-period and multi-hub routing and scheduling model for offshore logistics
Alireza Rashidi Komijan Mehdi Razi Peyman Afzal Vahidreza Ghezavati Kaveh Khalili Damghani

Logistics in upstream oil industry is a critical task as rigs need consistent support for ongoing production. In this paper, a multi-period, multi-product and multi-hub routing and scheduling model is presented for offshore logistics problem. As rigs can be served in sp أکثر

Logistics in upstream oil industry is a critical task as rigs need consistent support for ongoing production. In this paper, a multi-period, multi-product and multi-hub routing and scheduling model is presented for offshore logistics problem. As rigs can be served in specific time intervals, time windows constraints are considered in the proposed model. Despite classic VRP models, vessels are not forced to return hubs at the end of duty days. Also, a vessel may leave and return back to hubs several times during the planning horizon. Moreover, the model determines which vessels are applied in each day. In other words, a vessel may be applied in some days and be inactive in other days of planning horizon. To develop a compromise model, fueling issue is considered in the model. As a rig can be supplied by different vessels in real world cases, the proposed model is split delivery. Based on these challenges and contributions, this research deploys an integrated optimization of routing and scheduling of vessels for offshore logistics. This paper deals with a combinatorial optimization model which is NP-hard. Hence, Genetic Algorithm is applied as the solution approach. The average gap between objective functions of GAMS and GA is only 1.18 percent while saving CPU time in GA is much more than GAMS (about 78.16 percent on average). The results confirm the applicability and efficiency of the GA. تفاصيل المقالة

حرية الوصول المقاله

53 - Optimization of Mobile Base Station Placement to Reduce Energy Consumption in Multi-hop Wireless Sensor Network
Gholamreza Farahani Ameneh Farahani

Nowadays, wireless sensor networks (WSNs) are widely used in different sectors. The problem in these networks is the non-rechargeable batteries of these sensors, which limit the lifetime of the network. Therefore, the optimal energy consumption of sensors is an open res أکثر

Nowadays, wireless sensor networks (WSNs) are widely used in different sectors. The problem in these networks is the non-rechargeable batteries of these sensors, which limit the lifetime of the network. Therefore, the optimal energy consumption of sensors is an open research topic. In this paper, a new algorithm with the Development of Genetic Algorithm with the Floyd Warshall (DGAFW) has been proposed. Using the proposed DGAFW algorithm, the number of clusters and nodes assigned to each cluster is first determined with the Floyd Warshall algorithm and then the Cluster Head (CH) is selected using fuzzy logic. Finally, the optimal placement of the base station is specified by the combination of the Genetic Algorithm and the Floyd Warshall. The DGAFW algorithm is based on minimizing the distance of sending multi-hop messages. The simulation is carried out in MATLAB 2023a online software. The simulation results obtained from the DGAFW algorithm have been compared based on the distance, the amount of remaining energy in each round, and the number of rounds of network activity in the case where the location of the base station is fixed or randomly determined in each round. The results obtained show that the DGAFW algorithm compared to the case of random base station and fixed station respectively, has 12.7% and 14.3% shorter average message-sending distance in each round, 14.7% and 19.1% more residual energy and also 36% and 48% more rounds of network activity. تفاصيل المقالة

حرية الوصول المقاله

54 - A novel hybrid genetic algorithm to solve the make-to-order sequence-dependent flow-shop scheduling problem
Mohammad Mirabi S. M. T. Fatemi Ghomi F . Jolai

Flow-shop scheduling problem (FSP) deals with the scheduling of a set of n jobs that visit a set of m machines in the same order. As the FSP is NP-hard, there is no efficient algorithm to reach the optimal solution of the problem. To minimize the holding, delay and أکثر

Flow-shop scheduling problem (FSP) deals with the scheduling of a set of n jobs that visit a set of m machines in the same order. As the FSP is NP-hard, there is no efficient algorithm to reach the optimal solution of the problem. To minimize the holding, delay and setup costs of large permutation flow-shop scheduling problems with sequence-dependent setup times on each machine, this paper develops a novel hybrid genetic algorithm (HGA) with three genetic operators. Proposed HGA applies a modified approach to generate a pool of initial solutions, and also uses an improved heuristic called the iterated swap procedure to improve the initial solutions. We consider the make-to-order production approach that some sequences between jobs are assumed as tabu based on maximum allowable setup cost. In addition, the results are compared to some recently developed heuristics and computational experimental results show that the proposed HGA performs very competitively with respect to accuracy and efficiency of solution. تفاصيل المقالة

حرية الوصول المقاله

55 - A new metaheuristic genetic-based placement algorithm for 2D strip packing
Jaya Thomas Narendra S. Chaudhari

Given a container of fixed width, infinite height and a set of rectangular block, the 2D-strip packing problem consists of orthogonally placing all the rectangles such that the height is minimized. The position is subject to confinement of no overlapping of blocks. The أکثر

Given a container of fixed width, infinite height and a set of rectangular block, the 2D-strip packing problem consists of orthogonally placing all the rectangles such that the height is minimized. The position is subject to confinement of no overlapping of blocks. The problem is a complex NP-hard combinatorial optimization, thus a heuristic based on genetic algorithm is proposed to solve it. In this paper, we give a hybrid approach which combined genetic encoding and evolution scheme with the proposed placement approach. Such a combination resulted in better population evolution and faster solution convergence to optimal. The approach is subjected to a comprehensive test using benchmark instances. The computation results validate the solution and the effectiveness of the approach. تفاصيل المقالة

حرية الوصول المقاله

56 - Optimizing the preventive maintenance scheduling by genetic algorithm based on cost and reliability in National Iranian Drilling Company
Habibollah Javanmard Abd al-Wahhab Koraeizadeh

The present research aims at predicting the required activities for preventive maintenance in terms of equipment optimal cost and reliability. The research sample includes all offshore drilling equipment of FATH 59 Derrick Site affiliated with National Iranian Drilling أکثر

