فهرس المقالات meta-heuristic algorithms

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - Social Spider Optimization Algorithm in Multimodal Medical Image Registration
  زهرا حسین نژاد مهدی نصری
  Medical image registration plays an important role in many clinical applications, including the detection and diagnosis of diseases, planning of therapy, guidance of interventions. Multimodal medical image registration is the process of overlapping two or more images ta أکثر

  Medical image registration plays an important role in many clinical applications, including the detection and diagnosis of diseases, planning of therapy, guidance of interventions. Multimodal medical image registration is the process of overlapping two or more images taken from the same scene by different modalities and different sensors. Intensity-based methods are widely used in multimodal medical image registration, these techniques register different modality images that have the same content by optimal transformation. The estimation of the optimal transformation requires the optimization of a similarity metric between the images. Recently, various optimization algorithms have been presented that the selection of appropriate optimization algorithms is very important in determining the optimal transformation parameter. The Social Spider Optimization (SSO) algorithm is one of the meta-heuristic methods that prevents premature convergence. In this paper, medical image registration technique is suggested based on the SSO algorithm. The Mutual Information (MI), Normalization of Mutual Information (NMI), and Sum of Squared Differences (SSD) are used separately as cost function (objective function) and the performance of each of these functions is checked in multimodal medical image registration. The simulation results on Brain Web data set affirm the suggested method outperforms classical registration methods in terms of convergence rate, execution time. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - 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
  • صفحة الملخص
  • نص كامل
  
  3 - مقایسه و رتبه‌بندی الگوریتم‌های فراابتکاری با استفاده از روش‌های تصمیم‌گیری گروهی
  Hojatollah Rajabi Moshtaghi Abbas Toloie Eshlaghy Mohammad Reza Motadel
  10.30495/imj.2022.688625
  در سالهای اخیر، شاهد ظهور و گسترش الگوریتم‌های فراابتکاری و استفاده از آنها جهت حل مسائل پیچیده، غیرخطی و NP-hard بوده‌ایم. هدف از انجام این تحقیق رتبه‌بندی الگوریتم‌های فراابتکاری با استفاده از روش‌های تصمیم‌گیری گروهی بوده است. در این راستا، پنج الگوریتم شامل: GA، PSO أکثر

  در سالهای اخیر، شاهد ظهور و گسترش الگوریتم‌های فراابتکاری و استفاده از آنها جهت حل مسائل پیچیده، غیرخطی و NP-hard بوده‌ایم. هدف از انجام این تحقیق رتبه‌بندی الگوریتم‌های فراابتکاری با استفاده از روش‌های تصمیم‌گیری گروهی بوده است. در این راستا، پنج الگوریتم شامل: GA، PSO، ABC،SFLA و ICA انتخاب و با بهره‌گیری از 15 تابع تست استاندارد و هم‌چنین با در نظر گرفتن دو شاخص میانگین تابع هدف و میانگین زمان محاسباتی مقایسه‌ها انجام شد. در ادامه الگوریتم ها بوسیله سه تکنیک تصمیم‌گیری گروهی شامل:کوک وسیفرد، کندرست و دادسون رتبه‌بندی گردیدند. علاوه بر این، در این پژوهش برای خروج از گره حاصل از یکسان شدن رتبه برخی از گزینه‌ها در روش‌های کندرست و دادسون راه حل‌هایی پیشنهاد و سپس الگوریتم‌های تحت بررسی، با روش‌های پیشنهادی نیز رتبه‌بندی شدند. در نهایت رتبه‌بندی کلی با استفاده از یک مدل تخصیص انجام شد، که نتایج آن به صورت زیر است: رتبه یکم PSO ، رتبه دوم ICA ، رتبه سوم GA، رتبه چهارم ABC و رتبه پنجم SFLA . تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  4 - طراحی مدل بهینه بازیافت در زنجیره تأمین چهار سطحی حلقه بسته به وسیله تئوری صف و برنامه ریزی استوار (مطالعه موردی صنعت کاغذ)
  Mahdi Alizadeh Beromi Mohammad Ali Afshar Kazemi Mohammadali Keramati Abbass Toloie Ashlaghi
  10.30495/imj.2023.1993565.1867
  در سال‌های اخیر رقابت‌های صنعتی و اقتصادی، مباحث زیست محیطی و فشار دولت‌ها بر تولیدکنندگان برای مدیریت پسماند محصولات و از طرفی سود ناشی از بازیافت محصولات، اهمیت طراحی شبکه زنجیره تأمین معکوس و حلقه بسته را دوچندان کرده است. تحقیق موردنظر در زمینه طراحی شبکه زنجیره تأم أکثر

