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 - ارائه الگوریتم فرا ابتکاری جدید جهت حل مساله انتخاب ویژگی
مهدی خادم عباس طلوعی اشلقی کیامرث فتحی هفشجانی

10.30495/jmfr.2022.55572.2264

با توجه به افزایش حجم داده ها و اطلاعات در سالهای اخیر مساله انتخاب مناسبترین ویژگی جهت تصمیم گیری اهمت فراوانی یافته است. روشهای کلاسیک انتخاب ویژگی نمی توانند بر روی داده های بزرگ به درستی عمل نمایند. از آنجا که مسئله انتخاب ویژگی یک مساله سخت و پیچیده است، استفاده از أکثر

با توجه به افزایش حجم داده ها و اطلاعات در سالهای اخیر مساله انتخاب مناسبترین ویژگی جهت تصمیم گیری اهمت فراوانی یافته است. روشهای کلاسیک انتخاب ویژگی نمی توانند بر روی داده های بزرگ به درستی عمل نمایند. از آنجا که مسئله انتخاب ویژگی یک مساله سخت و پیچیده است، استفاده از الگوریتم‌های فرا ابتکاری جهت حل این مساله مناسب به نظر می‌رسد. در این مقاله الگوریتم فرا ابتکاری جدیدی با الهام از کوچ عشایر جهت حل مساله انتخاب ویژگی ارائه شده است. این الگوریتم به افتخار ایل قشقایی نامگذاری شده است. در این الگوریتم ترکیبی تابع تناسبی مبتنی بر الگوریتم انتخاب ویژگی و براساس کمینه‌سازی تعداد ویژگی‌ها و میزان خطای داده‌ها با استفاده از نتایج شبکه عصبی طراحی شد. سپس الگوریتم فرا ابتکاری قشقایی بر روی این تابع تناسب پیاده سازی شد و نتایج با الگوریتم های فرا ابتکاری مشهور ژنتیک و ازدحام ذرات مورد مقایسه قرار گرفت. نتایج آزمون فرض نشان داد که الگوریتم بهینه سازی قشقایی جهت حل مساله انتخاب ویژگی توسط الگوریتم ژنتیک و ازدحام ذرات مغلوب نمی‌گردد و به لحاظ همگرایی به جواب بهینه به خوبی آنها عمل می‌کند. تفاصيل المقالة

حرية الوصول المقاله

4 - بکارگیری تکنیک‌های خوشه‌بندی و الگوریتم ژنتیک در بهینه‌سازی درختان تصمیم گیری برای اعتبارسنجی مشتریان بانک ها
محمود البرزی محمد خان بابایی محمدابراهیم محمدپور زرندی

درختان تصمیم گیری به عنوان یکی از تکنیک های داده کاوی کاربرد زیادی در اعتبارسنجی مشتریان بانک و شناسایی آن ها برای اعطای تسهیلات اعتباری دارد. مسئله اصلی در پیچیدگی درختان تصمیم گیری، اندازه بیش از حد، عدم انعطاف پذیری و دقت کم در طبقه بندی است. هدف از این مقاله ارائه م أکثر

درختان تصمیم گیری به عنوان یکی از تکنیک های داده کاوی کاربرد زیادی در اعتبارسنجی مشتریان بانک و شناسایی آن ها برای اعطای تسهیلات اعتباری دارد. مسئله اصلی در پیچیدگی درختان تصمیم گیری، اندازه بیش از حد، عدم انعطاف پذیری و دقت کم در طبقه بندی است. هدف از این مقاله ارائه مدل ترکیبی در بهینه سازی درختان تصمیم گیری توسط تکنیک الگوریتم ژنتیک به منظور حل مسائل ذکر شده در فوق برای اعتبارسنجی مشتریان بانک است. به نظر می رسد بتوان با انتخاب ویژگی های مناسب و ساخت درختان تصمیم گیری توسط الگوریتم ژنتیک به کاهش پیچیدگی و افزایش انعطاف پذیری درختان تصمیم گیری پرداخت. در مدل ترکیبی پیشنهادی ابتدا داده های اعتباری توسط تکنیک خوشه بندی SimpleKmeans به دو خوشه تقسیم می شوند. سپس با استفاده از الگوریتم ژنتیک، پنج الگوریتم انتخاب ویژگی مبتنی بر سه رویکرد فیلتر، Wrapper و طرح جاسازی شده بر پایه درخت تصمیم گیری ژنتیکی، به انتخاب ویژگی های اعتبارسنجی مهم در مجموعه داده می پردازند. در ادامه پنج درخت تصمیم گیری مبتنی بر الگوریتم C4.5 در هر خوشه با مجموعه ویژگی های منتخب ساخته می شود. بهترین درختان تصمیم گیری در هر خوشه مبتنی بر معیارهای بهینگی مورد نظر در این مقاله انتخاب شده و با هم ترکیب می شوند تا درخت تصمیم گیری نهایی برای اعتبارسنجی مشتریان بانک ایجاد شود. ابزار یادگیری ماشین وکا و نرم افزار GATree برای رسیدن به نتایج بکار گرفته شده است. نتایج پژوهش نشان می دهد که استفاده از مدل ترکیبی پیشنهادی در ساخت درخت تصمیم گیری منجر به افزایش دقت طبقه بندی نسبت به بسیاری از الگوریتم های مقایسه شده در این مقاله می شود؛ ولی پیچیدگی الگوریتم مدل ترکیبی پیشنهادی از برخی الگوریتم های طبقه بندی مقایسه شده در این مقاله بیشتر است. تفاصيل المقالة

حرية الوصول المقاله

5 - بکارگیری تکنیک های خوشه بندی و الگوریتم ژنتیک در بهینه سازی درختان تصمیم گیری برای اعتبارسنجی مشتریان بانک ها
محمود البرزی محمد خان بابایی محمدابراهیم محمدپور زرندی

درختان تصمیم گیری به عنوان یکی از تکنیک های داده کاوی کاربرد زیادی در اعتبارسنجی مشتریان بانک وشناسایی آن ها برای اعطای تسهیلات اعتباری دارد. مسئله اصلی در پیچیدگی درختان تصمیم گیری، اندازه بیش از حد،عدم انعطاف پذیری و دقت کم در طبقه بندی است. هدف از این مقاله ارائه مدل أکثر

درختان تصمیم گیری به عنوان یکی از تکنیک های داده کاوی کاربرد زیادی در اعتبارسنجی مشتریان بانک وشناسایی آن ها برای اعطای تسهیلات اعتباری دارد. مسئله اصلی در پیچیدگی درختان تصمیم گیری، اندازه بیش از حد،عدم انعطاف پذیری و دقت کم در طبقه بندی است. هدف از این مقاله ارائه مدل ترکیبی در بهینه سازی درختان تصمیمگیری توسط تکنیک الگوریتم ژنتیک به منظور حل مسائل ذکر شده در فوق برای اعتبارسنجی مشتریان بانک است. بهنظر می رسد بتوان با انتخاب ویژگی های مناسب و ساخت درختان تصمیم گیری توسط الگوریتم ژنتیک به کاهشپیچیدگی و افزایش انعطاف پذیری درختان تصمیم گیری پرداخت. در مدل ترکیبی پیشنهادی ابتدا داده های اعتباریتوسط تکنیک خوشه بندیSimpleKmeansبه دو خوشه تقسیم می شوند. سپس با استفاده از الگوریتم ژنتیک، پنجالگوریتم انتخاب ویژگی مبتنی بر سه رویکرد فیلترWrapperو طرح جاسازی شده بر پایه درخت تصمیم گیری ژنتیکی،به انتخاب ویژگی های اعتبارسنجی مهم در مجموعه داده می پردازند. در ادامه پنج درخت تصمیم گیری مبتنی برلگوریتم C4.5در هر خوشه با مجموعه ویژگی های منتخب ساخته می شود. بهترین درختان تصمیم گیری در هر خوشهمبتنی بر معیارهای بهینگی مورد نظر در این مقاله انتخاب شده و با هم ترکیب می شوند تا درخت تصمیم گیری نهاییبرای اعتبارسنجی مشتریان بانک ایجاد شود. ابزار یادگیری ماشین وکا و نرم افزارGATreeبرای رسیدن به نتایج بکار گرفته شده است. نتایج پژوهش نشان می دهد که استفاده از مدل ترکیبی پیشنهادی در ساخت درخت تصمیم گیریمنجر به افزایش دقت طبقه بندی نسبت به بسیاری از الگوریتم های مقایسه شده در این مقاله می شود؛ ولی پیچیدگیالگوریتم مدل ترکیبی پیشنهادی از برخی الگوریتم های طبقه بندی مقایسه شده در این مقاله بیشتر است. تفاصيل المقالة

حرية الوصول المقاله

6 - الگوریتمی کارا به منظور مدیریت سرمایه و هزینه در صنایع برش
دکتر حسن جوانشیر دکترمحمد تقی تقوی فرد فروغ اسلامی

مدیریت اقتصادی و تولید صحیح، از ارکان مهم در اداره وراهبری موثر یک سازمان است . مسئله برش تک بعدی 1 یکی از نمودهایمسائل بهینه سازی ترکیبی است که مدیران صنایعی که در آنها نیاز به برش اقلام از قطعات بزرگ وجود دارد، به دلیل موثر بودننحوه برش و میزان ضایعات حاصله، بر تولید أکثر

مدیریت اقتصادی و تولید صحیح، از ارکان مهم در اداره وراهبری موثر یک سازمان است . مسئله برش تک بعدی 1 یکی از نمودهایمسائل بهینه سازی ترکیبی است که مدیران صنایعی که در آنها نیاز به برش اقلام از قطعات بزرگ وجود دارد، به دلیل موثر بودننحوه برش و میزان ضایعات حاصله، بر تولید و هزینه ها، با آن رو به رو هستند . کم کردن ضایعات برش و فرصت استفاده مجدد ازضایعات به وجود آمده، از جمله دغدغه های اقتصادی مدیران اینگونه صنایع است.در عمل، قطعات کوچکتر به عنوان لیست سفارشات و قطعات بزرگ تر به عنوان مواد خام شناخته م ی شوند . هدف اصلی، کمینهکردن ضایعات حاصل از برش به منظور تامین کامل لیست سفارشات از مواد خام است . به همین دلیل این مسئله را مسئ له کاهش ضایعات برش(CSP)می نامند. این موضوع را می توان برای هر دو گونه مسئله برش یک بعدی، به عبارتی حالت های مبتنی بر اقلام(IO) و مبتنی برالگو(PO)مطرح نمود. غالباً هدف مدیریت در برنامه ریزی،برش مواد خام به نحوی است که ضمن کمینه کردن ضایعات برش، تم رکز بیشتر آن بر رویکمترین رول های مصرفی را نیز به وجود آورند تا علاوه برکاهش هزینه مواد اولیه و نیز ضایعات به تولید مناسب تر ، کاهش هزینه هاو روش های کمک به اقتصاد سازمان دست یافت.در این مقاله، مسئله برش تک بعدی بر مبنای اقلام است برای دستیابی به این هد ف، معیاری را به منظور سنجش پراکندگیضایعات برش مورد استفاده قرار داده و مقدار پراکندگی ضایعات را که یک پارامتر کیفی است، به یک پارامتر کمی تبدیل نموده ،سپس با استفاده از الگوریتم ژنتیک و ارائه الگوریتمی در این خصوص، حل مسئله پراکندگی ضایعات برش تک بعدی، د ر ابعاد بزرگرا به منظور دستیابی به بهترین جواب، مورد بررسی قرار می دهد. نتایج محاسباتی حاصل از آن بر روی مسائل نمونه، کارایی بالایالگوریتم را در رده های مختلف مسائل نشان می دهد. تفاصيل المقالة

حرية الوصول المقاله

7 - A Fuzzy-GA Approach for Parameter Optimization of A Fuzzy Expert System for Diagnosis of Acute Lymphocytic Leukemia in Children
Rahil Hosseini Farzaneh Latifi Mahdi Mazinani

Hybrid fuzzy expert systems are one of the most practical intelligent paradigm of soft computing techniques with the high potential for managing uncertainty associated to the medical diagnosis. The potential of genetic algorithm (GA) by inspiring from natural evolution أکثر

Hybrid fuzzy expert systems are one of the most practical intelligent paradigm of soft computing techniques with the high potential for managing uncertainty associated to the medical diagnosis. The potential of genetic algorithm (GA) by inspiring from natural evolution as a learning and optimization technique has been vastly concentrated for improving fuzzy expert systems. In this paper, the GA capabilities have been applied for optimization of the membership function parameters in a fuzzy inference system (FIS) for diagnosing of acute lymphocytic leukemia in children. The fuzzy expert system utilizes the high interpretability of the Mamdani reasoning model to explain system results to experts in a high level and combines it with the GA optimization capability to improve its performance. The hybrid proposed Fuzzy-GA approach was implemented in Matlab software and evaluated on the real patients’ dataset. High accuracy of this system was achieved after GA tuning process with an accuracy about 98%. The results reveal the hybrid fuzzy-GA approach capability to assist computer-based diagnosis of medical experts, and consequently early diagnosis of the disease which is promising for providing suitable treatment for patients and saving more children’s lives. تفاصيل المقالة

حرية الوصول المقاله

8 - Optimal Trajectory Planning of a Box Transporter Mobile Robot
Hossein Barghi Jond Adel Akbarimajd Nurhan Gürsel Özmen Sonia Gharibzadeh

This paper aims to discuss the requirements of safe and smooth trajectory planning of transporter mobile robots to perform non-prehensile object manipulation task. In non-prehensile approach, the robot and the object must keep their grasp-less contact during manipulatio أکثر

This paper aims to discuss the requirements of safe and smooth trajectory planning of transporter mobile robots to perform non-prehensile object manipulation task. In non-prehensile approach, the robot and the object must keep their grasp-less contact during manipulation task. To this end, dynamic grasp concept is employed for a box manipulation task and corresponding conditions are obtained and are represented as a bound on robot acceleration. A trajectory optimization problem is defined for general motion where dynamic grasp conditions are regarded as constraint on acceleration. The optimal trajectory planning for linear, circular and curve motions are discussed. Optimization problems for linear and circular trajectories were analytically solved by previous studies and here we focused with curve trajectory where Genetic Algorithm is employed as a solver tool. Motion simulations showed that the resulted trajectories satisfy the acceleration constraint as well as velocity boundary condition that is needed to accomplish non-prehensile box manipulation task. تفاصيل المقالة

حرية الوصول المقاله

9 - Improvement of effort estimation accuracy in software projects using a feature selection approach
Zahra Shahpar Vahid Khatibi Asma Tanavar Rahil Sarikhani

In recent years, utilization of feature selection techniques has become an essential requirement for processing and model construction in different scientific areas. In the field of software project effort estimation, the need to apply dimensionality reduction and featu أکثر

In recent years, utilization of feature selection techniques has become an essential requirement for processing and model construction in different scientific areas. In the field of software project effort estimation, the need to apply dimensionality reduction and feature selection methods has become an inevitable demand. The high volumes of data, costs, and time necessary for gathering data , and also the complexity of the models used for effort estimation are all reasons to use the methods mentioned. Therefore, in this article, a genetic algorithm has been used for feature selection in the field of software project effort estimation. This technique has been tested on well-known data sets. Implementation results indicate that the resulting subset, compared to the original data set, has produced better outcomes in terms of effort estimation accuracy. This article showed that genetic algorithms are ideal methods for selecting a subset of features and improving effort estimation accuracy. تفاصيل المقالة

حرية الوصول المقاله

10 - 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

11 - Coverage Improvement In Wireless Sensor Networks Based On Fuzzy-Logic And Genetic Algorithm
Elaheh Radmehr HASSAN SHAKERI

Wireless sensor networks have been widely considered as one of the most important 21th century technologies and are used in so many applications such as environmental monitoring, security and surveillance. Wireless sensor networks are used when it is not possible or con أکثر

Wireless sensor networks have been widely considered as one of the most important 21th century technologies and are used in so many applications such as environmental monitoring, security and surveillance. Wireless sensor networks are used when it is not possible or convenient to supply signaling or power supply wires to a wireless sensor node. The wireless sensor node must be battery powered.Coverage and network lifetime are major problems in WSNs so in order to address this difficulty we propose a combinational method consists of fuzzy-logic and genetic algorithms. The proposed scheme detects the coverage holes in the network and selects the most appropriate hole's neighbor to move towards the blank area and compensate the coverage loss with fuzzy-logic contribution and above node new coordinate is determined by genetic algorithm. As fuzzy-logic will be so effective if more than one factor influence on decision making and also genetic algorithms perform well in dynamic problems so our proposed solution results in fast, optimized and reliable output تفاصيل المقالة

حرية الوصول المقاله

12 - A Genetic Based Resource Management Algorithm Considering Energy Efficiency in Cloud Computing Systems
Marzieh Bozorgi Elize Ahmad KhademZadeh

Cloud computing is a result of the continuing progress made in the areas of hardware, technologies related to the Internet, distributed computing and automated management. The Increasing demand has led to an increase in services resulting in the establishment of large-s أکثر

Cloud computing is a result of the continuing progress made in the areas of hardware, technologies related to the Internet, distributed computing and automated management. The Increasing demand has led to an increase in services resulting in the establishment of large-scale computing and data centers, in addition to high operating costs and huge amounts of electrical power consumption. Insufficient cooling systems and inefficient, causing overheating sources, shortening the life of the machine and too much carbon dioxide is produced. In this paper, we aim to improve system performance; Cloud Computing based on a decrease in migration of among virtual machines (VM), and reduce energy consumption to be able to manage resources to achieve optimal energy efficiency. For this reason, various techniques such as genetic algorithms (GAs), virtual machine migration and ways Dynamic voltage and frequency scaling (DVFS), and resize virtual machines to reduce energy consumption and fault tolerance are used. The main purpose of this article, the allocation of resources with the aim of reducing energy consumption in cloud computing. The results show that reduced energy consumption and hold down the rate of virtual machines breach of contract, reduces migration as well. تفاصيل المقالة

حرية الوصول المقاله

13 - A New Method for Intrusion Detection Using Genetic Algorithm and Neural network
mohammadreza hosseinzadehmoghadam seyed javad mirabedini toraj banirostam

Abstract— In order to provide complete security in a computer system and to prevent intrusion, intrusion detection systems (IDS) are required to detect if an attacker crosses the firewall, antivirus, and other security devices. Data and options to deal with it. In أکثر