The present research aims at predicting the required activities for preventive maintenance in terms of equipment optimal cost and reliability. The research sample includes all offshore drilling equipment of FATH 59 Derrick Site affiliated with National Iranian Drilling Company. Regarding the method, the research uses a field methodology and in terms of its objectives, it is classified as an applied research. Some of the data are extracted from the documents available in the equipment and maintenance department of FATH 59 Derrick site, and other needed data are resulted from experts’ estimates through genetic algorithm method. The research result is provided as the prediction of downtimes, costs, and reliability in a predetermined time interval. The findings of the method are applicable for all manufacturing and non-manufacturing equipment. تفاصيل المقالة

حرية الوصول المقاله

57 - Distribution network design under demand uncertainty using genetic algorithm and Monte Carlo simulation approach: a case study in pharmaceutical industry
Arman Izadi Ali Mohammad Kimiagari

Distribution network design as a strategic decision has long-term effect on tactical and operational supply chain management. In this research, the location– allocation problem is studied under demand uncertainty. The purposes of this study were to specify the أکثر

Distribution network design as a strategic decision has long-term effect on tactical and operational supply chain management. In this research, the location– allocation problem is studied under demand uncertainty. The purposes of this study were to specify the optimal number and location of distribution centers and to determine the allocation of customer demands to distribution centers. The main feature of this research is solving the model with unknown demand function which is suitable with the real-world problems. To consider the uncertainty, a set of possible scenarios for customer demands is created based on the Monte Carlo simulation. The coefficient of variation of costs is mentioned as a measure of risk and the most stable structure for firm’s distribution network is defined based on the concept of robust optimization. The best structure is identified using genetic algorithms and 14 % reduction in total supply chain costs is the outcome. Moreover, it imposes the least cost variation created by fluctuation in customer demands (such as epidemic diseases outbreak in some areas of the country) to the logistical system. It is noteworthy that this research is done in one of the largest pharmaceutical distribution firms in Iran. تفاصيل المقالة

حرية الوصول المقاله

58 - Nash equilibrium strategy in the deregulated power industry and comparing its lost welfare with Iran wholesale electricity market
Seyed Hosein Mousavi Ali Nazemi Ashkan Hafezalkotob

With the increasing use of different types of auctions in market designing, modeling of participants’ behaviors to evaluate the market structure is one of the main discussions in the studies related to the deregulated power industries. In this article, we apply an أکثر

With the increasing use of different types of auctions in market designing, modeling of participants’ behaviors to evaluate the market structure is one of the main discussions in the studies related to the deregulated power industries. In this article, we apply an approach of the optimal bidding behavior to the Iran wholesale electricity market as a restructured electric power industry and model how the participants of the market bid in the spot electricity market. The problem is formulated analytically using the Nash equilibrium concept composed of large numbers of players having discrete and very large strategy spaces. Then, we compute and draw supply curve of the competitive market in which all generators’ proposed prices are equal to their marginal costs and supply curve of the real market in which the pricing mechanism is pay-as-bid. We finally calculate the lost welfare or inefficiency of the Nash equilibrium and the real market by comparing their supply curves with the competitive curve. We examine 3 cases on November 24 (2 cases) and July 24 (1 case), 2012. It is observed that in the Nash equilibrium on November 24 and demand of 23,487MW, there are 212 allowed plants for the first case (plants are allowed to choose any quantity of generation except one of them that should be equal to maximum Power) and the economic efficiency or social welfare of Nash equilibrium is 2.77 times as much as the real market. In addition, there are 184 allowed plants for the second case (plants should offer their maximum power with different prices) and the efficiency or social welfare of Nash equilibrium is 3.6 times as much as the real market. On July 24 and demand of 42,421MW, all 370 plants should generate maximum energy due to the high electricity demand that the economic efficiency or social welfare of the Nash equilibrium is about 2 times as much as the real market. تفاصيل المقالة

حرية الوصول المقاله

59 - Using and comparing metaheuristic algorithms for optimizing bidding strategy viewpoint of profit maximization of generators
Seyed Hosein Mousavi Ali Nazemi Ashkan Hafezalkotob

With the formation of the competitive electricity markets in the world, optimization of bidding strategies has become one of the main discussions in studies related to market designing. Market design is challenged by multiple objectives that need to be satisfied. The so أکثر

With the formation of the competitive electricity markets in the world, optimization of bidding strategies has become one of the main discussions in studies related to market designing. Market design is challenged by multiple objectives that need to be satisfied. The solution of those multi-objective problems is searched often over the combined strategy space, and thus requires the simultaneous optimization of multiple parameters. The problem is formulated analytically using the Nash equilibrium concept for games composed of large numbers of players having discrete and large strategy spaces. The solution methodology is based on a characterization of Nash equilibrium in terms of minima of a function and relies on a metaheuristic optimization approach to find these minima. This paper presents some metaheuristic algorithms to simulate how generators bid in the spot electricity market viewpoint of their profit maximization according to the other generators’ strategies, such as genetic algorithm (GA), simulated annealing (SA) and hybrid simulated annealing genetic algorithm (HSAGA) and compares their results. As both GA and SA are generic search methods, HSAGA is also a generic search method. The model based on the actual data is implemented in a peak hour of Tehran’s wholesale spot market in 2012. The results of the simulations show that GA outperforms SA and HSAGA on computing time, number of function evaluation and computing stability, as well as the results of calculated Nash equilibriums by GA are less various and different from each other than the other algorithms. تفاصيل المقالة

حرية الوصول المقاله

60 - Collaboration space division in collaborative product development based on a genetic algorithm
Xueming Qian Yanqiao Ma Huan Feng

The advance in the global environment, rapidly changing markets, and information technology has created a new stage for design. In such an environment, one strategy for success is the Collaborative Product Development (CPD). Organizing people effectively is the goal of أکثر