  در سال‌های اخیر رقابت‌های صنعتی و اقتصادی، مباحث زیست محیطی و فشار دولت‌ها بر تولیدکنندگان برای مدیریت پسماند محصولات و از طرفی سود ناشی از بازیافت محصولات، اهمیت طراحی شبکه زنجیره تأمین معکوس و حلقه بسته را دوچندان کرده است. تحقیق موردنظر در زمینه طراحی شبکه زنجیره تأمین حلقه بسته چهار سطحی در شرایط عدم قطعیت درصد بازیافت محصولات انجام می‌شود. هدف اصلی این تحقیق، ارائه یک مدل برنامه‌ریزی خطی عدد صحیح است که به منظور حداقل سازی هزینه‌های زنجیره تأمین و زمان خدمت دهی به مشتریان تحت شرایط عدم قطعیت ایجاد می‌شود. این مدل شبکه تأمین با در نظر گرفتن تئوری صف و بهینه‌سازی سیستم بازیافت محصولات طراحی می‌شود.یکی از نکات مهم تحقیق، مدل‌سازی عدم قطعیت در میزان بازگشت محصولات مصرفی به چرخه زنجیره تأمین حلقه بسته است. این تحلیل به منظور ایجاد یک رهیافت استوار برای مدل‌سازی مساله مورد استفاده قرار می‌گیرد.در انتها، عملکرد مدل پیشنهادی در صنعت تولید کاغذ ارزیابی می‌شود و یک تحلیل حساسیت با توجه به متغیرهای تصمیم بین دو الگوریتم فراابتکاری جستجوی هارمونی چندهدفه و الگوریتم ژنتیک مرتب‌سازی مغلوب ارائه می‌شود. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  5 - Optimization of Multi-period Three-echelon Citrus Supply Chain Problem
  Navid Sahebjamnia Fariba Goodarzian Mostafa Hajiaghaei-Keshteli
  10.22094/joie.2017.728.1463
  In this paper, a new multi-objective integer non-linear programming model is developed for designing citrus three-echelon supply chain network. Short harvest period, product specifications, high perished rate, and special storing and distributing conditions make the mod أکثر

  In this paper, a new multi-objective integer non-linear programming model is developed for designing citrus three-echelon supply chain network. Short harvest period, product specifications, high perished rate, and special storing and distributing conditions make the modeling of citrus supply chain more complicated than other ones. The proposed model aims to minimize network costs including waste cost, transportation cost, and inventory holding cost, and to maximize network’s profits. To solve the model, firstly the model is converted to a linear programming model. Then three multi-objective meta-heuristic algorithms are used including MOPSO, MOICA, and NSGA-II for finding efficient solutions. The strengths and weaknesses of MOPSO, MOICA, and NSGA-II for solving the proposed model are discussed. The results of the algorithms have been compared by several criteria consisting of number of Pareto solution, maximum spread, mean ideal distance, and diversification metric.Computational results show that MOPSO algorithm finds competitive solutions in compare with NSGA-II and MOICA. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  6 - Developing a Fuzzy Green Supply Chain Management Problem Considering Location Allocation Routing Problem: Hybrid Meta-Heuristic Approach
  Behzad Aghaei Fishani Ali Mahmoodirad Sadegh Niroomand Mohammad Fallah
  10.22094/joie.2021.1940563.1893
  Nowadays, the internationalization of supply chains makes the management of operation affairs face a great challenge. On the other hand, vague parameters have challenged decision-makers to drive decision-making. To cope with these challenges, this study tries to model a أکثر