Abstract— In order to provide complete security in a computer system and to prevent intrusion, intrusion detection systems (IDS) are required to detect if an attacker crosses the firewall, antivirus, and other security devices. Data and options to deal with it. In this paper, we are trying to provide a model for combining types of attacks on public data using combined methods of genetic algorithm and neural network. The goal is to make the designed model act as a measure of system attack and combine optimization algorithms to create the ultimate accuracy and reliability for the proposed model and reduce the error rate. To do this, we used a feedback neural network, and by examining the worker, it can be argued that this research with the new approach reduces errors in the classification.with the rapid development of communication and information technology and its applications, especially in computer networks, there is a new competition in information security and network security. تفاصيل المقالة

حرية الوصول المقاله

14 - 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

15 - Robot Path Planning Using Cellular Automata and Genetic Algorithm
Zeynab Sedreh Mehdi Sadeghzadeh

In path planning Problems, a complete description of robot geometry, environments and obstacle are presented; the main goal is routing, moving from source to destination, without dealing with obstacles. Also, the existing route should be optimal. The definition of optim أکثر

In path planning Problems, a complete description of robot geometry, environments and obstacle are presented; the main goal is routing, moving from source to destination, without dealing with obstacles. Also, the existing route should be optimal. The definition of optimality in routing is the same as minimizing the route, in other words, the best possible route to reach the destination. In most of the routing methods, the environment is known, although, in reality, environments are unpredictable;But with the help of simple methods and simple changes in the overall program, one can see a good view of the route and obstacles ahead. In this research, a method for solving robot routing problem using cellular automata and genetic algorithm is presented.In this method, the working space model and the objective function calculation are defined by cellular automata, and the generation of initial responses and acceptable responses is done using the genetic algorithm.During the experiments and the comparison we made, we found that the proposed algorithm yielded a path of 28.48 if the lengths of the paths obtained in an environment similar to the other algorithm of 15 / 32, 29.5 and 29.49, which is more than the proposed method. تفاصيل المقالة

حرية الوصول المقاله

16 - Performance Evaluation of the Effect of Optimally Tuned IMC and PID Controllers on a Poultry Feed Dispensing System
Jibril Bala Olayemi Olaniyi Taliha Folorunso Tayo Arulogun

Proportional-Integral-Derivative (PID) controllers and Internal Model Controllers (IMC) are effective tools in control analysis and design. However, parameter tuning, and inaccurate model representation often lead to unsatisfactory closed loop performance. In this study أکثر

Proportional-Integral-Derivative (PID) controllers and Internal Model Controllers (IMC) are effective tools in control analysis and design. However, parameter tuning, and inaccurate model representation often lead to unsatisfactory closed loop performance. In this study, we analyse the effect of PID controllers and IMCs tuned with Genetic Algorithm (GA) and Fuzzy Logic (FL), on a poultry feeding system. The use of GA and FL for tuning of the PID and IMC parameters was done to enhance the adaptability and optimality of the controller. A comparative analysis was made to analyse closed loop performance and ascertain the most effective controller. The results showed that the GA-PID and FL-PID gave a better performance in the aspect of rise time, settling time and Integrated Absolute Error (IAE). On the other hand, the GA-IMC and FL-IMC gave better performances in the aspect of the performance overshoot. Therefore, for processes in which a faster response and lower IAE are desired, the GA-PID and FL-PID are more effective while for processes in which the major objective is to minimise the overshoot, the GA-IMC and FL-IMC are more suitable. تفاصيل المقالة

حرية الوصول المقاله

17 - فازی با اعمال اصل گسترش زادهAHPارائه روشی برای
محمد علی جهان تیغی رضا کارگر

فرایند تحلیل سلسله مراتبی یکی از جامع ترین  سیستم  های طراحی شده برای تصمیم گیری با معیارهای چندگانه است زیرا این تکنیک امکان فرموله کردن مساله را به صورت سلسله مراتبی فراهم میکند و همچنین امکان در نظر گرفتن معیار های  مختلف کمی  و کیفی را در مساله & أکثر

فرایند تحلیل سلسله مراتبی یکی از جامع ترین  سیستم  های طراحی شده برای تصمیم گیری با معیارهای چندگانه است زیرا این تکنیک امکان فرموله کردن مساله را به صورت سلسله مراتبی فراهم میکند و همچنین امکان در نظر گرفتن معیار های  مختلف کمی  و کیفی را در مساله  دارد این  فرایندگزینه های  مختلف را در تصمیم گیری  دخالت  داده و امکان تحلیل  حساسیت روی معیار ها و زیرمعیار ها را دارد. علاوه بر این بر مبنای مقایسه زوجی بنا نهاده شده که قضاوت و محاسبات را تسهیل می نماید.  این مدل با شناسایی و اولویت بندی عناصر تصمیم گیری شروع می شود. این عناصر شامل اهداف، معیارها و گزینه های احتمالی ، فرآیند شناسایی این عناصر و ارتباط بین آنها در نهایت منجر به ایجاد یک ساختار سلسله مراتبی می شود. اما در بسیاری از موارد برخی و یا تمام داده های مساله تصمیم گیری فازی می باشند پس لازم است در چنین مسایل  عدم قطعیت را در مدل تصمیم گیری لحاظ کرد.  این مقاله می کوشد که نگاهی تازه به مقوله تحلیل سلسله مراتبی فازی داشته باشد این نگاه متاثر از ایرادهای وارد در روشهای فازی و روشهای تصمیم گیری گروهی  نظیر دلفی است. تفاصيل المقالة

حرية الوصول المقاله

18 - 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

19 - مدلسازی و مقایسه بهینه‌یابی‌های تکاملی فازی و غیرفازی چند‌هدفه سبد سرمایه‌گذاری در بورس اوراق بهادار تهران
محمد فلاح هادی خواجه زاده دزفولی حامد نوذری

انتخاب و تشکیل سبد سهام بهینه، یکی از مهمترین‌ مسائل در حوزه تحقیقات مالی است که موجب می‌شود ترکیب بهینه‌ای از دارایی‌ها را انتخاب شود تا با توجه به محدودیت‌ها، بیشینه مطلوبیت برای سرمایه‌گذار ایجاد شود. با توجه به آن‌که بازده اوراق بهادار در دنیای واقعی معمولاً مبهم و أکثر

انتخاب و تشکیل سبد سهام بهینه، یکی از مهمترین‌ مسائل در حوزه تحقیقات مالی است که موجب می‌شود ترکیب بهینه‌ای از دارایی‌ها را انتخاب شود تا با توجه به محدودیت‌ها، بیشینه مطلوبیت برای سرمایه‌گذار ایجاد شود. با توجه به آن‌که بازده اوراق بهادار در دنیای واقعی معمولاً مبهم و نادقیق است، یکی از مهمترین چالش‌های سرمایه‌گذاری، عدم‌اطمینان نسبت به آینده و پیامدهای آن‌ها می‌باشد. بر این اساس، در این مقاله، با استفاده از گشتاورهای مراتب بالا و تئوری فرامدرن پرتفوی، و با استفاده از منطق فازی و بهینه‌یابی تکاملی چندهدفه، مسأله انتخاب و بهینه‌یابی پرتفوهای اوراق بهادار با اهداف مختلف مدلسازی، حل و مقایسه گردیده است. مدل‌های طراحی شده هم طبیعت مسأله انتخاب پرتفو را در نظر گرفته و هم ملاحظات مدنظر سهامدار را در انتخاب پرتفو دخیل نموده است. کیفیت عدم اطمینان بازده آتی پرتفوی داده شده با استفاده از اعداد LR فازی تخمین زده شده در حالیکه گشتاورهای بازدهی آن با استفاده از تئوری امکانی سنجیده شده است. مهمترین هدف این مقاله حل مسأله و مقایسه مدل‌های انتخاب پرتفوی به صورت بهینه‌سازی همزمان دو، سه و چهار هدفه است. برای این هدف، از الگوریتم ژنتیک با مرتب‌سازی نامغلوب (NSGA-II)استفاده شده و عملگرهای جهش و تقاطع به طور اختصاصی برای تولید راه‌حل‌های ممکن محدودیت کاردینالیتی مسأله طراحی شده است. در نهایت عملکرد مدل‌ها در صورت استفاده از منطق فازی و عدم استفاده از آن مقایسه شده است و مشخص گردیده است که استفاده از منطق فازی و تئوری امکانی، باعث تشکیل پرتفوهای با عملکرد بالاتر و مطلوببیت بیشتر می‌گردد. تفاصيل المقالة

حرية الوصول المقاله

20 - ارائه یک مدل دوهدف تخصیص عضو مازاد برای بهینه سازی هزینه و قابلیت اطمینان یک سیستم سری –موازی و حل آن با استفاده
محمدرضا شهریاری

با توجه به افزایش عمومی توجه به مقوله کیفیت، توجه به بحث بهینه سازی قابلیت اطمینان در مرحله طراحی از اولویت بالایی برخوردار شده است. این تحقیق بر روی یکی از مدلهای موجود در علم قابلیت اطمینان به نام مسئله تخصیص افزونگی متمرکز شده و یک مدل دو هدفه برای این مسئله با أکثر

با توجه به افزایش عمومی توجه به مقوله کیفیت، توجه به بحث بهینه سازی قابلیت اطمینان در مرحله طراحی از اولویت بالایی برخوردار شده است. این تحقیق بر روی یکی از مدلهای موجود در علم قابلیت اطمینان به نام مسئله تخصیص افزونگی متمرکز شده و یک مدل دو هدفه برای این مسئله با سیستم سری-موازی ارائه شده است که در آن نرخ خرابی اجزاء وابسته به تعداد اجزاء فعال میباشد. اهداف این مسئله عباتند از افزایش قابلیت اطمینان سیستم و کاهش هزینه کل تخصی اجزاء. همچنین جهت نزدیک تر شدن این مسئله به جهان واقعی هزینه اتصال داخلی اجزاء نیز به مسئله اضافه شده است که در حوزه الکترونیک یک بحث بسیار متداول میباشد. با توجه به آنکه مسئله تخصیص افزونگی متعلق به دسته مسائل NP. Hard میباشد برای حل مسئله ارائه شده از الکوریتم NSGA-II استفاده شده و برای تنظیم پارامترهای مدل نیز از روش رویه پاسخ استفاده شده است.   تفاصيل المقالة

حرية الوصول المقاله

21 - 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

22 - 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

23 - انتخاب سبد سهام با بکارگیری الگوریتم کلونی مصنوعی زنبور و مقایسه‌ی آن با الگوریتم های ژنتیک و مورچگان
محمود رحمانی مریم خلیلی عراقی هاشم نیکومرام

تصمیم گیری در زمینه سرمایه گذاری یکی از مسائل اساسی در مدیریت مالی است . وقتی که سرمایه گذار با گزینه های مختلفی جهت سرمایه گذاری روبرو می گردد بایستی در مورد تعداد دارایی های انتخابی و میزان سرمایه گذاری بر روی هر کدام از آن ها تصمیم گیری نماید. انتخاب ابزار و تکنیک ها أکثر

تصمیم گیری در زمینه سرمایه گذاری یکی از مسائل اساسی در مدیریت مالی است . وقتی که سرمایه گذار با گزینه های مختلفی جهت سرمایه گذاری روبرو می گردد بایستی در مورد تعداد دارایی های انتخابی و میزان سرمایه گذاری بر روی هر کدام از آن ها تصمیم گیری نماید. انتخاب ابزار و تکنیک های که بتواند سبدسهام مناسب را تشکیل دهد یکی از اهداف اصلی دنیای سرمایه گذاری است در این مطالعه جهت کمک به تصمیم گیری مطلوب در انتخاب سهام موجود در سبد براساس مدل مارکویتز از الگوریتم کلونی مصنوعی زنبوراستفاده شده است و برای تعیین کارایی این الگوریتم معیار شارپ، معیار ترینر و ریسک نامطلوب آن محاسبه و با سبد تشکیل شده از الگوریتم های ژنتیک و کلونی مورچگان مقایسه گردیده است. نمونه آماری پژوهش شامل شرکت های فعال پذیرفته شده، در بورس اوراق بهادار تهران از سال 1384 تا 1394 است که به روش حذف سیستماتیک انتخاب گردیده اند. نتایج پژوهش نشان می دهد معیار شارپ سبدسهام تشکیل شده از طریق الگوریتم کلونی مصنوعی زنبور نسبت به الگوریتم های ژنتیک و مورچگان عملکرد بهتری دارد، اما هرچند معیار ترینر و ریسک نامطلوب سبد سهام تشکیل شده از طریق الگوریتم کلونی مصنوعی زنبور عملکرد بهتری داشته، ولی از لحاظ آماری این اختلاف معنادار نبوده است. تفاصيل المقالة

حرية الوصول المقاله

24 - انتخاب و بهینه‌سازی سبد سهام با استفاده از روش میانگین واریانس مارکویتز با بهره‌گیری از الگوریتم‌های مختلف
جمال بحری ثالث عسگر پاک‌مرام مصطفی ولی‌زاده

بورس مکانیزمی را فراهم می‌کند تا از طریق آن پس‌اندازهای اندک جامعه به سرمایه‌گذاری‌های کلان اقتصادی تبدیل شود ، توسعه متناسب دو بخش اصلی اقتصاد یعنی بخش مالی و واقعی از اهمیت ویژه‌ای برخوردار می‌باشد. کشورهای توسعه یافته همواره بازار پول و سرمایه قدرتمندی داشته و دارند. أکثر

بورس مکانیزمی را فراهم می‌کند تا از طریق آن پس‌اندازهای اندک جامعه به سرمایه‌گذاری‌های کلان اقتصادی تبدیل شود ، توسعه متناسب دو بخش اصلی اقتصاد یعنی بخش مالی و واقعی از اهمیت ویژه‌ای برخوردار می‌باشد. کشورهای توسعه یافته همواره بازار پول و سرمایه قدرتمندی داشته و دارند. عدم توسعه مناسب بازار سرمایه به عنوان زیر مجموعه مهمی از بخش مالی علاوه بر ایجاد فشار مضاعف بر سیستم پولی کشور، باعث شده که واحدهای تولیدی و خدماتی از مزایای یک بازار سرمایه فعال و پویا محروم گردند. در پژوهش حاضر، انتخاب و بهینه‌سازی سبد سهام با استفاده از سه الگوریتم، شامل الگوریتم ژنتیک، فرهنگی و ازدحام ذرات و اطلاعات 106 شرکت پذیرفته شده بورس اوراق بهادار تهران، در طی دوره زمانی 1386 الی 1393، صورت گرفته است. در این پژوهش برای رسم مرز کارا و تشکیل پرتفوی بهینه، از واریانس به عنوان عامل اصلی خطر پذیری استفاده شده است. نتایج مطالعه از بررسی تفاوت بین میانگین بازده سرمایه گذاری در سبدهای منتخب براساس سه روش نشان از عدم وجود اختلاف معنادار بین سه الگوریتم دارد. از طرفی به منظور مقایسه الگوریتم ها و بررسی برتری الگوریتم ها، دو روش بهینه‌سازی از دو بعد تابع هدف و نسبت بازده و ریسک مورد مقایسه قرار گرفت.از آنجایی که الگوریتم ازدحام ذرات مقدار تابع هدف کمتری داشته یا به عبارتی با کمترین خطا به بهترین نتیجه رسیده است، نسبت به الگوریتم های دیگر بهتر عمل کرده است و نشان دهنده برتری نسبی این الگوریتم در انتخاب سبد سهام بهینه است. تفاصيل المقالة

حرية الوصول المقاله

25 - بررسی روش های هوشمنددرحل مسئله سبد سهام مقید در بازار سهام تهران
عصمت جمشیدی عینی حمید خالوزاده

مسئله ی انتخاب سبد سهام بهینه، یافتن روشی بهینه برای تخصیص مقدار ثابتی سرمایه به مجموعه ای ازدارایی های موجود است که با هدف داشتن حداکثر بازده مورد انتظار و در عین حال حداقل ریسک ممکن،صورت می گیرد.در این پژوهش، نشان داده می شود که یک سرمایه گذار با وجود سهم ریسکی، چگونه أکثر

مسئله ی انتخاب سبد سهام بهینه، یافتن روشی بهینه برای تخصیص مقدار ثابتی سرمایه به مجموعه ای ازدارایی های موجود است که با هدف داشتن حداکثر بازده مورد انتظار و در عین حال حداقل ریسک ممکن،صورت می گیرد.در این پژوهش، نشان داده می شود که یک سرمایه گذار با وجود سهم ریسکی، چگونه می توانددارایی اش را برای رسیدن به سود مشخص با حداقل ریسک بین این سهام پخش کند.چنین سبد سهامی، یک سبدسهام کارا نامیده می شود. برای این منظور، با بررسی الگوریتم های فراابتکاری ژنتیک، رقابت استعماری و ازدحامذرات و در نظر گرفتن قیدهای اساسی در مسئله سرمایه گذاری، از این روش های کاربردی برای حل مسئلهبهینه سازی سبد سهام استفاده می کنیم. ارزش سبد سرمایه و ریسک آن، به عنوان اهداف بهینه سازی و معیار ارزشدر معرض ریسک مشروط، به عنوان سنجه ریسک به کار برده شده است. نتایج عملی برای حل مسئله بهینه سازیسبد سرمایه در بازار بورس اوراق بهادار تهران، با انتخاب 20 شرکت از میان 30 صنعت فعال تر موجود، همراه بااعتبارسنجی آن ها به دست آمده است. هدف کمک به سرمایه گذاران برای انتخاب هرچه بهتر و عملی تر سهام هایمختلف و در نتیجه سرمایه گذاری مؤثر است. تفاصيل المقالة

حرية الوصول المقاله

26 - بررسی روش های هوشمند در حل مسئله سبد سهام مقید در بازار سهام تهران
عصمت جمشیدی عینی حمید خالوزاده

مسئله‌ی انتخاب سبد سهام بهینه، یافتن روشی بهینه برای تخصیص مقدار ثابتی سرمایه به مجموعه‌ای از دارایی‌های موجود است که با هدف داشتن حداکثر بازده مورد انتظار و در عین حال حداقل ریسک ممکن، صورت می‌گیرد.در این پژوهش، نشان داده می‌شود که یک سرمایه‌گذار با وجود سهم ریسکی، چگو أکثر