The advance in the global environment, rapidly changing markets, and information technology has created a new stage for design. In such an environment, one strategy for success is the Collaborative Product Development (CPD). Organizing people effectively is the goal of Collaborative Product Development, and it solves the problem with certain foreseeability. The development group activities are influenced not only by the methods and decisions available, but also by correlation among personnel. Grouping the personnel according to their correlation intensity is defined as collaboration space division (CSD). Upon establishment of a correlation matrix (CM) of personnel and an analysis of the collaboration space, the genetic algorithm (GA) and minimum description length (MDL) principle may be used as tools in optimizing collaboration space. The MDL principle is used in setting up an object function, and the GA is used as a methodology. The algorithm encodes spatial information as a chromosome in binary. After repetitious crossover, mutation, selection and multiplication, a robust chromosome is found, which can be decoded into an optimal collaboration space. This new method can calculate the members in sub-spaces and individual groupings within the staff. Furthermore, the intersection of sub-spaces and public persons belonging to all sub-spaces can be determined simultaneously. تفاصيل المقالة

حرية الوصول المقاله

61 - A new memetic algorithm for mitigating tandem automated guided vehicle system partitioning problem
Parinaz Pourrahimian

Automated Guided Vehicle System (AGVS) provides the flexibility and automation demanded by Flexible Manufacturing System (FMS). However, with the growing concern on responsible management of resource use, it is crucial to manage these vehicles in an efficient way in ord أکثر

Automated Guided Vehicle System (AGVS) provides the flexibility and automation demanded by Flexible Manufacturing System (FMS). However, with the growing concern on responsible management of resource use, it is crucial to manage these vehicles in an efficient way in order reduces travel time and controls conflicts and congestions. This paper presents the development process of a new Memetic Algorithm (MA) for optimizing partitioning problem of tandem AGVS. MAs employ a Genetic Algorithm (GA), as a global search, and apply a local search to bring the solutions to a local optimum point. A new Tabu Search (TS) has been developed and combined with a GA to refine the newly generated individuals by GA. The aim of the proposed algorithm is to minimize the maximum workload of the system. After all, the performance of the proposed algorithm is evaluated using Matlab. This study also compared the objective function of the proposed MA with GA. The results showed that the TS, as a local search, significantly improves the objective function of the GA for different system sizes with large and small numbers of zone by 1.26 in average. تفاصيل المقالة

حرية الوصول المقاله

62 - Economic design of Hotelling’s T2 control chart on the presence of fixed sampling rate and exponentially assignable causes
Ehsan Bahiraee Sadigh Raissi

Control charts are extensively used in manufacturing contexts to monitor production processes. This article illustrates economical design of a variable sample size and control limit Hotelling’s T2 control chart based on a novel cost model when occurrence times أکثر

Control charts are extensively used in manufacturing contexts to monitor production processes. This article illustrates economical design of a variable sample size and control limit Hotelling’s T2 control chart based on a novel cost model when occurrence times of the assignable causes are exponentially distributed. The proposed nonlinear cost model is an extension of Duncan’s (J Am Stat Assoc 51: 228–242, 1956) model which was employed for univariate cases. Applying genetic algorithm to find optimum parameter values and using an L33 orthogonal array in sensitivity analysis on the model parameters is investigated through a numerical example to illustrate the effectiveness of the proposed approach. تفاصيل المقالة

حرية الوصول المقاله

63 - A genetic algorithm for a bi-objective mathematical model for dynamic virtual cell formation problem
Mostafa Moradgholi Mohammad Mahdi Paydar Iraj Mahdavi Javid Jouzdani

Nowadays, with the increasing pressure of the competitive business environment and demand for diverse products, manufacturers are force to seek for solutions that reduce production costs and rise product quality. Cellular manufacturing system (CMS), as a means to this e أکثر

Nowadays, with the increasing pressure of the competitive business environment and demand for diverse products, manufacturers are force to seek for solutions that reduce production costs and rise product quality. Cellular manufacturing system (CMS), as a means to this end, has been a point of attraction to both researchers and practitioners. Limitations of cell formation problem (CFP), as one of important topics in CMS, have led to the introduction of virtual CMS (VCMS). This research addresses a bi-objective dynamic virtual cell formation problem (DVCFP) with the objective of finding the optimal formation of cells, considering the material handling costs, fixed machine installation costs and variable production costs of machines and workforce. Furthermore, we consider different skills on different machines in workforce assignment in a multi-period planning horizon. The bi-objective model is transformed to a single-objective fuzzy goal programming model and to show its performance; numerical examples are solved using the LINGO software. In addition, genetic algorithm (GA) is customized to tackle large-scale instances of the problems to show the performance of the solution method. تفاصيل المقالة

حرية الوصول المقاله

64 - Solving the flexible job shop problem by hybrid metaheuristics-based multiagent model
Houssem Eddine Nouri Olfa Belkahla Driss Khaled Ghe´dira

The flexible job shop scheduling problem (FJSP) is a generalization of the classical job shop scheduling problem that allows to process operations on one machine out of a set of alternative machines. The FJSP is an NP-hard problem consisting of two sub-problems, which a أکثر

The flexible job shop scheduling problem (FJSP) is a generalization of the classical job shop scheduling problem that allows to process operations on one machine out of a set of alternative machines. The FJSP is an NP-hard problem consisting of two sub-problems, which are the assignment and the scheduling problems. In this paper, we propose how to solve the FJSP by hybrid metaheuristics-based clustered holonic multiagent model. First, a neighborhood-based genetic algorithm (NGA) is applied by a scheduler agent for a global exploration of the search space. Second, a local search technique is used by a set of cluster agents to guide the research in promising regions of the search space and to improve the quality of the NGA final population. The efficiency of our approach is explained by the flexible selection of the promising parts of the search space by the clustering operator after the genetic algorithm process, and by applying the intensification technique of the tabu search allowing to restart the search from a set of elite solutions to attain new dominant scheduling solutions. Computational results are presented using four sets of well-known benchmark literature instances. New upper bounds are found, showing the effectiveness of the presented approach. تفاصيل المقالة

حرية الوصول المقاله

65 - A model for distribution centers location-routing problem on a multimodal transportation network with a meta-heuristic solving approach
Saeed Fazayeli Alireza Eydi Isa Nakhai Kamalabadi

Nowadays, organizations have to compete with different competitors in regional, national and international levels, so they have to improve their competition capabilities to survive against competitors. Undertaking activities on a global scale requires a proper distribut أکثر