  Nowadays, the internationalization of supply chains makes the management of operation affairs face a great challenge. On the other hand, vague parameters have challenged decision-makers to drive decision-making. To cope with these challenges, this study tries to model a green SCM (GSCM) model which considers fuzzy parameters. The objective function of our model is to minimize total fuzzy cost including fuzzy establishment costs of the plants and distribution centers, fuzzy transportation costs among the suppliers, facilities, and customers, fuzzy hiring cost of the transportation facilities, and miscellaneous fuzzy environmental impact costs. The developed model also includes facilities location constraints, material flow constraints, open transportation routing from plants to customers and from distribution centers to customers. Also, determining alternative products for customers has not been addressed in the literature. Therefore, this paper tries to focus on the mentioned complex problem and develop a comprehensive model. Because of the level of complexity of the developed model, two empowered meta-heuristic approaches, named fuzzy hybrid genetic algorithm (FHGA) and fuzzy hybrid biogeography-based optimization algorithm (FHBBO), are implemented to solve the NP-hard developed problem. According to the best of our knowledge, the proposed FHGA is not addressed in the literature in this way. For instance, most of the fuzzy algorithms either are not hybrid or get out of the fuzzy environment in one of their complex evolution processes. However, our fuzzy hybrid algorithms follow a fuzzy environment from beginning test initialization to calculating the objective function and presenting the convergence plots and none of our parameters are defuzzied in all steps of these processes. Besides, miscellaneous Figures, illustrations, and tables support the explanations of results. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  7 - The Effect of Demand-Response Program and Distributed Generation Resources on Optimal Establishment of Electric Vehicle Charging/Discharging Stations Using a Triple Optimization Algorithm
  Monireh Ahmadi Seyed Hossein Hosseini Murteza Farsadi
  10.30495/ijsee.2021.681964
  This study investigated the effect of distributed generation resources and demand-response program on the placement of charging/discharging stations and optimal exploitation programming of electric vehicles in a distribution network. Effective factors in the sitting of أکثر

  This study investigated the effect of distributed generation resources and demand-response program on the placement of charging/discharging stations and optimal exploitation programming of electric vehicles in a distribution network. Effective factors in the sitting of stations and optimal charge/discharge power in stations are a combination of technical and economic parameters. Minimization of network losses, minimization of voltage loss in feeders, smoothing network load curve, and THD reduction were assumed as technical parameters. As to the economic scope, the placement of stations and charge/discharge power were considered the most effective parameters. In other words, the costs of charging/discharging operations needed to be minimized in the stations to reach the lowest costs spent on purchasing power. A price-based demand-response program was incorporated into the simulations to manage loads on the customer side and smooth the load curve. We implemented genetic, particle swarm optimization, and imperialist competitive hybrid meta-heuristic algorithms to find the optimum operating point. We performed simulations in an IEEE standard 69-bus network. The problem was solved using the former hybrid algorithm, and optimal sites of stations and exploitation program of charge/discharge were specified. This study evaluated the effects of renewable energy resources and price-based demand-response program on the optimal placement of stations and optimal exploitation program of stations. Furthermore, it addressed the effects of an increase in the number of stations and a rise in charge/discharge capacity. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  8 - بهینه‌سازی سبد سهام شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران بر اساس روش‌های ترکیبی یادگیری ماشین جمعی دوسطحی و الگوریتم‌های فرا ابتکاری چند هدفه مبتنی بر رویکرد زمان سنجی بازار
  ساناز فریدی امیر دانشور مهدی معدن چی زاج شادی شاهوردیانی
  در این مقاله با استفاده از رویکرد زمان سنجی بازار وروش‌های یادگیری جمعی همگن و غیر همگن به ارائه سیگنال خرید، نگهداری و فروش و پیش‌بینی بازار بر اساس ویژگی‌های بنیادی ویژگی‌های فنی و سری زمانی بازدهی هر شرکت در 100 روز منتهی به روز جاری پرداخته شده است. بر این اساس ، 20 أکثر