مسئله‌ی انتخاب سبد سهام بهینه، یافتن روشی بهینه برای تخصیص مقدار ثابتی سرمایه به مجموعه‌ای از دارایی‌های موجود است که با هدف داشتن حداکثر بازده مورد انتظار و در عین حال حداقل ریسک ممکن، صورت می‌گیرد.در این پژوهش، نشان داده می‌شود که یک سرمایه‌گذار با وجود سهم ریسکی، چگونه می‌تواند دارایی‌اش را برای رسیدن به سود مشخص با حداقل ریسک بین این سهام پخش کند.چنین سبد سهامی، یک سبد سهام کارا نامیده می‌شود. برای این منظور، با بررسی الگوریتم‌های فراابتکاری ژنتیک، رقابت استعماری و ازدحام ذرات و در نظر گرفتن قیدهای اساسی در مسئله سرمایه‌گذاری، از این روش‌های کاربردی برای حل مسئله بهینه‌سازی سبد سهام استفاده می‌کنیم. ارزش سبد سرمایه و ریسک آن، به ‌عنوان اهداف بهینه‌سازی و معیار ارزش در معرض ریسک مشروط، به عنوان سنجه ریسک ‌به‌کار برده شده است. نتایج عملی برای حل مسئله بهینه‌سازی سبد سرمایه در بازار بورس اوراق بهادار تهران، با انتخاب 20 شرکت از میان 30 صنعت فعال‌تر موجود، همراه با اعتبارسنجی آن‌ها به‌دست آمده است. هدف کمک به سرمایه‌گذاران برای انتخاب هرچه بهتر و عملی&lrm;تر سهام‌ مختلف و در نتیجه سرمایه&lrm;گذاری مؤثر است. تفاصيل المقالة

حرية الوصول المقاله

27 - پیش‏بینی شوک منفی قیمت سهام مبتنی بر رویکرد فراابتکاری
ابراهیم فدایی ایمان داداشی محمد جواد زارع بهنمیری کاوه آذین فر

هدف این مطالعه، بررسی پیش بینی شوک منفی قیمت سهام مبتنی بر رویکرد فراابتکاری می باشد. در این پژوهش براساس داده های مرتبط با 96 نسبت مالی 140 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی 9 ساله بین سال های 97-1389 اقدام به پیش بینی شوک منفی قیمت سهام مبتنی ب أکثر

هدف این مطالعه، بررسی پیش بینی شوک منفی قیمت سهام مبتنی بر رویکرد فراابتکاری می باشد. در این پژوهش براساس داده های مرتبط با 96 نسبت مالی 140 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی 9 ساله بین سال های 97-1389 اقدام به پیش بینی شوک منفی قیمت سهام مبتنی بر رویکرد فراابتکاری نموده ایم. در این تحقیق به منظور استخراج نسبت های مالی بهینه، از الگوریتم های ژنتیک و بهینه‌سازی ازدحام ذرات استفاده شده که در نهایت 8 نسبت مالی اثرگذار برای پیش بینی شوک ها(موقت و دائم) و تعداد آنها در طی یک سال انتخاب شدند. در ادامه مدل پیشنهادی با استفاده از این ویژگی های موثر استخراج شده، توسط ماشین بردار پشتیبان با هسته شعاعی و شبکه عصبی مصنوعی آزمون شده است. نتایج حاکی از آن بود که متغیرهای استخراجی از الگوریتم بهینه‌سازی ازدحام ذرات، به همراه الگوریتم یادگیری ماشین بردار پشتیبان، نتیجه بهتری را برای پیش بینی شوک ها(موقت و دائم) و تعداد آنها دارا هستند. تفاصيل المقالة

حرية الوصول المقاله

28 - بهینه‌سازی چندهدفه تکاملی برای معاملات جفتی چند متغیره در بورس اوراق بهادار تهران: رویکرد هم‌انباشتگی
حسین نیکو جمال برزگری خانقاه حمید رضا میرزایی

10.30495/jfksa.2023.22391

استراتژی معاملات جفتی یکی از قدیمی‌ترین و رایج‌ترین استراتژی‌های آربیتراژ آماری محسوب می‌شود. تشکیل جفت یک مرحله مهم در معاملات جفتی است که فقط به روش دستی مورد بررسی قرار گرفته است و این روش در حالت چند متغیره شکست خورده و اهداف متناقض را در ساختار مسئله در نظر نمی‌گیر أکثر

استراتژی معاملات جفتی یکی از قدیمی‌ترین و رایج‌ترین استراتژی‌های آربیتراژ آماری محسوب می‌شود. تشکیل جفت یک مرحله مهم در معاملات جفتی است که فقط به روش دستی مورد بررسی قرار گرفته است و این روش در حالت چند متغیره شکست خورده و اهداف متناقض را در ساختار مسئله در نظر نمی‌گیرد. مسئله اصلی پژوهش حاضر ارائه روشی است که ترکیب‌های جفتی چند متغیره را با در نظر گرفتن اهداف متناقض چندگانه و تمرکز بر رویکرد هم‌انباشتگی ایجاد کند. لذا ترکیبی از سهام در دو هدف متضاد ریسک (بازگشت به میانگین) و بازده (واریانس اسپرد) بهینه می‌شوند تا مجموعه‌ای از فرصت‌های معاملات جفتی چند متغیره سودآور را تشکیل دهند. جامعه آماری، شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران هستند. نمونه آماری به‌واسطه نیاز به معاملات پربسامد از 50 شرکت برتر محدود شده است. مسئله در قالب یک مدل برنامه‌ریزی عدد صحیح مختلط (MIP) تدوین، و به دلیل محدودیت‌های غیرمحدب و فضای حل نمایی از الگوریتم ژنتیک چندهدفه برای به دست آوردن ترکیب‌های جفتی استفاده شده است. برای دستیابی به اهداف چندگانه، از نوع توسعه‌یافته الگوریتم ژنتیک؛ الگوریتم ژنتیک مرتب‌سازی نامغلوب آشوبناک (CNSGA-II) استفاده گردید. برای به دست آوردن راه حل های مناسب و با دقت بالا، از تئوری آشوب در ایجاد جمعیت اولیه الگوریتم ژنتیک استفاده شده است. تحقیقات نشان داده که استفاده از نظریه آشوب می‌تواند میزان همگرایی را در الگوریتم‌های تکاملی افزایش دهد. نتایج آزمایش های این پژوهش نشان می‌دهد که استراتژی های معاملات جفتی چند هدفه با تمرکز بر رویکرد هم‌انباشتگی نسبت به مدل تک هدفه سنتی از برتری معناداری برخوردار است. تفاصيل المقالة

حرية الوصول المقاله

29 - تحلیل مقایسه‌ای بهینه‌سازی سبد سهام در الگوریتم‌های آتش‌بازی و ژنتیک با استفاده از ارزش در معرض خطر شرطی
علی اصغر شهریاری سعید دائی کریم زاده رضا بهمنش

10.30495/jfksa.2021.19255

مهم ترین دغدغه سرمایه‌گذاری، کاهش ارزش دارایی در آینده است که باعث گردیده، سرمایه‌گذاران مجموعه دارایی‌هایی را انتخاب کنند که کمترین ریسک و بالاترین بازده را داشته باشد. پژوهش حاضر به مساله بهینه‌سازی سبد سهام با توجه به ارزش در معرض ‌خطر ‌شرطی بر مبنای الگوریتم جدید و أکثر

مهم ترین دغدغه سرمایه‌گذاری، کاهش ارزش دارایی در آینده است که باعث گردیده، سرمایه‌گذاران مجموعه دارایی‌هایی را انتخاب کنند که کمترین ریسک و بالاترین بازده را داشته باشد. پژوهش حاضر به مساله بهینه‌سازی سبد سهام با توجه به ارزش در معرض ‌خطر ‌شرطی بر مبنای الگوریتم جدید و هوشمند آتش بازی و مقایسه آن با الگوریتم ژنتیک از روش شبیه سازی تاریخی با استفاده از نرم افزارMATLAB می‌پردازد. تنظیم پارامترهای الگوریتم‌های فراابتکاری به روش تاگوچی با استفاده از نرم افزارMINITAB انجام شد. در این پژوهش از اطلاعات سهام شرکت‌های پذیرفته شده در بورس اوراق بهادار که اطلاعات قیمت و بازده نقدی آنها بین سالهای 1396 تا شهریور 1399 ثبت شده است و مطابق ماده 141 قانون تجارت مشمول تعلیق نیستند، استفاده شد. جهت پایایی پژوهش از آزمون دیکی فولر تعمیم یافته و آزمون فیلیپس پرون استفاده شد. برای ارزیابی دقت مدل ارزش در معرض خطر شرطی از آزمون نسبت شکست کوپیک، آزمون استقلال کریستوفرسن و آزمون ترکیبی استفاده شده است. همچنین مقایسه ای نیز بین مدل ها توسط آزمون لوپز صورت گرفت. یافته های پژوهش نشان داد که در سطوح اطمینان 95% و 99% مدل ارزش در معرض خطر شرطی با استفاده از الگوریتم آتش بازی از اعتبار مناسب و قابل اتکایی جهت سنجش ریسک بازار و بهینه کردن سبد سهام برخوردار می‌باشد. تفاصيل المقالة

حرية الوصول المقاله

30 - سنجش دستکاری قیمت ها با استفاده از مدل های تحلیل ممیزی درجه دوم و الگوریتم ژنتیک بر مبنای شبکه عصبی مصنوعی
محمدحسین پوست فروش علیرضا ناصر صدرآبادی محمود معین الدین

در این مقاله از مدل تحلیل ممیزی درجه دوم ) QDF ) 1 و مدل هیبریدی الگوریتم ژنتیک بر مبنای شبکهعصبی مصنوعی ) ANN-GA ) 2 برای تخمین دستکاری قیمت سهام در بورس اوراق بهادار تهران استفاده شدهاست. در این تحقیق، ابتدا با استفاده از روش غربالگری، نمونه ای به حجم 543 شرکت پذیرفته أکثر

در این مقاله از مدل تحلیل ممیزی درجه دوم ) QDF ) 1 و مدل هیبریدی الگوریتم ژنتیک بر مبنای شبکهعصبی مصنوعی ) ANN-GA ) 2 برای تخمین دستکاری قیمت سهام در بورس اوراق بهادار تهران استفاده شدهاست. در این تحقیق، ابتدا با استفاده از روش غربالگری، نمونه ای به حجم 543 شرکت پذیرفته شده در بورساوراق بهادار تهران انتخاب و اطلاعات مربوط به شاخص های قیمت و بازده نقدی ) TEDPIX (، قیمت پایانی،نوسان قیمت پایانی و حجم معاملات در بازه زمانی سال های 1531 تا 1531 گردآوری گردید. سپس بابه کارگیری آزمون وابستگی دیرش و آزمون سلسله و با استفاده از متغیر قیمت و بازده نقدی، شرکت های منتخببه دو دسته دستکاری قیمت شده و دستکاری قیمت نشده تقسیم شدند. سپس با بررسی نمودار روند تغییراتشاخص قیمت و بازده نقدی و حجم معاملات در مورد شرکت های دستکاری قیمت شده، تاریخ شروع دستکاریقیمت تعیین گردید. در گام بعدی، با استفاده از تابع تحلیل ممیزی درجه دوم ) QDF ( و همچنین الگوریتم ژنتیکبر مبنای شبکه عصبی مصنوعی و با استفاده از متغیرهای قیمت پایانی، نوسان قیمت پایانی و حجم معاملات و بابه کارگیری اطلاعات یک سال قبل از شروع دستکاری قیمت سهام برای شرکت های دستکاری قیمت شده واطلاعات چهار ساله برای شرکت های دستکاری قیمت نشده، مدل هایی برای پیش بینی دستکاری قیمت سهامطراحی گردید. در پایان توانایی پیش بینی مدل ها مورد بررسی قرار گرفت. با توجه به نتایج بدست آمده، تواناییپیش بینی مدل تحلیل ممیزی درجه دوم نسبت به مدل الگوریتم ژنتیک بر مبنای شبکه عصبی مصنوعی بهترمی باشد. تفاصيل المقالة

حرية الوصول المقاله

31 - روشهای مجموعه های راف و الگوریتم های ژنتیک در سیستم ترکیبی هوشمند خرید و فروش برای کشف قوانین خرید و فروش بازارهای آتی
محمدرضا وطن پرست عباس بابایی شعبان محمدی

کشف قوانین هوشمند خرید و فروش تکنیکال از داده های پیچیده و غیرخطی بازار سهام و متعاقب آن توسعه سیستم های تصمیم یا خرید و فروش کار دشواری است. هدف پژوهش حاضر توسعه سیستم ترکیبی هوشمند خرید و فروش جهت کشف قوانین خرید و فروش تکنیکال از طریق تحلیل مجموعه راف و الگوریتم ژنتی أکثر

کشف قوانین هوشمند خرید و فروش تکنیکال از داده های پیچیده و غیرخطی بازار سهام و متعاقب آن توسعه سیستم های تصمیم یا خرید و فروش کار دشواری است. هدف پژوهش حاضر توسعه سیستم ترکیبی هوشمند خرید و فروش جهت کشف قوانین خرید و فروش تکنیکال از طریق تحلیل مجموعه راف و الگوریتم ژنتیک است. مجموعه داده های مورد استفاده شامل 30 دقیقه باز، بالا، پائین، بسته و حجم قراردادهای آتی شاخص مرکب قیمت گذاری سهام بورس اوراق بهادار در بازه زمانی1390تا 1396بود. به این منظور توصیه می گردد هنگام کشف قوانین خرید و فروش تکنیکال برای بازارهای آینده و حل مسائل بهینه سازی، گسسته سازی و کاهش داده ها، تحلیل مجموعه راف و در نهایت برای اتخاذ تصمیمات بهینه خرید و فروش رویکرد الگوریتم ژنتیک مورد استفاده قرار گیرد. برای آزمودن مدل پیشنهادی و مقایسه آن با رویکردهای متناظر، تصادفی، همبستگی و رویکردهای الگوریتم ژنتیک مداخلاتی طراحی شد. همچنین، این مداخلات جامع، بسیاری از موضوعات سیستم خرید و فروش موجود، کاربرد روش پنجره لغزان، تعداد قوانین خرید و فروش و مدت دوره آموزشی را در برداشت. برای ارزیابی سیستم ترکیبی هوشمند مداخلاتی روی داده های تاریخی شاخص مرکب قیمت گذاری سهام بورس اوراق بهادار تهران انجام شد. به طور خاص، تحلیل عملکرد خرید و فروش بر طبق مجموعه های مقرات تصمیم و حجم دوره آموزش برای کشف قوانین خرید و فروش دوره آزمون انجام شد. یافته ها نشان داد مدل پیشنهادی در مقایسه با مدل معیار از نظر میانگین بازدهی و مقیاس ریسک تعدیل شده عملکرد بهتری داشته است. تفاصيل المقالة

حرية الوصول المقاله

32 - Forecasting Stock Market Using Wavelet Transforms and Neural Networks: An integrated system based on Fuzzy Genetic algorithm (Case study of price index of Tehran Stock Exchange)
Ali Anvary Rostamy Nor Mousazadeh Abbasi Mohammad Ali Aghaei Mahdi Moradzadeh Fard

The jamor purpose of the present research is to predict the total stock market index of Tehran Stock Exchange, using a combined method of Wavelet transforms, Fuzzy genetics, and neural network in order to predict the active participations of finance market as well as ma أکثر

The jamor purpose of the present research is to predict the total stock market index of Tehran Stock Exchange, using a combined method of Wavelet transforms, Fuzzy genetics, and neural network in order to predict the active participations of finance market as well as macro decision makers.To do so, first the prediction was made by neural network, then a series of price index was decomposed by wavelet transform and the prediction made by neural network was repeated, finally, the extracted pattern from the neural network was stated through discernible rules using Fuzzy theory. The main focus of this paper is based on a theory in which investors and traders achieve a method for predicting stock market. Concerning the results of previous researches, which confirmed the relative superiority of non-linear models in price index prediction, an appropriate model has been offered in this research by combining the non-linear methods such as Wavelet transforms, Fuzzy genetics, and neural network, The results indicated the superiority of the designed system in predicting price index of Tehran Stock Exchange. تفاصيل المقالة

حرية الوصول المقاله

33 - پیش‌بینی سرانه مخارج بهداشتی در ایران تا افق 1420 با استفاده از الگوریتم‌های ژنتیک و بهینه‌سازی انبوه ذرات
ابوالقاسم گل خندان سمیه صحرائی

مقدمه: پیش‌بینی روند سرانه مخارج بهداشتی می‌تواند در تعیین بهترین سیاست‌ها برای تأمین مالی و مدیریت هزینه‌های سلامت، مفید و مؤثر باشد. بر این اساس، هدف اصلی این مطالعه پیش‌بینی روند سرانه مخارج بهداشتی در ایران بود. روش پژوهش: این مقاله با استفاده از مبانی نظری در زمینه أکثر

مقدمه: پیش‌بینی روند سرانه مخارج بهداشتی می‌تواند در تعیین بهترین سیاست‌ها برای تأمین مالی و مدیریت هزینه‌های سلامت، مفید و مؤثر باشد. بر این اساس، هدف اصلی این مطالعه پیش‌بینی روند سرانه مخارج بهداشتی در ایران بود. روش پژوهش: این مقاله با استفاده از مبانی نظری در زمینه تابع مخارج بهداشتی و به‌کارگیری آن با دو ابزار الگوریتم ژنتیک (GA) و الگوریتم بهینه‌سازی انبوه ذرات (PSO)، به شبیه‌سازی تابع سرانه مخارج بهداشتی ایران طی سال‌های 1394-1358 در قالب سه معادله خطی، نمایی و درجه دوم پرداخت و سپس با استفاده از معیارهای انتخاب مدل رقیب، الگوریتم و مدل برتر انتخاب و اقدام به پیش‌بینی میزان سرانه مخارج بهداشتی تا سال 1420 شد. تحلیل داده‌ها نیز به کمک نرم‌افزار MATLAB نسخه R2016b صورت گرفت. یافته‌ها: نتایج پیش‌بینی نشان‌دهنده آن بود که سرانه مخارج بهداشتی در ایران با شیب افزایشی تا سال 1420 افزایش خواهد یافت. به‌گونه‌ای که میزان این مخارج از مقدار 1081 دلار (بر اساس قیمت‌های ثابت سال 2011) در سال 1394 به میزان 2628 دلار در سال 1420 خواهد رسید (چیزی حدود 2/5 برابر). نتیجه‌گیری: با توجه به مقادیر پیش‌بینی‌شده سرانه مخارج بهداشتی تا افق 1420، سیاست‌گزاران بخش سلامت بایستی تدابیر لازم را برای تأمین مالی مخارج این بخش اتخاذ کنند. تفاصيل المقالة

حرية الوصول المقاله

34 - پایش قیمت سهام با استفاده از مدل های تحلیل ممیزی خطی، تحلیل ممیزی درجه دوم و الگوریتم ژنتیک بر مبنای شبکه عصبی مصنوعی در بورس اوراق بهادار تهران
محمدحسین پوست فروش علیرضا ناصر صدرآبادی محمود معین الدین