Nowadays, organizations have to compete with different competitors in regional, national and international levels, so they have to improve their competition capabilities to survive against competitors. Undertaking activities on a global scale requires a proper distribution system which could take advantages of different transportation modes. Accordingly, the present paper addresses a location-routing problem on multimodal transportation network. The introduced problem follows four objectives simultaneously which form main contribution of the paper; determining multimodal routes between supplier and distribution centers, locating mode changing facilities, locating distribution centers, and determining product delivery tours from the distribution centers to retailers. An integer linear programming is presented for the problem, and a genetic algorithm with a new chromosome structure proposed to solve the problem. Proposed chromosome structure consists of two different parts for multimodal transportation and location-routing parts of the model. Based on published data in the literature, two numerical cases with different sizes generated and solved. Also, different cost scenarios designed to better analyze model and algorithm performance. Results show that algorithm can effectively solve large-size problems within a reasonable time which GAMS software failed to reach an optimal solution even within much longer times. تفاصيل المقالة

حرية الوصول المقاله

66 - Two phase genetic algorithm for vehicle routing and scheduling problem with cross-docking and time windows considering customer satisfaction
Ali Baniamerian Mahdi Bashiri Fahime Zabihi

Cross-docking is a new warehousing policy in logistics which is widely used all over the world and attracts many researchers attention to study about in last decade. In the literature, economic aspects has been often studied, while one of the most significant factors fo أکثر

Cross-docking is a new warehousing policy in logistics which is widely used all over the world and attracts many researchers attention to study about in last decade. In the literature, economic aspects has been often studied, while one of the most significant factors for being successful in the competitive global market is improving quality of customer servicing and focusing on customer satisfaction. In this paper, we introduce a vehicle routing and scheduling problem with cross-docking and time windows in a three-echelon supply chain that considers customer satisfaction. A set of homogeneous vehicles collect products from suppliers and after consolidation process in the cross-dock, immediately deliver them to customers. A mixed integer linear programming model is presented for this problem to minimize transportation cost and early/tardy deliveries with scheduling of inbound and outbound vehicles to increase customer satisfaction. A two phase genetic algorithm (GA) is developed for the problem. For investigating the performance of the algorithm, it was compared with exact and lower bound solutions in small and large-size instances, respectively. Results show that there are at least 86.6% customer satisfaction by the proposed method, whereas customer satisfaction in the classical model is at most 33.3%. Numerical examples results show that the proposed two phase algorithm could achieve optimal solutions in small-size instances. Also in large-size instances, the proposed two phase algorithm could achieve better solutions with less gap from the lower bound in less computational time in comparison with the classic GA. تفاصيل المقالة

حرية الوصول المقاله

67 - Multi-period project portfolio selection under risk considerations and stochastic income
Ali Asghar Tofighian Hamid Moezzi Morteza Khakzar Barfuei Mahmood Shafiee

This paper deals with multi-period project portfolio selection problem. In this problem, the available budget is invested on the best portfolio of projects in each period such that the net profit is maximized. We also consider more realistic assumptions to cover wider r أکثر

This paper deals with multi-period project portfolio selection problem. In this problem, the available budget is invested on the best portfolio of projects in each period such that the net profit is maximized. We also consider more realistic assumptions to cover wider range of applications than those reported in previous studies. A novel mathematical model is presented to solve the problem, considering risks, stochastic incomes, and possibility of investing extra budget in each time period. Due to the complexity of the problem, an effective meta-heuristic method hybridized with a local search procedure is presented to solve the problem. The algorithm is based on genetic algorithm (GA), which is a prominent method to solve this type of problems. The GA is enhanced by a new solution representation and well selected operators. It also is hybridized with a local search mechanism to gain better solution in shorter time. The performance of the proposed algorithm is then compared with well-known algorithms, like basic genetic algorithm (GA), particle swarm optimization (PSO), and electromagnetism-like algorithm (EM-like) by means of some prominent indicators. The computation results show the superiority of the proposed algorithm in terms of accuracy, robustness and computation time. At last, the proposed algorithm is wisely combined with PSO to improve the computing time considerably. تفاصيل المقالة

حرية الوصول المقاله

68 - Development of an evolutionary fuzzy expert system for estimating future behavior of stock price
Azam Goodarzi Amirhossein Amiri Shervin Asadzadeh Farhad Mehmanpazir Shahrokh Asadi

The stock market has always been an attractive area for researchers since no method has been found yet to predict the stock price behavior precisely. Due to its high rate of uncertainty and volatility, it carries a higher risk than any other investment area, thus the st أکثر

The stock market has always been an attractive area for researchers since no method has been found yet to predict the stock price behavior precisely. Due to its high rate of uncertainty and volatility, it carries a higher risk than any other investment area, thus the stock price behavior is difficult to simulation. This paper presents a “data mining-based evolutionary fuzzy expert system” (DEFES) approach to estimate the behavior of stock price. This tool is developed in seven-stage architecture. Data mining is used in three stages to reduce the complexity of the whole data space. The first stage, noise filtering, is used to make our raw data clean and smooth. Variable selection is second stage; we use stepwise regression analysis to choose the key variables been considered in the model. In the third stage,K-means is used to divide the data into sub-populations to decrease the effects of noise and rebate complexity of the patterns. At next stage, extraction of Mamdani type fuzzy rule-based system will be carried out for each cluster by means of genetic algorithm and evolutionary strategy. In the fifth stage, we use binary genetic algorithm to rule filtering to remove the redundant rules in order to solve over learning phenomenon. In the sixth stage, we utilize the genetic tuning process to slightly adjust the shape of the membership functions. Last stage is the testing performance of tool and adjusts parameters. This is the first study on using an approximate fuzzy rule base system and evolutionary strategy with the ability of extracting the whole knowledge base of fuzzy expert system for stock price forecasting problems. The superiority and applicability of DEFES are shown for International Business Machines Corporation and compared the outcome with the results of the other methods. Results with MAPE metric and Wilcoxon signed ranks test indicate that DEFES provides more accuracy and outperforms all previous methods, so it can be considered as a superior tool for stock price forecasting problems. تفاصيل المقالة