  در این مقاله با استفاده از رویکرد زمان سنجی بازار وروش‌های یادگیری جمعی همگن و غیر همگن به ارائه سیگنال خرید، نگهداری و فروش و پیش‌بینی بازار بر اساس ویژگی‌های بنیادی ویژگی‌های فنی و سری زمانی بازدهی هر شرکت در 100 روز منتهی به روز جاری پرداخته شده است. بر این اساس ، 208 شرکت که به عنوان شرکت‌های فعال بین سال‌های 1390 تا 1399 بودند، انتخاب شدند. برای آموزش داده‌ها توسط ماشین یادگیری جمعی دوسطحی (HHEL) و پیش‌بینی روند بازار بر اساس استراتژی زمان سنجی بازار ، از داده‌های 5 سال 1390 تا 1394 استفاده و برای تست داده‌ها به منزله بهینه‌سازی سبد سهام بر اساس بیشینه سازی بازده سبد سهام و کمینه سازی ریسک سبد سهام سرمایه‌گذاری، از الگوریتم‌های MOPSO و NSGA II استفاده و با سبد سرمایه گذاری بدست آمده با استراتژی خرید و نگهداری مقایسه شده است. نتایج نشان داد الگوریتم MOPSO بالاترین بازده سبد سهام را با 96.437 % در مقابل الگوریتم NSGA II با بازدهی 91.157 % و روش سرمایه‌گذاری یکسان با بازدهی 13.058 % بدست آورده است. همچنین ریسک سبد سرمایه‌گذاری در الگوریتم NSGA II بسیار پایین تر از ریسک سبد سرمایه‌گذاری در الگوریتم MOPSO به ترتیب با 0.792% و 1.367% بوده است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  9 - بهینه‌سازی پارامترهای اندیکاتورهای تحلیل تکنیکال برای داده‌های درون‌روزی با استفاده از الگوریتم الهام‌گرفته از پدیده‌های نوری: مطالعه موردی بورس تهران
  محمد علی رستگار فرح آشوری
  در این پژوهش یک سیستم معاملاتی سهام مبتنی بر ترکیب شش اندیکاتور تکنیکال طراحی شده‌است. برای ترکیب این اندیکاتورها از شبکه عصبی مصنوعی استفاده شده‌‌ و بهینه‌سازی پارامترهای این اندیکاتورها با الگوریتم فراابتکاری الهام‌گرفته از پدیده‌های نوری (اپتیک) مبتنی بر ترکیب محدب ا أکثر

  در این پژوهش یک سیستم معاملاتی سهام مبتنی بر ترکیب شش اندیکاتور تکنیکال طراحی شده‌است. برای ترکیب این اندیکاتورها از شبکه عصبی مصنوعی استفاده شده‌‌ و بهینه‌سازی پارامترهای این اندیکاتورها با الگوریتم فراابتکاری الهام‌گرفته از پدیده‌های نوری (اپتیک) مبتنی بر ترکیب محدب انجام شده‌است. در مدل ارائه‌شده با هدف بیشینه‌سازی نسبت شارپ اصلاح‌شده، پارامترهای بهینه اندیکاتورهای تکنیکال با الگوریتم‌های اپتیک و ژنتیک به دست آمده‌است. در این پژوهش از داده‌های درون‌روزی قیمت سهام استفاده شده و هزینه‌های معاملاتی لحاظ شده‌است. نتایج این مدل با نتایج حاصل از به‌کار‌گیری پارامترهای استاندارد اندیکاتورها، نتایج حاصل از راهبرد خرید‌و‌نگه‌داری و نیز نتایج حاصل از به‌کار‌گیری الگوریتم ژنتیک برای بهینه‌سازی پارامتر اندیکاتورها، در هر دو حالت روزانه و درون‌روزی مقایسه شده و به دلیل کسب نسبت شارپ اصلاح‌شده بیشتر توسط مدل ارائه‌شده، در همه موارد برتری آن نشان داده‌شده‌است. همچنین در مقایسه نتایج در حالت‌های درون‌روزی و روزانه بر‌اساس معیار بازدهی پایان دوره بدون لحاظ هزینه‌های معاملاتی، در بیشتر موارد داده‌های درون‌روزی بازدهی بیشتری داشت لکن پس از لحاظ کردن هزینه‌های معاملاتی برتری در نتایج درون‌روزی مشاهده نمی‌شود. لذا کاهش هزینه معاملاتی برای افزایش انگیزه معامله‌گران در انجام معاملات درون‌روزی توصیه می‌شود. تفاصيل المقالة