در این مقاله از مدل تحلیل ممیزی DA 1 و مدل هیبریدی الگوریتم ژنتیک بر مبنای شبکه عصبی مصنوعیANN-GA 2 برای تخمین دستکاری قیمت سهام در بورس اوراق بهادار تهران استفاده شده است. در این پژوهش،ابتدا با استفاده از روش غربالگری، نمونه ای به حجم 543 شرکت پذیرفته شده در بورس اوراق أکثر

در این مقاله از مدل تحلیل ممیزی DA 1 و مدل هیبریدی الگوریتم ژنتیک بر مبنای شبکه عصبی مصنوعیANN-GA 2 برای تخمین دستکاری قیمت سهام در بورس اوراق بهادار تهران استفاده شده است. در این پژوهش،ابتدا با استفاده از روش غربالگری، نمونه ای به حجم 543 شرکت پذیرفته شده در بورس اوراق بهادار تهران انتخابو اطلاعات مربوط به شاخص های قیمت و بازده نقدی TEDPIX ، قیمت پایانی، نوسان قیمت پایانی و حجممعاملات در بازه زمانی سال های 1531 تا 1531 گردآوری گردید. سپس با به کارگیری آزمون وابستگی دیرش 5 ،آزمون ضرایب کشیدگی و چولگی 4 و آزمون سلسله 3 و با استفاده از متغیر قیمت و بازده نقدی، شرکت های منتخببه دودسته دستکاری قیمت شده و دستکاری قیمت نشده تقسیم شدند. سپس با بررسی نمودار روند تغییراتشاخص قیمت و بازده نقدی و حجم معاملات در مورد شرکت های دستکاری قیمت شده، تاریخ شروع دستکاریقیمت تعیین گردید. در گام بعدی، با استفاده از تابع تحلیل ممیزی خطی ) LDF ) 6 و تابع تحلیل ممیزی درجه دوم( QDF ) 1 و همچنین الگوریتم ژنتیک بر مبنای شبکه عصبی مصنوعی و با استفاده از متغیرهای قیمت پایانی، نوسانقیمت پایانی و حجم معاملات و با به کارگیری اطلاعات یک سال قبل از شروع دستکاری قیمت سهام برایشرکت های دستکاری قیمت شده و اطلاعات چهارساله برای شرکت های دستکاری قیمت نشده، مدل هایی برایپیش بینی دستکاری قیمت سهام طراحی گردید. در پایان توانایی پیش بینی مدل ها موردبررسی قرار گرفت. با توجهبه نتایج به دست آمده، توانایی پیش بینی مدل تحلیل ممیزی درجه دوم نسبت به مدل تحلیل ممیزی خطی و مدلالگوریتم ژنتیک بر مبنای شبکه عصبی مصنوعی بهتر هست. تفاصيل المقالة

حرية الوصول المقاله

35 - ارائه مدل شناسایی تقلب مالیاتی بر مبنای ترکیب الگوریتم درخت تصمیم ID3 بهبود یافته و شبکه های عصبی پرسپترون چندلایه
اکبر جوادیان کوتنائی عباسعلی پورآقاجان سرحمامی میرسعید حسینی شیروانی

درآمدهای مالیاتی یکی از مهم ترین منابع درآمدی دولت و تأمین کننده بخش عمده ای از هزینه های دولت است. در سالهای اخیر تقلب در صورت‌های مالی و اظهارنامه های مالیاتی به طور فزاینده ای به‌ یک مشکل جدی برای کسب و کار، دولت و سرمایه‌گذاران تبدیل شده است. اکثر مؤدیان مالیاتی به أکثر

درآمدهای مالیاتی یکی از مهم ترین منابع درآمدی دولت و تأمین کننده بخش عمده ای از هزینه های دولت است. در سالهای اخیر تقلب در صورت‌های مالی و اظهارنامه های مالیاتی به طور فزاینده ای به‌ یک مشکل جدی برای کسب و کار، دولت و سرمایه‌گذاران تبدیل شده است. اکثر مؤدیان مالیاتی به دنبال راهی برای دستکاری در صورتهای مالی و کاهش سود مشمول مالیات ابرازی خود می باشند. از این رو، شناسایی متقلبین مالیاتی و شرکتهایی که به تقلب در صورتهای مالی می پردازند به امری حیاتی برای دولت تبدیل شده است. هدف از این تحقیق ارائه مدلی است که در آن از الگوریتم درخت تصمیم گیریID3 بهبود یافته استفاده شده است. همچنین برای بهبود عملکرد و دقت آن، با شبکه های عصبی پرسپترون چندلایه بهینه سازی شده توسط الگوریتم ژنتیک ترکیب گردید تا نسبت های مالی مرتبط با تقلب مالیاتی انتخاب نموده و سربار محاسباتی کاهش یابد. درختی که در مدل پیشنهادی ایجاد می شود دارای کمترین عمق ممکن می باشد که از این رو دارای سرعت بالا و سربار محاسباتی پایینی می باشد. بدین منظور صورتهای مالی 60 شرکت پذیرفته شده در بورس اوراق بهادار تهران در سالهای 1394 لغایت 1396 بررسی و 54 نسبت مالی از آن ها استخراج گردید که به وسیله آزمون ANOVA تعداد 23 نسبت و نهایتاً توسط شبکه های عصبی تعداد 7 نسبت مرتبط با تقلب مالیاتی، به عنوان داده های ورودی مدل انتخاب گردید. مدل ارائه شده با دقت 81/4 درصد، در شناسایی شرکتهای دارای تقلب مالیاتی، موفق بوده که نسبت به الگوریتم آدابوست دارای بالاترین دقت و قدرت پیش بینی بوده است. تفاصيل المقالة

حرية الوصول المقاله

36 - ارائه الگویی با هدف کاهش هزینه ریسک زنجیره تامین با رویکرد ترکیبی
فریبا صلاحی

امروزه مدیریت زنجیره تامین به دلیل جهانی شدن بازارهای کسب و کار، اهمیت بیشتری پیدا کرده است. با افزایش پیچیدگی، آسیب پذیری و ریسک موجود در زنجیره افزایش می یابد که نتیجه آن افزایش وقفه در تولید یا ارائه خدمت به مشتریان می باشد. این روند، بکارگیری روش های نوین مدیریت ریس أکثر

امروزه مدیریت زنجیره تامین به دلیل جهانی شدن بازارهای کسب و کار، اهمیت بیشتری پیدا کرده است. با افزایش پیچیدگی، آسیب پذیری و ریسک موجود در زنجیره افزایش می یابد که نتیجه آن افزایش وقفه در تولید یا ارائه خدمت به مشتریان می باشد. این روند، بکارگیری روش های نوین مدیریت ریسک را ضروری می سازد. در همین راستا، در این تحقیق با ارایه و حل الگوی ترکیبی دیمتل فازی-الگوریتم ژنتیک به بررسی هزینه ریسک زنجیره تامین پرداخته شده است. در ابتدا یک مدل ریاضی با تاکید بر کاهش هزینه با در نظر گرفتن پارامتر اختلال بر روی زنجیره طراحی گردیده، سپس روابط بین اختلالات از طریق تکنیک دیمتل فازی فرموله شده، و مدل با استفاده از الگوریتم ژنتیک حل شده است. در این تحقیق به بررسی تاثیر چهار اختلال بر روی هزینه های زنجیره تامین پرداخته شده و اختلال ها براساس هزینه هایی که به زنجیره اعمال می کنند رتبه بندی شده اند. نتایج نشان می دهد که به ترتیب مهمترین اختلالات زنجیره تامین شامل اختلال مربوط به بلایای طبیعی، تامین، حمل و نقل و تقاضا می باشد. تفاصيل المقالة

حرية الوصول المقاله

37 - Application of Artificial Neural Network and Genetic Algorithm for Predicting three Important Parameters in Bakery Industries
H. Abbasi Z. Emam-Djomeh S. M. Seyedin

Farinograph is the most frequently used equipment for empirical rheological measurements of dough. It’suseful to illustrate quality of flour, behavior of dough during mechanical handling and texturalcharacteristics of finished products. The percentage of water abs أکثر

Farinograph is the most frequently used equipment for empirical rheological measurements of dough. It’suseful to illustrate quality of flour, behavior of dough during mechanical handling and texturalcharacteristics of finished products. The percentage of water absorption and the development time of doughare the most important parameters of farinography for bakery industries during production. However,farinograph quality number is also a profitable factor for rapid evaluation of flour. Our purpose in presentresearch is to apply artificial neural networks (ANNs) for predicting three important parameters offarinograph from simple measurable physicochemical properties of flour. Genetic algorithm (GA) was alsoapplied in the training phase for optimizing different parameters of ANN’s structure and inputs. Sensitivityanalyses were also conducted to explore the ability of inputs in predicting the networks outputs. Two neuralnetworks were developed; the first for modeling water absorption and dough development time and thesecond for modeling farinograph quality number. Both developed ANNs using GA have excellent potentialin predicting the farinograph properties of dough. In developed models, gluten index and Zeleny, suitableparameters for qualitative measurements of samples, played the most important role for predicting doughfarinograph characterisations. تفاصيل المقالة

حرية الوصول المقاله

38 - 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

39 - Quantitative structure–property relationship models to Predict some thermodynamic properties of Imidazole Derivatives using molecular descriptor and genetic algorithm-multiple linear regressions
shiva Moshayedi fatemeh shafiei Tahereh Momeni Isfahani

10.30495/jptc.2021.20401

Imidazole is compound with a wide range of biological activities and imidazole derivatives are the basis of several groups of drugs.In this study the relationship between molecular descriptors and the thermal energy (Eth kJ/mol), and heat capacity (Cv J/mol) of imidazol أکثر

Imidazole is compound with a wide range of biological activities and imidazole derivatives are the basis of several groups of drugs.In this study the relationship between molecular descriptors and the thermal energy (Eth kJ/mol), and heat capacity (Cv J/mol) of imidazole derivatives is studied. The chemical structures of 85 Imidazole derivatives were optimized at HF/6-311G* level with Gaussian 98 software.Molecular descriptors were calculated for selected compound by using the Dragon software.The Genetic algorithm- multiple linear regression (GA-MLR) and backward methods were used to select the suitable descriptors and also for predicting the thermodynamic properties of imidazole derivatives.The obtained models were evaluated by statistical parameters, such as correlation coefficient (R2adj), Fisher ratio (F), Root Mean Square Error (RMSE), Durbin-Watson statistic (D) and significance (Sig).The predictive powers of the GA- MLR models are studied using leave-one-out (LOO) cross-validation and external test set. The predictive ability of the GA-MLR models with two-three selected molecular descriptors was found to be satisfactory. The developed QSPR models can be used to predict the property of compounds not yet synthesized. تفاصيل المقالة

حرية الوصول المقاله

40 - Monte Carlo and QSAR Study on Biological Activity of Several Platinum (IV) Anti Cancer Drugs
robabeh sayyadikordabadi Abdollah Fallah Shojaei Asghar Alizadehdakhel leila mohammadinargesi Ghasem Ghasemi

10.30495/jptc.2021.20871

QSAR investigations of some platinum (IV) derivatives were conducted using multiple linear regression (MLR) and artificial neural network (ANN) as modelling tools, along with simulated annealing (SA) and genetic algorithm (GA) optimization algorithms. In addition, CORAL أکثر

QSAR investigations of some platinum (IV) derivatives were conducted using multiple linear regression (MLR) and artificial neural network (ANN) as modelling tools, along with simulated annealing (SA) and genetic algorithm (GA) optimization algorithms. In addition, CORAL software was used to correlate the biological activity to the structural parameters of the drugs. The obtained results from different approaches were compared and GA-ANN combination showed the best performance according to its correlation coefficient (R2) and mean sum square errors (RMSE). From the GA-ANN method, it was revealed that MTAS8e, ESpm05d, BElv3, MWC09, ESpm14u, BEHe2, RDF125e, and S3K are the most important descriptors. From Monte Carlo simulations, it was found that the presence of double bond, present of Platinum, number of chlorine connected to Pt, branching in molecular skeleton and presence of N and O atoms are the most important molecular features affecting the biological activity of the drug. It was concluded that simultaneous utilization of QSAR and Monte Carlo method can lead to a more comprehensive understanding of the relation between physico-chemical, structural or theoretical molecular descriptors of drugs to their biological activities. تفاصيل المقالة

حرية الوصول المقاله

41 - 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

42 - Quantitative Structure- Property Relationship(QSPR) Study of 2-Phenylindole derivatives as Anticancer Drugs Using Molecular Descriptors
samira Bahrami fatemeh shafiei Azam Marjani Tahereh Momeni Isfahani

10.30495/jptc.2021.20876

A QSPR study on a series of 2-Phenylindole derivatives as anticancer agents was performed to explore the important molecular descriptor which is responsible for their thermodynamic properties such as heat capacity (Cv) and entropy(S).Molecular descriptors were calculate أکثر

A QSPR study on a series of 2-Phenylindole derivatives as anticancer agents was performed to explore the important molecular descriptor which is responsible for their thermodynamic properties such as heat capacity (Cv) and entropy(S).Molecular descriptors were calculated using DRAGON software and the Genetic Algorithm (GA) and backward selection procedure were used to reduce and select the suitable descriptors. Multiple Linear Regression (MLR) analysis was carried out to derive QSPR models, which were further evaluated for statistical significance such as squared correlation coefficient (R2) root mean square error (RMSE), adjusted correlation coefficient (R2adj) and fisher index of quality (F).The multicollinearity of the descriptors selected in the models were tested by calculating the variance inflation factor (VIF), Pearson correlation coefficient (PCC) and the DurbinWatson (DW) statistics. The predictive powers of the MLR models were discussed using Leave-One-Out Cross-Validation (LOOCV) and test set validation methods. The best QSPR models for prediction the Cv(J/molK) and S(J/molK), having squared correlation coefficient R2 =0.907 and 0.901, root mean squared error RMSE=2.019 and RMSE= 2.505, and cross-validated squared correlation coefficient R2 cv = 0.902 and 0.889, respectively. The statistical outcomes derived from the present study demonstrate good predictability and may be useful in the design of new 2-Phenylindole derivatives. تفاصيل المقالة

حرية الوصول المقاله

43 - Quantitative structure—retention relationship analysis of nanoparticle compounds
H. Noorizadeh A. Farmany

Genetic algorithm and partial least square (GA-PLS), the kernel PLS (KPLS) and Levenberg-Marquardt artificial neural network (L-M ANN) techniques were used to investigate the correlationbetween retention time (RT) and descriptors for 15 nanoparticle compounds which obta أکثر

Genetic algorithm and partial least square (GA-PLS), the kernel PLS (KPLS) and Levenberg-Marquardt artificial neural network (L-M ANN) techniques were used to investigate the correlationbetween retention time (RT) and descriptors for 15 nanoparticle compounds which obtained by thecomprehensive two dimensional gas chromatography system (GC x GC). Application of thedodecanethiol monolayer-protected gold nanoparticle (MPN) column was for a high-speed separationas the second column of GC x GC. The L-M ANN model with the final optimum networkarchitecture of [9-4-1] gave a significantly better performance than the other models. This is the firstresearch on the quantitative structure—retention relationship (QSRR) of the nanoparticle compoundsusing the GA-PLS, GA-KPLS and L-M ANN. تفاصيل المقالة

حرية الوصول المقاله

44 - Adaptive Neuro Fuzzy Sliding Mode Based Genetic Algorithm Control System to Control of a pH Neutralization Process
Jalal Javadi Moghaddam Mostafa Mirzaei Masood Madani Mohammadreza Norouzi Atena Khodarahmi

In this paper, an adaptive neuro fuzzy sliding mode based genetic algorithm (ANFSGA) controlsystem is proposed for a pH neutralization system. In pH reactors, determination and control of pH isa common problem concerning chemical-based industrial processes due to the no أکثر

In this paper, an adaptive neuro fuzzy sliding mode based genetic algorithm (ANFSGA) controlsystem is proposed for a pH neutralization system. In pH reactors, determination and control of pH isa common problem concerning chemical-based industrial processes due to the non-linearity observedin the titration curve. An ANFSGA control system is designed to overcome the complexity of precisecontrol of pH. In the proposed control system the genetic algorithm is employed to do the crossoverand mutation operation in adaptive neuro fuzzy inference system (ANFIS) mechanism. In this way,on-line learning ability is employed to deal with external disturbance by adjusting the controlparameters. The control objective is to drive the system state to the original equilibrium point or totrack the set point. تفاصيل المقالة

حرية الوصول المقاله

45 - بهینه سازی چند هدفه شاکله پنجره به منظور تامین هم زمان مولفه های آسایش بصری و کارایی انرژی از طریق الگوریتم ژنتیک ( نمونه موردی: کلاس درس ابتدایی در تهران- ایران)
مجید مفیدی شمیرانی فیروزه محمدی

حرکت به سوی ساختمان‌های پایدار نیازمند آن است تا تأکید بیشتری بر ارزیابی دقیق عملکرد نور روز و انرژی شود. این امر به خصوص در مورد ساختمان‌های آموزشی دارای اهمیت ویژه است، چرا که تامین میزان نور کافی هم‌زمان با ممانعت از ایجاد خیرگی و نیز کاهش مصرف انرژی در این فضاها چال أکثر

حرکت به سوی ساختمان‌های پایدار نیازمند آن است تا تأکید بیشتری بر ارزیابی دقیق عملکرد نور روز و انرژی شود. این امر به خصوص در مورد ساختمان‌های آموزشی دارای اهمیت ویژه است، چرا که تامین میزان نور کافی هم‌زمان با ممانعت از ایجاد خیرگی و نیز کاهش مصرف انرژی در این فضاها چالش بزرگی محسوب می‌شود. در این مقاله به منظور تامین هم زمان مولفه های آسایش بصری( افزایش روشنایی و کاهش خیرگی) و کارایی انرژی( کاهش مصرف انرژی) در ساختمان‌های آموزشی(کلاس درس مدارس ابتدایی) شهر تهران یک کلاس درس به عنوان مدل پایه مدلسازی پارامتریک شد و شبیه سازی پویای عملکرد نور روز و انرژی بر روی آن انجام گرفت. سپس جهت دستیابی به مقادیر بهینه پارامترهای طراحی پنجره فرآیند بهینه سازی مبتنی بر شبیه سازی از طریق الگوریتم ژنتیک و به صورت اتوماتیک در نرم افزار گرسهاپر بصورت چند هدفه صورت گرفت. نتایج حاصل، لزوم تعدیل شرایط با اولویت وزنی به عملکرد نور روز را نشان می دهند. بهترین راه حل پارتو بر اساس کمترین فاصله تا بهینه جهانی عملکرد بهتری را نسبت به مدل پایه نشان می دهد که میزان بهبود شاخص های UDI،DGP وEUI به ترتیب11، 15و 22 درصد است. تفاصيل المقالة