حرية الوصول المقاله

69 - Role of batch size in scheduling optimization of flexible manufacturing system using genetic algorithm
Muhammad Umair Akhtar Muhammad Huzaifa Raza Muhammad Shafiq

Flexible manufacturing system (FMS) readily addresses the dynamic needs of the customers in terms of variety and quality. At present, there is a need to produce a wide range of quality products in limited time span. On-time delivery of customers’ orders is critica أکثر

Flexible manufacturing system (FMS) readily addresses the dynamic needs of the customers in terms of variety and quality. At present, there is a need to produce a wide range of quality products in limited time span. On-time delivery of customers’ orders is critical in make-to-order (MTO) manufacturing systems. The completion time of the orders depends on several factors including arrival rate, variability, and batch size, to name a few. Among those, batch size is a significant construct for effective scheduling of an FMS, as it directly affects completion time. On the other hand, constant batch size makes MTO less responsive to customers’ demands. In this paper, an FMS scheduling problem with n jobs and m machines is studied to minimize lateness in meeting due dates, with focus on the impact of batch size. The effect of batch size on completion time of the orders is investigated under following strategies: (1) constant batch size, (2) minimum part set, and (3) optimal batch size. A mathematical model is developed to optimize batch size considering completion time, lateness penalties and setup times. Scheduling of an FMS is not only a combinatorial optimization problem but also NP-hard problem. Suitable solutions of such problems through exact methods are difficult. Hence, a meta-heuristic Genetic algorithm is used to optimize scheduling of the FMS. تفاصيل المقالة

حرية الوصول المقاله

70 - A multi-product green supply chain under government supervision with price and demand uncertainty
Ashkan Hafezalkotob Soma Zamani

In this paper, a bi-level game-theoretic model is proposed to investigate the effects of governmental financial intervention on green supply chain. This problem is formulated as a bi-level program for a green supply chain that produces various products with different en أکثر

In this paper, a bi-level game-theoretic model is proposed to investigate the effects of governmental financial intervention on green supply chain. This problem is formulated as a bi-level program for a green supply chain that produces various products with different environmental pollution levels. The problem is also regard uncertainties in market demand and sale price of raw materials and products. The model is further transformed into a single-level nonlinear programming problem by replacing the lower-level optimization problem with its Karush–Kuhn–Tucker optimality conditions. Genetic algorithm is applied as a solution methodology to solve nonlinear programming model. Finally, to investigate the validity of the proposed method, the computational results obtained through genetic algorithm are compared with global optimal solution attained by enumerative method. Analytical results indicate that the proposed GA offers better solutions in large size problems. Also, we conclude that financial intervention by government consists of green taxation and subsidization is an effective method to stabilize green supply chain members’ performance. تفاصيل المقالة

حرية الوصول المقاله

71 - مقایسه قدرت پیش بینی بحران مالی توسط تکنیک های مختلف هوش مصنوعی
زهرا پورزمانی حسن کلانتری

امروزه پیشرفت سریع فن‌آوری و تغییرات محیطی وسیع، منجر به رقابت روزافزون شده و دستیابی به سود را محدود و احتمال دچار شدن به بحران مالی را افزایش داده است. هدف این تحقیق بررسی قدرت پیش‌بینی بحران مالی توسط تکنیک‌های مختلف هوش مصنوعی(الگوریتم ژنتیک خطی و غیر خطی و شبکه عصب أکثر

امروزه پیشرفت سریع فن‌آوری و تغییرات محیطی وسیع، منجر به رقابت روزافزون شده و دستیابی به سود را محدود و احتمال دچار شدن به بحران مالی را افزایش داده است. هدف این تحقیق بررسی قدرت پیش‌بینی بحران مالی توسط تکنیک‌های مختلف هوش مصنوعی(الگوریتم ژنتیک خطی و غیر خطی و شبکه عصبی) است. بر اساس اطلاعات و آمارهای در دسترس شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران در طی دوره 1389-1376، از بین شرکت‌های مشمول ماده 141 قانون تجارت، 72 شرکت و از بین بقیه شرکت‌ها نیز 72 شرکت انتخاب شد. نتایج آزمون مک‌نمار برای تکنیک‌های الگوریتم ژنتیک غیرخطی و شبکه عصبی نشان می‌دهد که تفاوت معنی‌داری بین نتایج الگوریتم ژنتیک خطی و غیرخطی با شبکه عصبی وجود ندارد. اگر چه دقت پیش‌بینی الگوریتم ژنتیک غیرخطی(90 درصد) و الگوریتم ژنتیک خطی(80 درصد) بیشتر از شبکه عصبی(70 درصد) است ولی این تفاوت از لحاظ آماری معنی‌دار نیست. تفاصيل المقالة

حرية الوصول المقاله

72 - Optimal Placement and Scheduling of Switched Capacitor Banks Using Multi-Objective Hybrid Optimization Algorithm under Load Uncertainty Conditions
Ehsan Akbari

10.30495/ijsee.2022.1968418.1229

A straightforward and affordable way to improve the power factor and account for reactive power (RP) in the distribution network (DN) is to employ switched capacitor banks (SCBs). The optimal placement of these capacitors helps to reduce costs and power losses in the ne أکثر

A straightforward and affordable way to improve the power factor and account for reactive power (RP) in the distribution network (DN) is to employ switched capacitor banks (SCBs). The optimal placement of these capacitors helps to reduce costs and power losses in the network. This essay offers a hybrid algorithm by combining the Harris Hawks Optimization algorithm (HHO) and the Non-dominated Sorting Genetic Algorithm Type 2 (NSGA-II) to arrange the switched capacitors (SCs) in the DN in the best possible location and scheduling. Power plant active and reactive power (ARP) generation, capacitor bank (CB) capital expenditure (CapEx)and maintenance costs, ARP losses in DN, and switching costs of SC are all factored into the proposed objective function. Furthermore, the load uncertainty in this study is modeled using the normal distribution function. Finally, the proposed optimization problem is implemented on IEEE standard 33-bus networks, and the performance of the suggested hybrid approach is compared with other commonly used multi-objective optimization algorithms. The simulation results show the higher performance of the proposed algorithm in terms of convergence speed and the objective function value. تفاصيل المقالة

حرية الوصول المقاله

73 - Optimal Placement of Substations Based on Economic and Technical Risk Management
Amir Navakhah MahmoudReza Haghifam Soudabe Soleymani

Design and expansion of distribution systems seems inevitable in view of the need to satisfy the rise in energy consumption in a technical and economical way. Optimal location, sizing and determining the service area of substations is one of the principle problems in ex أکثر

Design and expansion of distribution systems seems inevitable in view of the need to satisfy the rise in energy consumption in a technical and economical way. Optimal location, sizing and determining the service area of substations is one of the principle problems in expansion of distribution systems. Also uncertainty is one of the important factors that increase risk of exact decision makings. This paper presents a fuzzy multi-objective model for HV/MV substations planning so that uncertainties are modeled using fuzzy numbers (trapezoidal form). The proposed fuzzy model is based on the risk of economic and technical objectives as well as fuzzy values of investment, operation and loss cost of the substations and primary feeders. This model determines the optimal time, location and size of substations using a multi-objective genetic algorithm (NSGA-II). The proposed model is applied on a typical distribution system to assess the efficiency of the approach. تفاصيل المقالة

حرية الوصول المقاله

74 - Wind Turbine Transformer Optimum Design Assuming a 3D Wound Core
Pedram Elhaminia Ahmad Moradnouri Mehdi Vakilian

A wind turbine transformer (WTT) is designed using a 3D wound core while the transformer’s total owning cost (TOC) and its inrush current performance realized as the two objective functions in a multi-objective optimization process. Multi-objective genetic algorit أکثر

A wind turbine transformer (WTT) is designed using a 3D wound core while the transformer’s total owning cost (TOC) and its inrush current performance realized as the two objective functions in a multi-objective optimization process. Multi-objective genetic algorithm is utilized to derive Pareto optimal solutions. The effects of inrush current improvement on other operating and design parameters of the transformer such as: losses, dimensions, and weights are investigated. An approach is presented to select one design from optimal Pareto solutions based on relative improvement of the inrush current performance. Finally, this multi-objective optimum wind turbine transformer design is compared with an optimum transformer design obtained when just TOC is the objective function. تفاصيل المقالة

حرية الوصول المقاله

75 - Optimal DG Placement for Power Loss Reduction and Improvement Voltage Profile Using Smart Methods
S.A Hashemi Zadeh O Zeidabadi Nejad S hasani A.A Gharaveisi GH Shahgholian

Distributed Generations (DGs) are utilized to supply the active and reactive power in the transmission and distribution systems. These types of power sources have many benefits such as power quality enhancement, voltage deviation reduction, power loss reduction, load sh أکثر

Distributed Generations (DGs) are utilized to supply the active and reactive power in the transmission and distribution systems. These types of power sources have many benefits such as power quality enhancement, voltage deviation reduction, power loss reduction, load shedding reduction, reliability improvement, etc. In order to reach the above benefits, the optimal placement and sizing of DG is significant. In this regard, this paper gets use of the Bacteria Foraging Algorithm (BFA) and Binary Genetic Algorithm (BGA) to investigate the DG placement with the purpose of power loss and voltage deviation reduction. The proposed method is applied on the 33-bus and 69-bus IEEE test systems and the optimal place and size of DGs from the power losses and voltage deviation minimization are assessed. Also, the performance of the above two algorithms are compared with each other. تفاصيل المقالة

حرية الوصول المقاله

76 - توسعه مدل زمان بندی پروژه های نفتی و تعدیل هزینه های سبد پروژه با موازنه اهداف هزینه، زمان، کیفیت و اثرات زیست محیطی و حل آن با الگوریتم های متاهیستوریک
صادق فیض اللهی

امروزه در پروژه‌هایی نفتی بهره‌گیری از روش های نوین مدیریت و زمان‌بندی پروژه امری اجتناب ناپذیر است. از طرفی، در مساله زمان‌بندی کلاسیک تمرکز بر روی موازنه زمان و هزینه انجام پروژه‌ها است که در چنین شرایطی یکی از راه‌حل‌های ممکن برای کوتاه کردن زمان اجرای پروژه، تسریع د أکثر

امروزه در پروژه‌هایی نفتی بهره‌گیری از روش های نوین مدیریت و زمان‌بندی پروژه امری اجتناب ناپذیر است. از طرفی، در مساله زمان‌بندی کلاسیک تمرکز بر روی موازنه زمان و هزینه انجام پروژه‌ها است که در چنین شرایطی یکی از راه‌حل‌های ممکن برای کوتاه کردن زمان اجرای پروژه، تسریع در انجام فعالیت‌‌ها است که این تسریع علاوه بر تحمیل هزینه بیشتر،‌‌‌ می‌تواند بر کیفیت انجام و اثرات زیست محیطی نیز تاثیر بگذارد. از این‌رو در این مطالعه، اثرات زیست محیطی و کیفیت انجام فعالیت‌ها نیز به عنوان شاخص‌های جدید در مساله موازنه‌ی هزینه-زمان پروژه در نظر گرفته شد و مدل ریاضی جدیدی با چهار شاخص؛ هزینه، زمان، کیفیت انجام و اثرات زیست محیطی ارائه شده‌است. بر خلاف مدل‌های سنتی که در آنها تنها یک حالت اجرا برای انجام فعالیت‌ها و یک نوع رابطه پیش‌نیازی بین فعالیت‌ها مد نظر قرار می‌گرفت، حالت‌های اجرای فعالیت‌ها بصورت چند حالته و روابط وابستگی بین فعالیت‌ها از نوع روابط پیش‌نیازی تعمیم یافته است و لحاظ کردن این نوع روابط، مساله را به دنیای واقعی نزدیک‌تر می‌کند. به دلیل NP-hard بودن مساله در ابعاد بزرگ از الگوریتم‌های فرا ابتکاری برای حل مدل استفاده شد. تفاصيل المقالة