حرية الوصول المقاله

46 - استفاده از الگوریتم شبیه‌سازی حرارتی برای بهینه‌سازی مسئله مکان‌یابی ـ تخصیص چند هدفه در محیط سیستم اطلاعات مکانی (مطالعه موردی: ایستگاه‌های آتش‌نشانی منطقه 11 شهر تهران)
سمیرا بلوری علیرضا وفایی‌نژاد

مقدمه و هدف پژوهش: در این مقاله مسئله LocationAllocation چندهدفه در محیطGIS برای تعیین موقعیت و تخصیص ظرفیت بهینه به ایستگاه‌های آتش- نشانی منطقه 11 شهر تهران مورد نظر می باشد. اهداف این تحقیق شامل: 1- کمینه کردن فاصله بین ایستگاه آتش نشانی و تقاضاها 2- کمینه کردن زمان أکثر

مقدمه و هدف پژوهش: در این مقاله مسئله LocationAllocation چندهدفه در محیطGIS برای تعیین موقعیت و تخصیص ظرفیت بهینه به ایستگاه‌های آتش- نشانی منطقه 11 شهر تهران مورد نظر می باشد. اهداف این تحقیق شامل: 1- کمینه کردن فاصله بین ایستگاه آتش نشانی و تقاضاها 2- کمینه کردن زمان رسیدن به تقاضا از ایستگاه‌های آتش نشانی 3- بیشینه کردن پوشش ایستگاه‌های آتش‌نشانی می‌باشد. روش پژوهش: مسئله LocationAllocation یک مسئله بهینه سازی ترکیبی است و به دلیل پیچیدگی محاسباتی معروف به NP-Hard است. بنابراین روش‌های جبری رایج نمی توانند در حل مسائل LocationAllocation پیچیده با چندین شرط مختلف موفق باشند. برای حل این مسئله LocationAllocation از روش فوق ابتکاری شبیه سازی حرارتی استفاده می شود. یافته‌ها: مدل با توجه به اهداف نامبرده، ایستگاه‌های بهینه آتش نشانی را در منطقه 11 شهر تهران می یابد به گونه ای که این ایستگاه‌ها به خوبی قادر به پاسخگویی به تقاضاها (جمعیت) باشند. نتیجه‌گیری: در این مدل ژنتیک چندهدفه، برای بررسی اثر هر هدف، ابتدا هر تابع به صورت تک هدفه اجرا می شود. در مرحله دوم، خروجی مدل با یک بردار وزن ثابت ارزیابی می شود و نتیجه نشان می دهد که مدل می تواند به طور مؤثری موقعیت‌های بهینه ایستگاه‌های آتش نشانی را با شرط ظرفیت فراهم کند. در نهایت، برای ارزیابی مناسب بودن مدل، از یک برنامه وزن دهی اتوماتیک استفاده می شود. در این حالت هر بار به هر جواب، بردار وزنی تصادفی تعلق می گیرد و در نهایت مجموعه ای از جواب‌های غیر مسلط حاصل می گردد که به تصمیم گیرندگان با توجه به شروط مشخص و یا اولویتشان به یک هدف، فرصت انتخاب جواب‌های مناسب (Non-dominated) را می دهد. تفاصيل المقالة

حرية الوصول المقاله

47 - مطالعه تخصیص ایستگاه‌های آتش‌نشانی با روش هیبریدی (نمونه موردی: شهر مشهد)
حامد خرقانی حسین اعتمادفرد احمد سالم رفیش

10.30495/ums.2022.19616

مقدمه و هدف پژوهش: ایجاد خدمات شهری، نیازمند استقرار صحیح این خدمات در سطح شهر است. یکی از مراکز خدماتی که نقش به سزایی را در ایمنی شهر دارا است، ایستگاه‌های آتش‌نشانی هستند. دسترسی سریع و به‌موقع از این ایستگاه‌ها به محل وقوع حادثه نیازمند توزیع بهینه ایستگاه‌های آتش‌ن أکثر

مقدمه و هدف پژوهش: ایجاد خدمات شهری، نیازمند استقرار صحیح این خدمات در سطح شهر است. یکی از مراکز خدماتی که نقش به سزایی را در ایمنی شهر دارا است، ایستگاه‌های آتش‌نشانی هستند. دسترسی سریع و به‌موقع از این ایستگاه‌ها به محل وقوع حادثه نیازمند توزیع بهینه ایستگاه‌های آتش‌نشانی در سطح شهر است. هدف این پژوهش بررسی تخصیص مکان مناسب برای احداث یک ایستگاه آتش‌نشانی در سطح شهر مشهد به کمک روش‌های هیبریدی است. روش پژوهش: این پژوهش از نوع هدف کاربردی بوده و از نظر ماهیت توصیفی تحلیلی است. لایه‌های اطلاعاتی معیارهای فاصله از ایستگاه‌های آتش‌نشانی موجود، مراکز درمانی، راه‌ها، مراکز اداری و مراکز آموزشی در محیط سیستم اطلاعات مکانی آماده شده و با استفاده از فرآیند تحلیل سلسله‌مراتبی (AHP) وزن دهی شده‌اند. سپس، نقشه همپوشانی این معیارها به پنج کلاس طبقه‌بندی‌شده و 20 نقطه اولیه در کلاس‌های بسیار مناسب و مناسب برای احداث ایستگاه آتش‌نشانی انتخاب شدند. پس ‌از آن با استفاده از الگوریتم‌های ژنتیک (GA) و ازدحام ذرات (PSO) و به کمک معیارهای فاصله از مراکز ورزشی، مراکز مذهبی، پمپ‌بنزین‌ها و گازها، مراکز فرهنگی و تاریخی و تجاری این 20 نقطه انتخاب‌شده با یکدیگر موردقیاس قرارگرفته و نقطه بهینه برای احداث ایستگاه آتش‌نشانی پیشنهاد شده است. یافته‌ها: GA و PSO نقطه یکسانی را با میزان تابع برازش 98/4 به‌عنوان بهترین مکان جهت احداث ایستگاه آتش‌نشانی در شهر مشهد پیشنهاد داده‌اند. نتیجه گیری: نتایج عملکردی دو الگوریتم فرا ابتکاری نشان می‌دهد که با توجه به پارامترهای تعریف‌شده برای هر یک از الگوریتم‌ها، PSO در زمان کمتری نسبت به GA به جواب بهینه برسد. تفاصيل المقالة

حرية الوصول المقاله

48 - 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

49 - A Genetic-DEA Approach to Reveal Property Rights Priorities
Mehdi Mehdi Namazi Emran Mohammadi

In this paper we have applied Genetic-DEA modelling to help decision makers improve national economic performance through enhancing intellectual property rights indices. We categorized countries applying a novel classification approach and applied genetic algorithm and أکثر

In this paper we have applied Genetic-DEA modelling to help decision makers improve national economic performance through enhancing intellectual property rights indices. We categorized countries applying a novel classification approach and applied genetic algorithm and data envelopment analysis for modelling the relativity of property rights behavior of nations to their economic productivity. We also present a new concept as the uncertainty factor for priority suggestions to have a confidence factor tailored for each specific country for priority recommendations. The results of our research indicate that rich countries shall let people easy access to loans and fight copyright piracy afterwards. Middle income countries have to first enhance the independency of their judicial system and thenceforth respect intellectual property rights. Subsequently, they need to enhance their political stability. Countries that pay few respects to property rights shall boost judicial independence as the first priority and then advance the protection of physical property rights. Poor countries are advised to enhance registering properties and then focus on the rule of law. تفاصيل المقالة

حرية الوصول المقاله

50 - تدوین قوانین بهره‌برداری بهینه و به‌هنگام مخازن سد‌ها با استفاده از شبکه‌های بیزی: کاربرد مدل حل اختلاف گروهی
سید احسان شیرنگی سمیرا خالقی فهیمه بقایی عباس منصوری احسان پورمند

در بهره‌برداری بهینه کمـّی و کیفی از مخزن سدهابه دلیلوجود تصمیم‌گیران و ذینفعان متعدد با اهداف و مطلوبیت‌های متفاوت و همچنین تعداد زیاد متغیرهای حالت و تصمیم، مساله تصمیم‌گیری بسیار پیچیده و امری ضروری محسوب می‌شود. در این مقاله با هدف رفع‌اختلاف بین تصمیم‌گیران در بهره أکثر

در بهره‌برداری بهینه کمـّی و کیفی از مخزن سدهابه دلیلوجود تصمیم‌گیران و ذینفعان متعدد با اهداف و مطلوبیت‌های متفاوت و همچنین تعداد زیاد متغیرهای حالت و تصمیم، مساله تصمیم‌گیری بسیار پیچیده و امری ضروری محسوب می‌شود. در این مقاله با هدف رفع‌اختلاف بین تصمیم‌گیران در بهره‌برداری از مخزن سد، کاربرد یک مدل رفع‌اختلاف گروهی چند نفره جهت تعیین نقطه بهینه بر روی منحنی تبادل بدست آمده از تلفیق مدل شبیه‌سازی کیفی یک بعدی مخزن و مدل بهینه‌سازی الگوریتم ژنتیک حاصل از تحقیقات پیشین به نحوی که مطلوبیت همه تصمیم‌گیران از لحاظ کمـّی و کیفی تامین شود، ارائه می‌گردد. برای تدوین قوانین و سیاست‌های بهره‌برداری به‌هنگام کمـّی - کیفی از مخزن سد، استفاده از مدل شبیه‌سازی هوشمند شبکه‌های بیزی که دارای قابلیت خروجی احتمالاتی می‌باشد پیشنهاد می‌شود. مطالعه موردی، سد پانزده خرداد ایران است که مخزن آن دارای مشکل قابل توجه کیفی است. نتایج حاصل نشان‌دهنده کارایی مناسب مدل‌های ارائه شده در حل‌اختلاف بین سازمان‌های تصمیم‌گیرنده و تعیین سیاست‌های بهینه و به‌هنگام بهره‌برداری کمـّی - کیفی از مخزن می‌باشد. تفاصيل المقالة

حرية الوصول المقاله

51 - توسعه مدل ریاضی و بهینه‌سازی تخصیص آب کشاورزی بر اساس رتبه‌بندی نامغلوب
رضا لاله زاری هادی معاضد سعید برومندنسب علی حقیقی

مدیریت منابع آب از مهمترین عوامل افزایش بهرهوری اقتصادی در بخش کشاورزی محسوب میشود. در شرایط کمبود آب، استفاده کارامد از آب موجود برای تولید پایدار محصولات موردنیاز در نواحی خشک و نیمه خشک امری ضروریست. بدین منظور، روشی شامل مدلسازی ریاضی و ابزار بهینه‌سازی برای تخصیص آ أکثر

مدیریت منابع آب از مهمترین عوامل افزایش بهرهوری اقتصادی در بخش کشاورزی محسوب میشود. در شرایط کمبود آب، استفاده کارامد از آب موجود برای تولید پایدار محصولات موردنیاز در نواحی خشک و نیمه خشک امری ضروریست. بدین منظور، روشی شامل مدلسازی ریاضی و ابزار بهینه‌سازی برای تخصیص آب با هدف حداکثرسازی بهرهوری اقتصادی و کارایی الگوی آبیاری توسعه داده شده است. مدل بهینهسازی با استفاده از الگوریتم ژنتیک چندهدفه با دو تابع هدف مجزا ارائه و مورد ارزیابی قرار گرفت. کارایی مصرف آب، الگوی کشت، کاهش تلفات آبیاری، استفاده مؤثر از آب باران و اراضی زراعی در توابع هدف مدل بررسی شده است. آب موردنیاز آبیاری در هر دوره رشد و سطح زیر کشت محصول بهعنوان متغیرهای تصمیمگیری در نظر گرفته شد. برای مطالعه مزرعهای مدل، گیاهان عمده دشت باغملک و مناطق اطراف، هزینه تولید و قیمت فروش محصولات در سال زراعی 93-1392 جمعآوری گردید. نتایج نشان داد سطح زیر کشت بهینه اختصاص یافته به محصولات در شرایط کم آبی برای ذرت، هندوانه، گوجه فرنگی و پیاز با کاهش روبرو بوده است. همچنین، گوجه فرنگی، حبوبات و پیاز به تریتب بشترین حجم آب را بدست آوردهاند. در این شرایط نسبت سود خالص و عملکرد نسبی برای گوجه فرنگی، درصد آب تخصیص یافته برای سبزیجات و استفاده مؤثر از آب برای حبوبات کمترین مقادیر در بین پارامترهای ارزیابی محاسبه گردید. تفاصيل المقالة

حرية الوصول المقاله

52 - مدل‌سازی خصوصیات فیزیکوشیمیایی برش‌های بادمجان پوشش داده‌شده با صمغ دانه ریحان طی فرآیند سرخ‌کردن
فخرالدین صالحی محمدامین اسدنهال

مقدمه: محصولات غذایی سرخ‌شده با توجه به ویژگی‌های منحصربه‌فرد مانند رنگ، بو، طعم و بافت مطلوب بسیار مورد توجه می‌باشند. کنترل شرایط سرخ کردن و استفاده از پوشش‌های هیدروکلوئیدی خوراکی (صمغ‌ها) یکی از روش‌های مناسب برای کاهش جذب روغن، حفظ رطوبت و بهبود خصوصیات ظاهری مواد أکثر

مقدمه: محصولات غذایی سرخ‌شده با توجه به ویژگی‌های منحصربه‌فرد مانند رنگ، بو، طعم و بافت مطلوب بسیار مورد توجه می‌باشند. کنترل شرایط سرخ کردن و استفاده از پوشش‌های هیدروکلوئیدی خوراکی (صمغ‌ها) یکی از روش‌های مناسب برای کاهش جذب روغن، حفظ رطوبت و بهبود خصوصیات ظاهری مواد غذایی سرخ‌شده است.مواد و روش‌ها: در این پژوهش از غلظت‌های مختلف صمغ دانه ریحان (0/0، 0.5، 1 و 1.5 درصد وزنی/وزنی) جهت پوشش‌دهی برش‌های بادمجان هنگام سرخ شدن عمیق در دماهای 150، 175 و 200 درجه سلسیوس استفاده گردید و رابطه بین پارامترهای فرآیند و خصوصیات محصول نهایی به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی مدل‌سازی گردید.یافته‌ها: نتایج این پژوهش نشان داد که پوشش‌دهی با صمغ دانه ریحان باعث کاهش جذب روغن محصول نهایی شد. پیش تیمار پوشش‌دهی باعث حفظ رطوبت محصول نهایی شد و رطوبت نمونه پوشش داده‌شده با 5/1 درصد صمغ از سایر نمونه‌ها بیشتر بود (64.05%). این فرآیند توسط روش الگوریتم ژنتیک- شبکه عصبی مصنوعی با 2 ورودی شامل غلظت صمغ دانه ریحان و دمای سرخ‌کن و 5 خروجی شامل درصد روغن، مقدار رطوبت و سه شاخص اصلی رنگی (زردی (b*)، قرمزی (a*) و روشنایی (L*)) مدل‌سازی شد. نتایج مدل‌سازی نشان داد شبکه‌ای با تعداد 4 نرون در یک لایه پنهان و با استفاده از تابع فعال‌سازی تانژانت هیپربولیک می‌تواند خصوصیات فیزیکوشیمیایی برش‌های سرخ‌شده بادمجان را پیش‌بینی نماید.نتیجه‌گیری: پوشش حاوی 1.5 درصد صمغ دانه ریحان باعث حفظ رطوبت و کاهش جذب روغن توسط نمونه‌های سرخ‌شده گردید و این پوشش به‌عنوان پوشش خوراکی مناسب برای پوشش‌دهی برش‌های بادمجان قبل از فرآیند سرخ کردن، توصیه می‌شود. نتایج آزمون آنالیز حساسیت نشان داد که تغییر غلظت صمغ دانه ریحان بیشترین تأثیر را بر شاخص روشنایی و سپس بر روی مقدار روغن برش‌های بادمجان سرخ‌شده دارد. همچنین تغییر دمای سرخ‌کن نیز بیشترین تأثیر را بر شاخص روشنایی نمونه‌های سرخ‌شده داشت. تفاصيل المقالة

حرية الوصول المقاله

53 - مدل سازی فرآیند خشک کردن هلو توسط خشک کن فروسرخ به روش الگوریتم ژنتیک
فخرالدین صالحی سیدحسین حسینی قابوس

مقدمه: به دلیل بهره‌وری پایین انرژی و مدت‌زمان طولانی خشک‌کردن محصولات کشاورزی با روش‌های متداول، استفاده از روش‌های نوین نظیر پرتودهی فروسرخ لازم است مورد بررسی قرار گیرد. مواد و روش‌ها: در این مطالعه جهت خشک‌کردن و افزایش زمان ماندگاری هلو، از روش پرتودهی فروسرخ استف أکثر

مقدمه: به دلیل بهره‌وری پایین انرژی و مدت‌زمان طولانی خشک‌کردن محصولات کشاورزی با روش‌های متداول، استفاده از روش‌های نوین نظیر پرتودهی فروسرخ لازم است مورد بررسی قرار گیرد. مواد و روش‌ها: در این مطالعه جهت خشک‌کردن و افزایش زمان ماندگاری هلو، از روش پرتودهی فروسرخ استفاده گردید. اثر توان لامپ فروسرخ در سه سطح 150، 250 و 375 وات، فاصله نمونه از لامپ در سه سطح 5، 5/7 و 10 سانتی‌متر و در فاصله زمانی 1 دقیقه‌ای تا مدت زمان 120 دقیقه بر خشک‌کردن هلو مورد بررسی قرار گرفت. مدل‌سازی فرآیند به روش الگوریتم ژنتیک - شبکه عصبی مصنوعی با 3 ورودی (توان لامپ، فاصله لامپ و زمان) و 1 خروجی (کاهش وزن) انجام شد. یافته‌ها: نتایج خشک‌کردن هلو به روش فروسرخ نشان داد با افزایش توان لامپ و کاهش فاصله نمونه‌ها از منبع حرارتی، سرعت خشک‌کردن افزایش می‌یابد. با افزایش توان لامپ فروسرخ از 150 به 375 وات مقدار کاهش وزن از 4/39 به 50/87 درصد افزایش یافت. با افزایش فاصله لامپ 250 وات از 5 به 10 سانتی‌متر، درصد کاهش وزن از 6/87 به 5/73 درصد برای نمونه هلو کاهش یافت. نتایج مدل‌سازی به روش الگوریتم ژنتیک - شبکه عصبی مصنوعی نشان داد شبکه‌ای با تعداد 13 نرون در یک لایه پنهان و با استفاده از تابع فعال‌سازی تانژانت هیپربولیک می‌تواند درصد کاهش وزن در طی فرآیند خشک‌کردن هلو به روش فروسرخ را پیشگویی نماید (9990/0R=). نتیجه‌گیری: نتایج آنالیز حساسیت توسط شبکه عصبی بهینه نشان داد که زمان خشک‌کردن به‌عنوان مؤثرترین عامل در کنترل کاهش وزن برش‌های هلو می‌باشد. تفاصيل المقالة