حرية الوصول المقاله

77 - بهینه‌سازی سبد سهام با استفاده از الگوریتم ژنتیک چند هدفه (NSGA II) و ماکزیمم نسبت شارپ
آرزو کریمی

یکی از مسائل مهم حوزه مالی چگونگی انتخاب سبد سرمایه‌گذاری است. فعالان این حوزه در صدد انتخاب سبدی هستند که با میزان بازدهی بالا ، ریسک را تحت کنترل قرار دهد. با توجه به افزایش محدودیت‌های بازار سرمایه کارایی روش‌های کلاسیک مورد بحث قرار گرفته است. از این رو توجه محققین أکثر

یکی از مسائل مهم حوزه مالی چگونگی انتخاب سبد سرمایه‌گذاری است. فعالان این حوزه در صدد انتخاب سبدی هستند که با میزان بازدهی بالا ، ریسک را تحت کنترل قرار دهد. با توجه به افزایش محدودیت‌های بازار سرمایه کارایی روش‌های کلاسیک مورد بحث قرار گرفته است. از این رو توجه محققین به سمت الگوریتم‌های فرا‌ ابتکاری معطوف شده است. هدف این پژوهش تعیین سبد بهینه‌ی شرکت‌های دارویی پذیرفته شده در بازار بورس اوراق بهادار تهران به دو روش الگوریتم ژنتیک چندهدفه (NSGA-II) و ماکزیمم نسبت شارپ است. در این پژوهش الگوریتم ژنتیک چند هدفه (NSGA-II) تحت معیار ریسک ارزش در معرض خطر مشروط است. همچنین از داده‌های 13 شرکت در دوره زمانی97-90 برای تشکیل سبد استفاده شده است. نتایج حاکی از آن است که در روش الگوریتم ژنتیک چند هدفه (NSGA-II) سهامی که کمترین ارزش در معرض خطر را دارد، بیشترین وزن را در سبد بهینه بدست می‌آورد. همچنین سبد بهینه شده به روش الگوریتم ژنتیک چند هدفه (NSGA-II) بازده بیشتر و در عین حال ریسک کمتری دارد. تفاصيل المقالة

حرية الوصول المقاله

78 - A MODEL FOR EVOLUTIONARY DYNAMICS OF WORDS IN A LANGUAGE
A. Yadav J. Dash M. Padhee S. Bhattacharya

Human language, over its evolutionary history, has emerged as one of the fundamental deﬁning characteristic of the modern man. However, this milestone evolutionary process through natural selection has not left any ’linguistic fossils’ that may enable us to أکثر

Human language, over its evolutionary history, has emerged as one of the fundamental deﬁning characteristic of the modern man. However, this milestone evolutionary process through natural selection has not left any ’linguistic fossils’ that may enable us to trace back the actual course of development of language and its establishment in human societies. Lacking analytical tools to fathom the critical essentials of evolutionary mechanism of cultural transmission, we seek the recourse of simulation study as another useful method of enquiry into the evolutionary trajectory of language.In this paper we use a toy model to understand an interesting feature of language evolution, namely, the scenario in which words gets ﬁxed in a population of language users. We obtain simulation for the replicator dynamics that characterise the time rate of change of various words in the given language, using genetic algorithm to simulate the dynamics. We infer that two of the prime determinants for the establishment of a word within a linguistic population are its consonance with the grammar and its communicative eﬃciency. تفاصيل المقالة

حرية الوصول المقاله

79 - مدلسازی پیش بینی نرخ ارز در ایران با استفاده از شبکه عصبی مبتنی بر الگوریتم ژنتیک و الگوریتم ذرات انبوه
علی جمالی سعید دائی کریم زاده

در سال‌های اخیر بکارگیری روش های هوش مصنوعی در بازارهای مالی و سرمایه گذاری به جای روش های کمی مرسوم، رو به افزایش بوده و معمولا عملکرد بهتری را نسبت به روش‌های کلاسیک ارائه کرده است. شبکه عصبی مصنوعی علیرغم مزایای فراوان دارای نقاط ضعف نیز می باشند. در این پژوهش به م أکثر

در سال‌های اخیر بکارگیری روش های هوش مصنوعی در بازارهای مالی و سرمایه گذاری به جای روش های کمی مرسوم، رو به افزایش بوده و معمولا عملکرد بهتری را نسبت به روش‌های کلاسیک ارائه کرده است. شبکه عصبی مصنوعی علیرغم مزایای فراوان دارای نقاط ضعف نیز می باشند. در این پژوهش به منظور غلبه بر نقاط ضعف روش شبکه عصبی با آموزش داده‌های شبکه عصبی از طریق الگوریتم تکاملی یعنی از ترکیب شبکه عصبی مصنوعی با الگوریتم ژنتیک (GA) و الگوریتم ذرات انبوه (PSO) جهت مدلسازی و پیش بینی روزانه نرخ های ارز اسمی در ایران در دوره زمانی 01/01/1392 تا 01/10/1398 استفاده شده است. این مدل‌های ترکیبی با روش شبکه عصبی به عنوان یکی از مدل‌های هوش مصنوعی با توجه به معیارهای خطای MSE، RMSE، MAE،U.Theil مقایسه می‌گردد. نتایج این پژوهش نشان از برتری مدل ترکیبی شبکه عصبی الگوریتم ذرات انبوه نسبت به سایر مدل های مورد بررسی تحقیق دارد تفاصيل المقالة

حرية الوصول المقاله

80 - Optimization of Reduction Settings and Inter-stand Tensions for Tandem Cold Mills using Genetic Algorithm
فرشید آقاداوودی حسین گلستانیان نوید نگهبانی

Cold rolling process is a complicated process which can be optimized by changing in variables and settings. This paper presents a set-up optimization system developed to calculate reductions and inter-stand tensions for each stand of a five stand tandem cold mill. The أکثر