حرية الوصول المقاله

54 - Prediction of Drying Time and Moisture Content of Wild Sage Seed Mucilage during Drying by Infrared System Using GA-ANN and ANFIS Approaches
Ghazale Amini Fakhreddin Salehi Majid Rasouli

10.30495/jfbt.2023.70837.10302

This study investigated the use of an adaptive neuro-fuzzy inference system (ANFIS) and genetic algorithmartificial neural network (GA-ANN) for the prediction of drying time and moisture content of wild sage seed mucilage (WSSM) in an infrared (IR) dryer. These models ( أکثر

This study investigated the use of an adaptive neuro-fuzzy inference system (ANFIS) and genetic algorithmartificial neural network (GA-ANN) for the prediction of drying time and moisture content of wild sage seed mucilage (WSSM) in an infrared (IR) dryer. These models (ANFIS and GA-ANN) were fed with three inputs of IR radiation intensity (150, 250, and 375 W), the distance of mucilage from the lamp surface (4, 8, and 12 cm), mucilage thickness (0.5, 1, and 1.5 cm) for prediction of average drying time. Also, to predict the moisture content, these models were fed with 4 inputs IR power, lamp distance, mucilage thickness, and treatment time. The GAANN model structure that used 4 hidden neurons, and modeled the drying time of WSSM with a correlation coefficient (r) of 0.984. Also, the GAANN model with 9 neurons in one hidden layer, predicts the moisture content with a high r-value (r=0.999). The calculated r-values for the prediction of drying time and moisture content using the ANFIS-based subtractive clustering algorithm were 0.925 and 0.998, respectively, that shows a higher correlation among predicted data and experimental data. Sensitivity analysis results demonstrated that IR intensity and mucilage distance were the main factors for the prediction of drying time and moisture content of WSSM drying, respectively. In summary, the GAANN approach performs better than the ANFIS approach and this method can be applied to relevant IR drying process with satisfactory results. تفاصيل المقالة

حرية الوصول المقاله

55 - Prediction of Methyl Salicylate Effects on Pomegranate Fruit Quality and Chilling Injuries using Adaptive Neuro-Fuzzy Inference System and Artificial Neural Network
M. Sayyari F. Salehi D. Valero

Adaptive neuro-fuzzy inference system (ANFIS) and genetic algorithmartificial neural network (GA-ANN) were investigated for predicting methyl salicylate (MeSA) effects on chilling injuries and quality changes of pomegranate fruits during storage. Fruits were treated wit أکثر

Adaptive neuro-fuzzy inference system (ANFIS) and genetic algorithmartificial neural network (GA-ANN) were investigated for predicting methyl salicylate (MeSA) effects on chilling injuries and quality changes of pomegranate fruits during storage. Fruits were treated with MeSA at three concentrations(0, 0.01 and 0.1 mM) and stored under chilling temperature for 84 days. ANFIS and GA-ANN models were used to predict the effect of MeSA application and storage time (0, 14, 28, 42, 56, 70 and 84 days) on chilling injuries, quality parameters and physiological changes of pomegranate during storage. The GA-ANN and ANFIS were fed with 2 inputs of MeSA and time. The developed GAANN, which included 20 hidden neurons, could predict physiological changes and quality parameters of pomegranate fruit (weight loss, pH, titratable acidity, chilling injury index, ion leakage, ethylene, respiration, polyphenols, anthocyanins, total antioxidant activity) with average correlation coefficient of 0.89. The overall agreement between ANFIS predictions and experimental data was also significant (r=0.87).In addition, sensitivity analysis results showed that storage time was the most sensitive factor for prediction of MeSA effects on pomegranate fruit quality attributes during postharvest storage. تفاصيل المقالة

حرية الوصول المقاله

56 - 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

57 - بهینه‌سازی پارامترهای طراحی زهکش زیرزمینی باهدف کاهش خسارات محیط زیستی
حامد مازندرانی زاده رحیمه زاوش پرگو پیمان دانشکار آراسته

10.22034/jest.2019.10727

زمینه و هدف: قطر، عمق کارگذاری و فواصل لوله‌های زهکش سه متغیر اساسی در طراحی شبکه‌های زهکش زیرزمینی می‌باشند. پساب خروجی از شبکه‌های زهکشی می‌تواند اثرات مخرب زیادی بر محیط‌زیست بر جای بگذارد. انتخاب مناسب متغیرهای طراحی فوق می‌تواند به کاهش خسارت محیطزیستی کمک نماید. ه أکثر

زمینه و هدف: قطر، عمق کارگذاری و فواصل لوله‌های زهکش سه متغیر اساسی در طراحی شبکه‌های زهکش زیرزمینی می‌باشند. پساب خروجی از شبکه‌های زهکشی می‌تواند اثرات مخرب زیادی بر محیط‌زیست بر جای بگذارد. انتخاب مناسب متغیرهای طراحی فوق می‌تواند به کاهش خسارت محیطزیستی کمک نماید. هدف از این مقاله، ارایه مدلی به‌منظور انتخاب بهینه پارامترهای طراحی سیستم زهکشی زیرزمینی با هدف کاهش خسارات محیطزیستی ناشی از تخلیه پساب به محیط‌زیست است، به نحوی پس از تخلیه زهاب، غلظت شوری رودخانه از حد مجاز قابل‌قبول بیش‌تر نشود. روش بررسی: به این منظور بیشینه نمودن اختلاف شوری زهاب خروجی و حد مجاز غلظت قابل تخلیه به رودخانه به‌عنوان تابع هدف مدل در نظر گرفته شد. مدل بهینه‌سازی الگوریتم ژنتیک ([1]GA) که یکی از انواع الگوریتم‌های تکاملی است مورداستفاده قرار گرفت، همچنین به منظور شبیه‌سازی انتقال شوری از مدل هوخهات استفاده شد. در مدل هوخهات انتقال آب به زهکش در دو بخش بالا و پایین سطح زهکش به‌صورت مجزا و با شوری‌های متفاوت مدل می‌شود. به‌ منظور ارزیابی مدل پیشنهادی، یکی از واحدهای شرکت کشت و صنعت سلمان فارسی به‌عنوان مطالعه موردی انتخاب شد. برنامه‌نویسی روابط مورد استفاده در این تحقیق شامل تابع شبیه‌سازی انتقال شوری هوخهات و همچنین الگوریتم بهینه‌سازی GA در محیط نرم‌افزار Matlab کد نویسی شده است. یافته‌ها: نتایج نشان می‌دهد عمق کارگذاری لوله‌های زهکش عموماً بر حداقل عمق مجاز نصب منطبق هستند، به‌عبارت‌دیگر ازآن‌جاکه تابع هدف مدل دست‌یابی به حداقل خسارات محیطزیستی است، حداقل عمق نصب به‌عنوان عمق بهینه انتخاب شده است. پارامترهای عمق، قطر و فاصله بهینه به‌دست‌آمده در این مطالعه به ترتیب 3/1، 1/0 و 3/34 متر محاسبه شده است. همچنین نتایج بررسی حساسیت مدل پیشنهادی به تغییر دو فرض اولیه اجرای مدل، حداقل عمق مجاز نصب و عمق تثبیت سطح ایستابی نشان می‌دهد با افزایش حداقل عمق مجاز نصب فاصله زهکش‌ها افزایش یافته و کاهش عمق تثبیت سطح ایستابی باعث افزایش فواصل زهکش‌ها و افزایش غلظت زهاب تخلیه‌شده به محیط‌زیست می‌شود. بحث و نتیجه‌گیری: در این تحقیق و با استفاده از اطلاعات مطالعه موردی شرکت کشت و صنعت سلمان فارسی، به منظور کاهش خسارت محیطزیستی ناشی از اجرای طرح‌های زهکشی، زهکش‌ها در حداقل عمق مجاز نصب قرار داده شوند. [1]- Genetic Algorithm تفاصيل المقالة

حرية الوصول المقاله

58 - ارائه مدل بهینه برای سامانه مدیریت پسماند شهری با استفاده از الگوریتم ژنتیک مبتنی بر منطق فازی ( مطالعه موردی : شهر تهران)
منیره آهنی رضا ارجمندی حسن هویدی جمال قدوسی محمد رضا میری لواسانی

10.30495/jest.2019.31778.4009

زمینه و هدف : در سال های اخیر انواع مدل ها به منظور ارزیابی زیرسامانه های مدیریت پسماند شهر تهران و انتخاب گزینه برتر مدیریت پسماند مورد بررسی و استفاده قرار گرفته اند. ولی همچنان معضل دفع نهایی پسماند شهر تهران از مسایل مهم مرتبط با مدیریت محیط زیستی این کلان شهر می با أکثر

زمینه و هدف : در سال های اخیر انواع مدل ها به منظور ارزیابی زیرسامانه های مدیریت پسماند شهر تهران و انتخاب گزینه برتر مدیریت پسماند مورد بررسی و استفاده قرار گرفته اند. ولی همچنان معضل دفع نهایی پسماند شهر تهران از مسایل مهم مرتبط با مدیریت محیط زیستی این کلان شهر می باشد. هدف از تحقیق حاضر ارایه یک مدل به منظور تخصیص مقادیر بهینه سالانه پسماند تهران به زیر سامانه های مدیریت پسماند در جهت رسیدن به بیش ترین بهره وری، کاهش هزینه و افزایش درآمد سامانه خواهد بود.روش بررسی : ابتدا با مراجعه به مجتمع آرادکوه تهران و مصاحبه حضوری با کارشناسان و با استفاده از اطلاعات ثبت شده در مجتمع آرادکوه داده های مورد نیاز تحقیق جمع آوری گردید. سپس مدل پیشنهادی تحقیق به منظور تخصیص مقادیر بهینه سالانه پسماند با در نظرگرفتن تمامی قیود به 5 زیرسامانه بازیافت، کمپوست هوازی، هاضم بی هوازی، زباله سوز، دفن بهداشتی با استفاده از الگوریتم ژنتیک مبتنی بر منطق فازی با هدف کاهش هزینه کل سامانه مدیریت پسماند شهری در محیط متلب اجرا و نتایج آن تجزیه و تحلیل شد .بافته ها: نتایج قابل توجه تحقیق حاضر نشان داد با افزایش میزان ظرفیت زیر سامانه های دارای هزینه کمتر و سودآوری بیش تر، سامانه الزاما به سمت بهینه تر شدن میل نخواهد کرد و مقادیر پسماند تخصیص داده شده به میزان 750000، 960000، 182000، 325000، 780000 تن در سال به زیر سامانه های بازیافت، کمپوست هوازی، هاضم بی هوازی، زباله سوز و دفن بهداشتی به ترتیب به عنوان بهینه ترین حالت برآورد شد.بحث و نتیجه گیری : با توجه به نتایج مدل بهینه پیشنهادی تحقیق، لازم است جریان و روند تخصیص بهینه پسماند سالانه شهر تهران به زیر سامانه های بازیافت، کمپوست هوازی، هاضم بی هوازی، زباله سوز و دفن بهداشتی با دقت بیش تری جهت افزایش بهره وری سالانه سامانه مدیریت پسماند شهر تهران دنبال شود . تفاصيل المقالة

حرية الوصول المقاله

59 - بهینه‌سازی انرژی و کاهش انتشار گازهای گلخانه‌ای در تولید پرتقال با استفاده از روش تحلیل پوششی داده‌ها و الگوریتم ژنتیک (مطالعه موردی: شهرستان دزفول)
فاطمه سبز علیپور حسین باقرپور

10.30495/jest.2019.33669.4154

زمینه و هدف: صرفه‌جویی در مصرف نهاده ها، حفظ سوخت‌های فسیلی و کاهش آلودگی هوا، از جمله مزیت‌هایی استفاده موثر از انرژی هستند. این پژوهش با هدف بهینه‌سازی انرژی و انتشار گازهای گلخانه‌ای محصول پرتقال در شهرستان دزفول، با کمک دو تکنیک بهینه‌یابی تحلیل پوششی داده‌ها و الگو أکثر

زمینه و هدف: صرفه‌جویی در مصرف نهاده ها، حفظ سوخت‌های فسیلی و کاهش آلودگی هوا، از جمله مزیت‌هایی استفاده موثر از انرژی هستند. این پژوهش با هدف بهینه‌سازی انرژی و انتشار گازهای گلخانه‌ای محصول پرتقال در شهرستان دزفول، با کمک دو تکنیک بهینه‌یابی تحلیل پوششی داده‌ها و الگوریتم ژنتیک چند هدفه اجرا شد.روش بررسی: در این تحقیق داده‌ها از 60 باغدار پرتقال به شکل تصادفی و از طریق مصاحبه حضوری و پرسشنامه‌ای در سال زراعی 1395 جمع‌آوری گردید و با استفاده از دو تکنیک تحلیل پوششی داده‌ها و الگوریتم ژنتیک چندهدفه مورد تجزیه و تحلیل قرار گرفت.یافته ها: با توجه به نتایج حاصل از تکنیک تحلیل پوششی داده‌ها بر اساس مدل‌های بازگشت به مقیاس ثابت و متغیر و روش اندازه‌گیری ورودی محور، میانگین کارایی فنی، کارایی فنی خالص و کارایی مقیاس به ترتیب 95/0، 98/0 و 97/0 به دست آمد. نتایج بهینه‌سازی مصرف انرژی و انتشار گازهای گلخانه‌ای با استفاده از تحلیل پوششی داده‌ها نشان داد که حدود 36/4% از انرژی پرتقال، پتانسیل ذخیره شدن دارد که کودهای شیمیایی و سوخت دیزل بیشترین مقدار انرژی ذخیره شده را از کل انرژی ذخیره شده دارا می‌باشند. همچنین تحلیل پوششی داده‌ها قادر به کاهش 38/34 کیلوگرم کربن دی اکسید بر هکتار از گازهای گلخانه‌ای در محصول پرتقال می‌گردد. نتایج حاصل از الگوریتم ژنتیک نشان داد اگر تمامی نهاده‌ها به صورت کاملا بهینه مصرف شود، می‌تواند انرژی مصرفی در تولید پرتقال در منطقه مورد مطالعه را به میزان 1/26% کاهش دهد که در نتیجه کاهش این عامل ورودی، انتشار گاز گلخانه ای می تواند به میزان قابل توجهی کاهش پیدا بکند. همچنین نتایج نشان داد که میزان انرژی ورودی برای تولید پرتقال در حالت ایده‌آل می‌تواند 61/32810 مگاژول در هکتار باشد.بحث و نتیجه گیری: با توجه به نتایج، استفاده از ماشین‌های نو به جای ماشین‌های فرسوده به‌منظور مصرف سوخت کمتر و همچنین تشویق کشاورزان به انجام آزمون خاک برای تعیین خصوصیات فیزیکی و شیمیایی خاک قبل از مصرف کود‌ها توصیه می‌شود. تفاصيل المقالة

حرية الوصول المقاله

60 - تبیین مدل نظری تولید و توسعه پلان های معماری در تعامل الگوریتم های یادگیری ماشین و ژنتیک
رضا باباخانی آزاده شاهچراغی حسین ذبیحی

10.30495/jest.2022.58808.5295

زمینه و هدف: مساله این پژوهش تبیین مدل نظری در جهت یافتن راهکاری نوین برای تولید و توسعه چیدمان فضایی پلان های معماری مبتنی بر روش های تعاملی و تلفیقی با کمک الگوریتم های یادگیری ماشین و ژنتیک است، در واقع هدف رسیدن به یک مدل نظری است که بیان می دارد الگوریتم های تکاملی أکثر

زمینه و هدف: مساله این پژوهش تبیین مدل نظری در جهت یافتن راهکاری نوین برای تولید و توسعه چیدمان فضایی پلان های معماری مبتنی بر روش های تعاملی و تلفیقی با کمک الگوریتم های یادگیری ماشین و ژنتیک است، در واقع هدف رسیدن به یک مدل نظری است که بیان می دارد الگوریتم های تکاملی به تنهایی مثمر ثمر نیستند، بلکه الگوریتم های یادگیری ماشین می توانند پلان ها را فراگیری کرده و مبنای مدل عملی شوند که به واسطه استفاده از الگوریتم های ژنتیک می توانند توسعه و تولید کننده نمونه های جدید باشند.روش بررسی: در همین راستا روش پژوهش ترکیبی شامل مطالعات کتابخانه ای، گردآوری داده های خام، بررسی نمونه های موردی و استفاده از فرمول های محاسباتی به صورت تابع های هدف و جریمه است.یافته ها: مطالعات این تحقیق نشان می دهد که الگوریتم ژنتیک توانایی حافظه سپاری ندارد و از طرفی مبنای محاسبات آن جهش و تصادفی عمل نمودن است که این فرآیند در تولید پلان های معماری به تنهایی اثربخش نخواهد بود.نتیجه گیری: نتایج پژوهش نشان می دهد که براساس مدل نظری ارائه شده، الگوریتم یادگیری ماشین به واسطه ساختار نمونه پذیر خود می تواند نمونه هایی را ذخیره و بازشناسی نماید و الگوریتم ژنتیک که یک الگوریتم جستجوگر و توسعه پذیر است، هر بار نمونه های بیشتری را از پلان های معماری براساس مدل ریاضی ارائه شده تولید نماید. تفاصيل المقالة

حرية الوصول المقاله

61 - کاهش مصرف انرژی در ساختمان بوسیله بهینه سازی جدار سقف ؛ نمونه موردی: ساختمان مسکونی سه طبقه در شهر شیراز
خسرو موحد پری ناز کشتکاران زهرا برزگر مروستی

10.30495/jest.2022.59492.5326

زمینه و هدف: جداره های ساختمان خارجی ترین پوسته بنا هستند که در معرض مستقیم هوا و تغییرات دما قرار دارند. لذا به لحاظ تبادل حرارت و کنترل مصرف انرژی ساختمان حایز اهمیت می باشند. جدار سقف ساختمان از جنبه تبادل حرارت، نسبت به سایر جداره های بنا از اهمیت بیشتری برخوردار اس أکثر

زمینه و هدف: جداره های ساختمان خارجی ترین پوسته بنا هستند که در معرض مستقیم هوا و تغییرات دما قرار دارند. لذا به لحاظ تبادل حرارت و کنترل مصرف انرژی ساختمان حایز اهمیت می باشند. جدار سقف ساختمان از جنبه تبادل حرارت، نسبت به سایر جداره های بنا از اهمیت بیشتری برخوردار است؛ چراکه به عنوان یک جداره وسیع افقی مساحت و زمان بیشتری را نسبت به سایرجدارها در معرض تابش خورشید و سایرعوامل جوی است؛ و تبادل حرارتی این جداره نسبت به سایر جداره های بنا بیشتر است. این مقاله با هدف کاهش انرژی مصرفی ساختمان در شهر شیراز به وسیله بهینه سازی جداره سقف ساختمان به دنبال پاسخ به این سوال است که: " بهینه ترین حالت آرایش مصالح و بهترین تکنیک غیر فعال سقف در راستای کاهش مصرف انرژی در اقلیم گرم و خشک شیرازکدام است و تا چه اندازه مصرف انرژی را کاهش خواهد داد؟ " روش بررسی: روش تحقیق کمی با استفاده از نرم افزار شبیه ساز انرژی "انرژی پلاس" می باشد. این تحقیق در سال 1398 انجام شده و داده های آب و هوایی شهر شیراز در این بازه زمانی یکساله از سایت انرژی پلاس استخراج شده است. جهت محاسبه انرژی مصرفی بنا، ساختمان انتخابی در نرم افزار انرژی پلاس مدل سازی و جهت پیشنهاد بهینه ترین حالت متغیرهای سقف از الگوریتم ژنتیک استفاده گردید؛ تابع هدف این الگوریتم کمینه سازی مصرف انرژی ساختمان بوده است. یافته ها: در این راستا متغیر های سقف ذیل سه دسته: سیستم غیر فعال انرژی، ویژگی های کالبدی سقف و موقعیت قرارگیری تعریف و روند بهینه سازی توسط الگوریتم ژنتیک و نرم افزار انرژی پلاس صورت گرفت. بحث و نتیجه گیری: نهایتا مدل های بهینه آرایش مصالح سقف ساختمان مسکونی سه طبقه در شهر شیراز ارائه شد. محاسبات شبیه ساز انرژی ساختمان و خروجی تابع هدف الگوریتم ژنتیک نشان داد که بهینه ترین آرایش مصالح سقف مصرف انرژی ساختمان را به میزان 6/9 درصد کاهش میدهد؛ و تکنیک های بهینه طراحی سیستم غیر فعال انرژی شامل: بام سبز، عایق حرارتی، سقف کاذب، به ترتیب 1/9 ، 4/13و 6/12 درصد مصرف انرژی ساختمان را کاهش داده اند. تفاصيل المقالة

حرية الوصول المقاله

62 - کاربرد شبکه عصبی GMDH و الگوریتم ژنتیک در مدل سازی درصد متان موجود در گاز مراکز دفن زباله
محمد جواد ذوقی محمد غمگسار مسلم گنجی سعید فلاحی

10.22034/jest.2016.9534

زمینه و هدف : در این مطالعه از شبکه عصبی GMDH بر اساس الگوریتم ژنتیک جهت پیش بینی درصد متان موجود در گاز دفن گاه زباله در مقیاس آزمایشگاهی، استفاده شده است. جهت تخمین درصد متان موجود در گاز مرکز دفن به وسیله شبکه عصبی GMDH، از مشخصات فاضلاب به عنوان داده های ورودی و از أکثر

زمینه و هدف : در این مطالعه از شبکه عصبی GMDH بر اساس الگوریتم ژنتیک جهت پیش بینی درصد متان موجود در گاز دفن گاه زباله در مقیاس آزمایشگاهی، استفاده شده است. جهت تخمین درصد متان موجود در گاز مرکز دفن به وسیله شبکه عصبی GMDH، از مشخصات فاضلاب به عنوان داده های ورودی و از درصد متان موجود در بیوگاز به عنوان داده خروجی استفاده شده است. پارامترهای ورودی جهت پیش بینی میزان متان موجود در بیوگاز شامل دما، رطوبت، pH، COD و آمونیوم می باشد. روش بررسی: راکتورهای شبیه ساز مرکز دفن زباله که در این مطالعه از آن ها استفاده شده، در دو سیستم متفاوت عمل می کنند. سیستم یک(C1)، فقط شامل راکتور حاوی زباله تازه است، در این سیستم فاضلاب پس از تولید بر روی زباله تازه بازگردانده می شود. سیستم دو(C2)، شامل راکتور حاوی زباله تازه و راکتوری حاوی زباله خوب تجزیه شده است. در این سیستم، فاضلاب پس از خروج از زباله تازه، برروی راکتور حاوی زباله خوب تجزیه شده تخلیه و سپس بر روی زباله تازه بازگردانده می شود. در دو سیستم، پارامترهای کیفی فاضلاب و درصد متان موجود در بیوگاز راکتورها به مدت 132 روز پایش شده است. یافته ها: نتایج مطالعه نشان می دهد، شبکه عصبی GMDH در پیش بینی درصد متان موجود در بیوگاز دارای عملکرد بالایی می باشد به طوری که ضریب همبستگی در داده های آموزش و تست به ترتیب برابر 98/0 و 99/0 برآورد می گردد. بحث و نتیجه گیری: با توجه به کارائی بالای شبکه عصبی GMDH در پیش بینی درصد متان موجود در بیوگاز، می توان از این مدل جهت طراحی بهینه سیستم های جمع آوری و تصیه گاز مراکز دفن زباله، و همچنین برای حصول اطمینان از نتایج پایش و کاهش هزینه پایش استفاده کرد. تفاصيل المقالة

حرية الوصول المقاله

63 - بررسی و بهینه‌سازی پارامترهای مؤثر بر تولید توان ماکزیمم از مزارع بادی در زمین هموار
ایوب فرجی پور فرامرز فقیهی رضا شریفی

10.22034/jest.2018.12470

زمینه و هدف: باد منبعی از انرژی پاک، فراوان و به طور کامل تجدید‌پذیر می باشد. مزارع بادی بزرگ در حال احداث در سراسر جهان به‌عنوان یک راه پاک برای تولید برق می باشد، اما اپراتورها هنوز به دنبال موثرترین آرایش توربین های بادی در مزرعه بادی برای به حداکثر رساندن جذب انرژی أکثر

زمینه و هدف: باد منبعی از انرژی پاک، فراوان و به طور کامل تجدید‌پذیر می باشد. مزارع بادی بزرگ در حال احداث در سراسر جهان به‌عنوان یک راه پاک برای تولید برق می باشد، اما اپراتورها هنوز به دنبال موثرترین آرایش توربین های بادی در مزرعه بادی برای به حداکثر رساندن جذب انرژی باد هستند. بهینه‌سازی جانمایی مزارع بادی یکی از راه‌های افزایش توان خروجی مزرعه بادی می‌باشد. روش بررسی: در این مقاله از الگوریتم ژنتیک برای به حداکثر رساندن انرژی خروجی مورد انتظار، استفاده شده است. هدف الگوریتم‌ژنتیک، بهینه‌سازی آرایش مزرعه بادی از نظر مکان، ارتفاع مبتنی بر هاب و قطر روتور توربین&zwj;ها، برای جذب حداکثر انرژی باد و کاهش اثر سایه می باشد. مدل پیشنهادی با دو سناریو از سرعت باد و جهت توزیع آن از سایت بادی در زمین صاف نشان داده شده است. یافته‌ها: نتایج مطالعه حاضر با نتایج مطالعات پیشین مقایسه شده است. نتایج نشان می دهد که با بهینه‌سازی آرایش مزرعه بادی از نظر مکان، ارتفاع مبتنی بر هاب و قطر روتور توربین&zwj;ها به طور هم‌زمان، اجرای بهتری - بر حسب حداکثر مقادیر انرژی خروجی مورد انتظار و کاهش اثر سایه - از استراتژی های موجود که فقط به بهینه‌سازی یک یا دو مورد از پارامترها بطور هم‌زمان می‌پرداختند، را در بر دارد. نتیجه‌گیری: استفاده از توربین‌های بادی با ارتفاع هاب و قطر روتور متفاوت در یک مزرعه بادی در واقع مزایای کاهش اثر سایه و جذب حداکثر انرژی باد را دارد. تفاصيل المقالة

حرية الوصول المقاله

64 - بررسی تاثیر سیاست سرمایه گذاری بر دستیابی به هدف در طرح حساب بازنشستگی فردی
محمد علی کمالی عزت الله عباسیان رضا تهرانی مجتبی میرلوحی

اتخاذ تصمیمات سرمایه گذاری صحیح در بلندمدت وابسته به سیاست سرمایه گذاری تعیین شده است. عمده اختلاف بازده سرمایه‌گذاری ها در طول زمان نیز ناشی از تفاوت در الگوی تخصیص دارایی ها است. با توجه به تاثیر سیاست سرمایه گذاری بر بازده سرمایه گذاری ها، در این پژوهش سیاست بهینه سر أکثر

اتخاذ تصمیمات سرمایه گذاری صحیح در بلندمدت وابسته به سیاست سرمایه گذاری تعیین شده است. عمده اختلاف بازده سرمایه‌گذاری ها در طول زمان نیز ناشی از تفاوت در الگوی تخصیص دارایی ها است. با توجه به تاثیر سیاست سرمایه گذاری بر بازده سرمایه گذاری ها، در این پژوهش سیاست بهینه سرمایه گذاری بلندمدت توسط افراد در طرح حساب بازنشستگی فردی مورد بررسی قرار گرفته است.تامین درآمد مناسب در دوران بازنشستگی هدف مشارکت کنندگان طرح حساب بازنشستگی فردی است. دو سیاست بیشینه سازی ثروت در زمان بازنشستگی و بیشینه‌سازی مستمری در دوران بازنشستگی در طرح مزبور قابل اتخاذ است. در این پژوهش از الگوریتم ژنتیک در حل تابع های هدف مرتبط با سیاست های بیان شده با توجه به پیچیدگی محاسباتی آن ها استفاده شده است. مطابق نتایج پژوهش، سیاست بیشینه سازی مستمری در دوران بازنشستگی ماهیت انباشت بیشتر ثروت و کنترل مناسب تر نوسانات اقتصاد را دارد و به عنوان سیاست بهینه پیشنهاد شده است. تفاصيل المقالة

حرية الوصول المقاله

65 - تعیین روش بهینه پیش بینی درماندگی مالی شرکت ها (مطالعه موردی: شرکت های بورس اوراق بهادار تهران)
منصور صوفی مهدی همایون فر مهدی فدایی

یکی از مهم‌ترین موضوعات مطرح در حوزه مدیریت مالی، آن است که سرمایه‌گذاران فرصت‌های مطلوب سرمایه‌گذاری را از فرصت‌های نامطلوب تشخیص دهند. در راستا، ‌یکی از راه‌های کمک به سرمایه‌گذاران ارائه‌ی مدل‌های پیش‌بینی درماندگی مالی شرکت‌ها است. با توجه به مطالعات مختلفی که برای أکثر

یکی از مهم‌ترین موضوعات مطرح در حوزه مدیریت مالی، آن است که سرمایه‌گذاران فرصت‌های مطلوب سرمایه‌گذاری را از فرصت‌های نامطلوب تشخیص دهند. در راستا، ‌یکی از راه‌های کمک به سرمایه‌گذاران ارائه‌ی مدل‌های پیش‌بینی درماندگی مالی شرکت‌ها است. با توجه به مطالعات مختلفی که برای توسعه این دسته از مدل‌ها انجام گرفته‌اند، در پژوهش حاضر از ترکیب تکنیک‌های شبکه‌ عصبی مصنوعی و الگوریتم ژنتیک بر مبنای نسبت‌های پیش‌بینی زیمنسکی برای مدل‌سازی پیش-بینی درماندگی مالی استفاده شده است. جامعه آماری تحقیق، شامل شرکت‌های سهامی عام حاضر در بورس اوراق بهادار تهران است که طی دوره زمانی مهر 1392 تا مهر 1394 در بورس فعالیت داشته‌اند که از میان آنها، 66 شرکت درمانده و 150 شرکت سالم با روش غربال‌سازی به‌عنوان نمونه‌‌ انتخاب شده‌اند. نتایج نشان می‌دهند که شبکه عصبی و الگوریتم ژنتیک در پیش‌بینی درماندگی مالی از قدرت برابر (95 درصد) برخوردارند، با این وجود، خطای پیش‌بینی در شبکه عصبی در مقایسه با الگوریتم ژنتیک پایین‌تر است. تفاصيل المقالة

حرية الوصول المقاله

66 - بهینه سازی پورتفوی سرمایه گذاری مبتنی بر ماتریس شبکه و مقایسه آن با الگوی ترکیبی فازی عصبی و الگوریتم ژنتیک (ANFIS)
علی شیدائی نرمیقی فریدون رهنمای رودپشتی رضا رادفر

چندین سال است که پژوهشگران به بررسی و تحقیق درباره مسائل مربوط به بهینه سازی سبد سرمایه گذاری پرداخته اند . یکی از موضوعات اصلی مشخص کردن روش بهینه سازی است که به تشکیل سبد سرمایه گذاری بهینه یعنی حداقل نمودن ریسک سرمایه گذاری و حداکثر کردن سود سرمایه گذاری می باشد. هدف أکثر

چندین سال است که پژوهشگران به بررسی و تحقیق درباره مسائل مربوط به بهینه سازی سبد سرمایه گذاری پرداخته اند . یکی از موضوعات اصلی مشخص کردن روش بهینه سازی است که به تشکیل سبد سرمایه گذاری بهینه یعنی حداقل نمودن ریسک سرمایه گذاری و حداکثر کردن سود سرمایه گذاری می باشد. هدف پژوهش حاضر بررسی قابلیت راهبرد ماتریس شبکه و مدل فازی عصبی ژنتیک (ANFIS) در بهینه سازی سبد سرمایه گذاری از بین شرکت های بورس اوراق بهادار تهران است. گروه بندی سهام بوسیله ماتریس شبکه مبتنی بر متغییرهای نوین شامل سهام تهاجمی ، بی تفاوت و تدافعی که توسط رهنمای رودپشتی (1388) ارائه شده و متغییرهای سنتی شامل سهام رشدی ، رشدی ارزشی و ارزشی و دسته بندی شرکت ها براساس ارزش بازار آنها و استفاده از قانون چارک ها و در نهایت وزن دهی آنها متناسب با بازدهی آن سهم در نظرگرفته می شود. نسبت به طراحی و ارائه یک مدل بهینه سازی سبد سرمایه گذاری سهام با استفاده از سیستم استنتاج عصبی فازی انطباقی و ترکیب آن با الگوریتم ژنتیک (ANFIS) پرداخته شده است که در آن از دو دسته مختلف متغیرهای فنی و بنیادی به‌عنوان ورودی‌های مدل استفاده می‌شود. خروجی‌های تحقیق نشان می دهد این سیستم‌ها از توانایی لازم برای بهینه سازی سبد سهام برخوردار می‌باشند. بنابراین یک مدل ترکیبی شبکه های عصبی و تئوری استدلال فازی همراه با الگوریتم ژنتیک به منظور وزن دهی عامل های موثر در بهینه سازی سبد سهام در 7 سال منتهی به سال 1398 بکار گرفته شده است. تفاصيل المقالة

حرية الوصول المقاله

67 - پیش بینی شاخص های مالی شرکت ها با استفاده از الگوریتم های فرا ابتکاری تخمین زن میانگین شرطی و ژنتیک
ابراهیم علی زاده حمیدرضا وکیلی فرد محسن حمیدیان

چکیدهپیش بینی وضعیت مالی شرکت ها مبتنی بر شاخص های مالی یکی از مهم ترین موضوعات مورد توجه سرمایه گذاران، اعتبار دهندگان و دیگر ذی نفعان شرکت نظیر عرضه کنندگان یا خرده فروشان است. چرا که، ارزیابی وضعیت مالی یک شرکت پیش از اینکه به هرگونه تصمیم گیری در زمینه سرمایه گذاری أکثر

چکیدهپیش بینی وضعیت مالی شرکت ها مبتنی بر شاخص های مالی یکی از مهم ترین موضوعات مورد توجه سرمایه گذاران، اعتبار دهندگان و دیگر ذی نفعان شرکت نظیر عرضه کنندگان یا خرده فروشان است. چرا که، ارزیابی وضعیت مالی یک شرکت پیش از اینکه به هرگونه تصمیم گیری در زمینه سرمایه گذاری یا اعطای وامی منجر شود برای پیش گیری از زیان ضروری به نظر می رسد. این پژوهش با هدف پیش بینی شاخص های مالی شرکت ها با استفاده از روش تخمین زن میانگین شرطی و الگوریتم ژنتیک به انجام رسید. روش پژوهشDM-CRISP بوده و داده های مالی 130 شرکت بورسی طی 10 سال از 1388 تا 1397 تحلیل گردید. نتایج تحقیق نشان داد که، روش تخمین زن میانگین شرطی از دقت و توانایی بسیار بالایی در مدلسازی برخوردار می باشد. همچنین، استفاده از الگوریتم ژنتیک به صورت تلفیقی دقت پیش بینی را افزایش می دهد. فعالان بازار سرمایه می توانند از نتایج پژوهش جهت پیش بینی بهتر شاخص های مالی و عملکردی شرکت ها استفاده نمایند. تفاصيل المقالة

حرية الوصول المقاله

68 - کاربرد الگوریتم ژنتیک، ازدحام ذرات و شبکه‌های عصبی مصنوعی در پیش‌بینی دستکاری سود
مرتضی حسینعلی‌نژاد سید محمدحسن هاشمی کوچکسرائی علی جعفری

مدیریت سود یکی از موضوعات بحث انگیز در تحقیقات اخیر بوده است. اکثر تحقیقات انجام شده در زمینه مدیریت سود،به بررسی ارتباط خطی متغیرهای مستقل با مدیریت سود و با روش های آماری پرداخته اند اما از این متغیرها برای پیش بینی مدیریت سود استفاده نکرده اند. امروزه با رشد تکنولوژی أکثر