Cold rolling process is a complicated process which can be optimized by changing in variables and settings. This paper presents a set-up optimization system developed to calculate reductions and inter-stand tensions for each stand of a five stand tandem cold mill. The main objective in this optimization is minimization of power consumption. First, by using the analytical method, the equations of roll force and roll torque have been determined. The Genetic algorithm has been used to find out the optimum reduction setting and inter-stand tension which minimized the power consumption in five roll stands. The results have been compared with experimental data. Finally, the influence of effective parameters such as lubricants and strength of plates is studied. The results have been shown a similar pattern in reduction setting. تفاصيل المقالة

حرية الوصول المقاله

81 - The hybrid approach based on genetic algorithm and neural network to predict financial fraud in banks
Afsaneh Azimi Majid Noor Hosseini

Audit has become an essential topic in the world because there is much evidence about deliberate manipulations in the reports. One of the concerns in the field of audit is discovery and search of the financial statements and the high volume of bulk data. This study trie أکثر

Audit has become an essential topic in the world because there is much evidence about deliberate manipulations in the reports. One of the concerns in the field of audit is discovery and search of the financial statements and the high volume of bulk data. This study tried to suggest the appropriate method to detect these frauds due to the data which has been available and a proposed algorithm. Research data of the Greek companies have been used and the results of output show that about 83 percent correct prediction are shown in the output. تفاصيل المقالة

حرية الوصول المقاله

82 - A Robust Optimization Approach for the Hub Arc Location Problem
Marjan Gharavipour Mohsen Sheikh Sajadieh Matineh Ziari

10.22094/QJIE.2024.1103971

Hub networks play a crucial role in optimizing transportation flow and reducing overall costs by efficiently connecting origins and destinations through strategically placed hub nodes. The decision of hub location carries significant long-term implications and necessita أکثر

Hub networks play a crucial role in optimizing transportation flow and reducing overall costs by efficiently connecting origins and destinations through strategically placed hub nodes. The decision of hub location carries significant long-term implications and necessitates consideration of various factors within an uncertain environment. This paper addresses the hub arc location problem in hub networks, considering setup costs, isolated hubs, and uncertain flows between nodes. To tackle this challenge, a two-stage stochastic programming model is formulated to incorporate the uncertainty in flow volumes. Additionally, a robust optimization approach is proposed to enhance the resilience of hub location decisions against uncertain scenarios. The problem is solved using a tailored Genetic algorithm, which achieves optimal solutions with high quality and reasonable computational time. The results demonstrate the effectiveness of the proposed methodology in handling the uncertain nature of the hub location problem, contributing to the advancement of transportation planning and logistics optimization. The findings provide valuable insights for practical applications in real-world scenarios, offering a framework for decision-makers to make informed choices regarding hub network design and location. By integrating uncertainty and robust optimization techniques, this paper offers a comprehensive approach to address complex transportation network problems and improve overall efficiency in transportation systems. تفاصيل المقالة

حرية الوصول المقاله

83 - تشخیص خسارت در پل‌های بزرگ دهانه با وجود چند خسارت همزمان
محمد وحیدی آرمین عطیمی نژاد مریم فیروزی محمد هریسچیان

مقاله حاضر یک روش دومرحله‌ای قدرتمند برای تشخیص خسارت پل‌های بزرگ دهانه با مقاطع متغیر ارائه می‌نماید. پل‌ها یکی از زیرساخت‌های اساسی در حوزه حمل‌ونقل شهری و برون شهری بوده که تشخیص خسارت به موقع درطول بهره‌برداری آن حائز اهمیت می‌باشد. خسارت دراین دسته از سازه‌ها سبب ا أکثر

مقاله حاضر یک روش دومرحله‌ای قدرتمند برای تشخیص خسارت پل‌های بزرگ دهانه با مقاطع متغیر ارائه می‌نماید. پل‌ها یکی از زیرساخت‌های اساسی در حوزه حمل‌ونقل شهری و برون شهری بوده که تشخیص خسارت به موقع درطول بهره‌برداری آن حائز اهمیت می‌باشد. خسارت دراین دسته از سازه‌ها سبب اختلال درخدمت‌رسانی درزمان بروزبلایای طبیعی‌خواهد شد. روش ارائه شده بر مبنای ترکیب المان محدود طیفی و شاخص خسارت انرژی کرنشی مودال و همچنین ترکیب الگوریتم ژنتیک و رگرسیون بردار پشتیبان برای تشخیص وتخمین میزان شدت‌خسارت می‌باشد. یکی ‌از روش‌های کارآمد درحوزه انتشار امواج روش المان‌ محدود طیفی ‌بوده که از قابلیت مدلسازی با انعطاف‌پذیری بالا و تشخیص خسارات ریز می‌باشد. روش‌های مبتنی بر ارتعاش بطور گسترده برای تشخیص خسارت سازه‌ها استفاده می‌گردد درحالیکه شاخص خسارت انرژی کرنشی مودال از حساسیت بالاتری در تشخیص خسارت در میان دیگر روش‌های مبتنی برارتعاش برخوردار است. مدل مورد تحقیق، پل‌کروچایلد درغرب کانادا می‌باشد که دارای ویژگی‌های خاصی از نظرهندسی و هم از مشخصات المان‌های سازه‌ای می‌باشد. در این تحقیق شاخص خسارت انرژی کرنشی مودال به علت تغییر مقطع در طول شاه‌تیر‌ها اصلاح گردیده است. همچنین از رگرسیون بردار پشتیبان به عنوان یک تکنیک قدرتمند در تخمین میزان شدت خسارت استفاده شده است. جهت افزایش دقت و بهبود روش تخمین میزان شدت خسارات از الگوریتم ژنتیک برای بهینه‌سازی پارامترهای مؤثر رگرسیون بردار پشتیبان استفاده می‌گردد. روش ترکیبی الگوریتم ژنتیک و رگرسیون بردار پشتیبان توانسته است به نحو مطلوبی شدت خسارات را تخمین بزند. تفاصيل المقالة

فهرس المقالات Genetic Algorithm

سند

الروابط

المراكز ذات الصلة

دعامة

الصفحات الرسمية