مدیریت سود یکی از موضوعات بحث انگیز در تحقیقات اخیر بوده است. اکثر تحقیقات انجام شده در زمینه مدیریت سود،به بررسی ارتباط خطی متغیرهای مستقل با مدیریت سود و با روش های آماری پرداخته اند اما از این متغیرها برای پیش بینی مدیریت سود استفاده نکرده اند. امروزه با رشد تکنولوژی اطلاعات و با وارد شدن هوش مصنوعی از جمله شبکه های عصبی مصنوعی به حوزه پژوهش های علمی، امکان بررسی روابط غیرخطی بین متغیرها میسر گردیده است. در این پژوهش تلاش شده تا با استفاده از شبکه‌های عصبی مصنوعی، اقلام تعهدی اختیاری برای پیش‌بینی مدیریت سود تخمین زده شود. همچنین در این پژوهش از مدل بهینه‌ساز الگوریتم ژنتیک و ازدحام ذرات برای بهینه‌سازی وزن‌های مدل شبکه عصبی مصنوعی جهت ارتقای توان پیش‌بینی کنندگی استفاده شده است. در ادامه توانایی پیش‌بینی مدیریت سود با استفاده از مدل آماری جونز تعدیل‌شده، شبکه عصبی مصنوعی و تکنیک ترکیبی الگوریتم ژنتیک، ازدحام ذرات و شبکه عصبی مورد بررسی قرار گرفت. نمونه مورد استفاده در این پژوهش شامل 150 شرکت پذیرفته شده در بورس اوراق بهادار تهران بین سال-های 1394 الی 1399 بوده است. یافته‌های پژوهش نشان داد که شبکه عصبی مصنوعی از توانایی بالایی در پیش-بینی مدیریت سود، نسبت به مدل خطی جونز تعدیل شده برخوردار است. همچنین یافته‌ها حاکی از آن است که دقت و توانایی مدل ترکیبی الگوریتم ژنتیک، ازدحام ذرات و شبکه عصبی در پیش بینی مدیریت سود از مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی بیشتر است. تفاصيل المقالة

حرية الوصول المقاله

69 - بررسی سودمندی الگوریتمهای فراابتکاری در بهینه سازی ریسک یکپارچه نظام بانکی
اسکندر وزیری فرهاد دهدار محمدرضا عبدلی

این پژوهش با هدف ارزیابی ریسک یکپارچۀ نظام بانکی از طریق الگوریتم های فراابتکاری گرگ خاکستری، ژنتیک و ازدحام ذرات به رشتۀ تحریر در آمده است. این پژوهش از لحاظ هدف از نوع تحقیقات کاربردی و بر اساس ماهیت و روش از نوع همبستگی است. گردآوری داده‌ها، از راه مطالعات کتابخانه‌ا أکثر

این پژوهش با هدف ارزیابی ریسک یکپارچۀ نظام بانکی از طریق الگوریتم های فراابتکاری گرگ خاکستری، ژنتیک و ازدحام ذرات به رشتۀ تحریر در آمده است. این پژوهش از لحاظ هدف از نوع تحقیقات کاربردی و بر اساس ماهیت و روش از نوع همبستگی است. گردآوری داده‌ها، از راه مطالعات کتابخانه‌ای، مقالات و سایت‌ها در قالب قیاسی و گردآوری اطلاعات برای رد و تأیید فرضیات از راه استقرایی انجام‌ گردیده است. جامعه آماری این تحقیق،نظام بانکی و نمونه مورد مطالعه شامل بانکهای پذیرفته شده در بورس اوراق بهادار تهران طی سالهای مالی1392 تا 1397 می‌باشد. به منظور گردآوری داده‌های موردنیاز، از بانک داده های مالی وزارت امور اقتصادی و دارایی ،سایت کدال و... استفاده شده است. پس از استخراج اطلاعات، و تنظیم آنها در قالب مدل ریسک یکپارچه، تابع هدف و محدودیت‌ها در نرم‌افزار MATLAB وارد شده و متغیرهای ریسک و بازده با استفاده از الگوریتم‌های فراابتکاری ازدحام ذرات، ژنتیک و گرگ خاکستری به دست آمدند و به مقایسه نتایج آنها از طریق نرم‌افزار SPSS 16 پرداختیم. پس از بررسی نتایج حاصل از مقایسۀ شاخصهای ارزیابی الگوریتم‌ها مشخص گردید که الگوریتم گرگ خاکستری کارامدی بهتری را در بهینه‌سازی تابع هدف ارائه می‌دهد. همچنین با بررسی فرضیات تحقیق مشخص گردید که الگوریتم های ازدحام ذرات و ژنتیک از کارآمدی همسانی برای ارزیابی ریسک یکپارچۀ نظام بانکی برخوردار هستند و الگوریتم گرگ خاکستری نسبت به الگوریتم های توده ذرات و ژنتیک، ثبات و همگرایی بهتر و زمان اجرای کمتری داشته و شاخصهای ارزیابی بهتری را در حل مسئله ارائه می‌دهد. تفاصيل المقالة

حرية الوصول المقاله

70 - ارائه مدل ترکیبی فراابتکاری در بازار فارکس برای بهینه‌سازی راهبردهای سرمایه‌گذاری مبتنی بر پیش‌بینی روند بازار
علیرضا صادقی مهدی معدنچی زاج امیر دانشور

تعیین استراتژی مناسب برای خرید یا فروش در بازار ارز خارجی برای شرکت‌ها به‌ منظور پوشش نوسانات نرخ ارز نسبت به واحد پول ملی اهمیت زیادی دارد. این تحقیق رویکرد جدیدی را بر اساس الگوریتم‌های ژنتیک و ماشین بردار پشتیبان به منظور معامله در بازار ارز خارجی را پیشنهاد می‌دهد. أکثر

تعیین استراتژی مناسب برای خرید یا فروش در بازار ارز خارجی برای شرکت‌ها به‌ منظور پوشش نوسانات نرخ ارز نسبت به واحد پول ملی اهمیت زیادی دارد. این تحقیق رویکرد جدیدی را بر اساس الگوریتم‌های ژنتیک و ماشین بردار پشتیبان به منظور معامله در بازار ارز خارجی را پیشنهاد می‌دهد. در این تحقیق، یک الگوریتم جدید با قابلیت تولید قواعد تکنیکال برای سرمایه‌گذاری مبتنی بر قطعیت پیش‌بینی‌ها ارائه شده است. برای پیش‌بینی، از ترکیب الگوریتم‌ ماشین بردار پشتیبان ترکیبی (HSVM) برای طبقه بندی بازار در سه کلاس مختلف ( روند صعودی، روند نزولی، بدون روند) و یک الگوریتم پویای ژنتیک برای بهینه‌سازی قواعد معاملاتی مبتنی بر چندین شاخص تکنیکال مختلف استفاده شده است.داده‌های جفت ارز ریال به دلار، در یک بازه زمانی بین سال‌های 92 تا 98 به عنوان داده‌های آموزش و آزمون استفاده می‌شود. معماری پیشنهادی برای یادگیری ماشینی، همچنین پیاده‌سازی و مطالعه سیستم معاملاتی پیشنهادی به‌طور کامل شرح داده شده است. تحقیق، نتایج امیدوارکننده‌ای را در طول دوره آزمون نشان می‌دهد که در آن بازده سرمایه گذاری 129 درصد بوده است. تفاصيل المقالة

حرية الوصول المقاله

71 - بهینه‌سازی الگوریتم معاملات زوجی پربسامد با استفاده از تلفیق الگوریتم ژنتیک و کنترل فرایند آماری فازی
مجتبی دستوری سعید مرادپور

در پژوهش حاضر مسئله اصلی بهبود عملکرد الگوریتم معاملات زوجی پربسامد با استفاده از تلفیق الگوریتم ژنتیک و کنترل فرایند آماری فازی است. برای این منظور دو فرضیه توسعه داده شده است. جامعه آماری شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران هستند که نمونه آماری به‌واسطه نی أکثر

در پژوهش حاضر مسئله اصلی بهبود عملکرد الگوریتم معاملات زوجی پربسامد با استفاده از تلفیق الگوریتم ژنتیک و کنترل فرایند آماری فازی است. برای این منظور دو فرضیه توسعه داده شده است. جامعه آماری شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران هستند که نمونه آماری به‌واسطه نیاز به معاملات پربسامد از 50 شرکت برتر محدود شده و از این میان 33 سهم در 9 صنعت انتخاب شدند. پس از پیاده‌سازی سه روش پایه، کنترل فرایند آماری فازی و روش ترکیبی ژنتیک الگوریتم - کنترل فرایند آماری فازی نتایج عملکرد روش‌ها با یکدیگر مقایسه شدند. نتایج نشان داد، در روش پایه 100/43% بازده، در روش کنترل فرایند آماری فازی 28/55% بازده و در روش ترکیبی ژنتیک الگوریتم - کنترل فرایند آماری فازی میانگین بازده 59/63% کسب شده است. در آزمون تی صورت‌گرفته بین بازده حاصل از روش‌های پایه و کنترل فرایند آماری فازی و همچنین روش‌های پایه و روش ترکیبی ژنتیک الگوریتم - کنترل فرایند آماری فازی تفاوت آماری معنی‌داری وجود دارد. بر اساس نتایج مدل کنترل فرایند آماری فازی و الگوریتم ژنتیک که افزایش قابل تأملی نسبت به مدل‌های پیشین در افزایش متوسط بازدهی داشته است. تفاصيل المقالة

حرية الوصول المقاله

72 - ارزیابی عملکرد تخمین زننده‌های ارزش در معرض خطر با استفاده از الگوریتم ژنتیک
سید علی نبوی چاشمی حمزه پورباباگل احمد داداش پورعمرانی

یکی از پرکاربردترین سنجه‌های ریسک، ارزش در معرض خطر(var) می‌باشد که کاربرد آن به شدت از دهه 1990 به بعد افزایش یافته است. به موازات افزایش کاربرد ارزش در معرض خطر در حوزه مدیریت ریسک، اعتبارسنجی تخمین زننده‌های var نیز از اهمیت بسزایی برخوردار شده اند. در اکثر روش‌های ر أکثر

یکی از پرکاربردترین سنجه‌های ریسک، ارزش در معرض خطر(var) می‌باشد که کاربرد آن به شدت از دهه 1990 به بعد افزایش یافته است. به موازات افزایش کاربرد ارزش در معرض خطر در حوزه مدیریت ریسک، اعتبارسنجی تخمین زننده‌های var نیز از اهمیت بسزایی برخوردار شده اند. در اکثر روش‌های رایج پیش آزمایی، بازده نهایی حاصله از کاربرد تخمین زننده در تخمین var در نظر گرفته نمی‌شود، که این مطلب برای سرمایه گذاران با درجه ریسک پذیری بالا نمی‌تواند مطلوب باشد. آنچه که این تحقیق را از سایر تحقیقات انجام پذیرفته در زمینه پیش آزمایی مدل‌های تخمین var، متمایز می‌سازد، در نظر گرفتن همزمان بازده واقعی حاصله از کاربرد تخمین زننده و زیان ایجاد شده به عنوان معیاری از دو شاخص ریسک و بازده می‌باشد که مبنای اصلی در حوزه مطالعات مالی می‌باشند. از طرفی به دلیل نسبی بودن ریسک و بازده از نظر سرمایه گذاران وزن این دو شاخص را فازی در نظر گرفتیم. در این تحقیق به منظور بهینه سازی پرتفوی، از معیار نخست- ایمنی استفاده کرده ایم. به منظور بهینه سازی تابع هدف در این معیار نیازمندیم که کوانتایل بازده پرتفوی ریسکی را تخمین بزنیم که بدین منظور از تخمین زننده‌های رایج var به منظور ارزیابی آنها، بهره بردیم. از طرفی با توجه به غیر محدب بودن تابع var و دلایل دیگر، به منظور بهینه سازی از یکی از معروف ترین الگوریتم‌های فرا ابتکاری یعنی الگوریتم ژنتیک استفاده شده است. یافته‌های تحقیق نشان دهنده محافظه کار بودن روش‌های GEV و HS نسبت به روش‌های پارامتریک می‌باشد. از طرفی روش شبیه سازی تاریخی علی رغم سادگی محاسباتی، بهترین عملکرد را از خود نشان داده است. تفاصيل المقالة

حرية الوصول المقاله

73 - توسعه یک سیستم خبره به‌منظور تشکیل و بروزرسانی سبد سرمایه گذاری با استفاده از تحلیل تکنیکال
سیدحجت وکیلی امیرعباس نجفی سیدبابک ابراهیمی

تحلیل تکنیکال یکی از روش‌های پیش‌‌بینی جهت حرکت قیمت، با استفاده از وضعیت گذشته بازار است. همواره یکی از نقایص تحلیل تکنیکال بررسی امکان سرمایه‌گذاری در چهارچوبی خارج از سبد سهام می‌باشد. در بازارهای مالی این نکته مورد تأیید است که سرمایه‌گذاری در قالب سبد سهام و تنوع‌ب أکثر

تحلیل تکنیکال یکی از روش‌های پیش‌‌بینی جهت حرکت قیمت، با استفاده از وضعیت گذشته بازار است. همواره یکی از نقایص تحلیل تکنیکال بررسی امکان سرمایه‌گذاری در چهارچوبی خارج از سبد سهام می‌باشد. در بازارهای مالی این نکته مورد تأیید است که سرمایه‌گذاری در قالب سبد سهام و تنوع‌بخشی به گزینه‌ها، یکی از راه‌های کاهش ریسک می‌باشد. مقاله حاضر با به کار بردن مبانی و اندیکاتور‌های مهم تحلیل تکنیکال و استفاده از الگوریتم ژنتیک به طراحی یک سیستم خبره پرداخته، تا بتواند سبد سرمایه‌گذاری مناسبی تشکیل و در صورت لزوم آن را در بازه‌های زمانی متفاوت بروزرسانی نماید. به جهت بررسی و اعتبارسنجی این سیستم از داده‌های 12 سهم در بورس اوراق بهادار تهران در بازه زمانی بین 01/03/1392 تا 01/11/1394 که شاخص کل در طول این مدت سیر نزولی مشهودی داشته استفاده ‌شده است. نتایج به‌دست‌آمده نشان می‌دهد که بازده به‌دست‌آمده با استفاده از این سیستم با احتساب هزینه معاملاتی به میزان قابل‌توجهی بیشتر از استراتژی خرید و نگهداری تمام دارایی‌ها، پرتفوهای پیشنهادی حاصل از حل مدل مارکویتز و حتی سود حساب سرمایه‌گذاری در سیستم بانکی می‌باشد. تفاصيل المقالة

حرية الوصول المقاله

74 - ارائه مدلی جهت پیاده‏سازی سرمایه‏گذاری هسته-پیرو در بورس تهران با استفاده از رویکرد ترکیبی الگوریتم‏های دقیق و فراابتکاری
میرفیض فلاح شمس مقصود امیری محمد مهدی بحرالعلوم محسن قره&rlm;خانی

در این تحقیق مدیریت اثربخش دارایی ها با مشخصه کنترل ریسک، کاهش هزینه و دستیابی به بازدهی فراتر از متوسط بازار مورد مطالعه قرار گرفته است. بدین منظور تخصیص بهینه دارایی‌ها به دو بخش هسته و پیرو با لحاظ نمودن درجه ریسک گریزی سرمایه گذار مد نظر قرار گرفت. بخش هسته در پورت أکثر

در این تحقیق مدیریت اثربخش دارایی ها با مشخصه کنترل ریسک، کاهش هزینه و دستیابی به بازدهی فراتر از متوسط بازار مورد مطالعه قرار گرفته است. بدین منظور تخصیص بهینه دارایی‌ها به دو بخش هسته و پیرو با لحاظ نمودن درجه ریسک گریزی سرمایه گذار مد نظر قرار گرفت. بخش هسته در پورتفوی مورد نظر متناظر با یک صندوق شاخصی است که از طریق بکارگیری یک الگوریتم ابتکاری ژنتیک پایه انتخاب و دستیابی به عملکردی مشابه شاخص را به لحاظ ریسک و بازدهی تضمین می نماید. بخش پیرو متشکل از واحدهای صندوق های سرمایه گذاری منتخب است که بصورت فعال مدیریت شده و هدف کسب بازدهی فراتر از شاخص را دنبال می نماید. به منظور شبیه سازی بخشی از داده های مورد نیاز از مدل EGARCH و جهت مدل سازی مسأله هسته پیرو از یک تابع چند هدفه بصورت بیشینه سازی بازدهی مازاد پورتفوی و حداقل نمودن واریانس آن نسبت به شاخص کل استفاده گردید. نتایج حاصل از تجزیه و تحلیل داده ها بر رابطه مستقیم میان درجه ریسک‌گریزی و وزن تخصیص یافته به بخش هسته دلالت دارد. همچنین محاسبات انجام شده دستیابی به بازدهی فراتر از شاخص و توانایی ردیابی مناسب پورتفوی تشکیل شده را مبتنی بر معیارهایی چون همبستگی و ریشه دوم میانگین مربعات خطا با بهره‌گیری از داده های خارج از نمونه به اثبات رساند. تفاصيل المقالة

حرية الوصول المقاله

75 - ارائه رویکردی جدید برای مدیریت فعال پرتفوی وانجام معاملات هوشمند سهام با تاکید بر نگرش انتخاب ویژگی
رضا تهرانی محمد هندیجانی زاده عیسی نوروزیان لکوان

دراین تحقیق سعی گردیده است تا در جهت اجرای نگرش مدیریت فعال پرتفوی، روشی برای انجام معاملات هوشمند براساس قیمت پیش بینی شده سهام در یک بازه زمانی چهار ساله مشخص ارائه گردد. ابتدا با استفاده از روش مارکویتز وزن های هریک از شش سهم پرتفوی شش سهمی ساخته شده در هریک از سال ه أکثر

دراین تحقیق سعی گردیده است تا در جهت اجرای نگرش مدیریت فعال پرتفوی، روشی برای انجام معاملات هوشمند براساس قیمت پیش بینی شده سهام در یک بازه زمانی چهار ساله مشخص ارائه گردد. ابتدا با استفاده از روش مارکویتز وزن های هریک از شش سهم پرتفوی شش سهمی ساخته شده در هریک از سال های بازه زمانی چهار ساله را بدست می آوریم. سپس با استفاده از بیست ودو نماگر تکنیکی (ویژگی های هر سهم) که به عنوان ورودی های الگوریتم ژنتیک به عنوان یک روش انتخاب ویژگی در نظر گرفته شده است،استفاده کرده و با استفاده از دو روش پیش بینی مجاورت نزدیکترین همسایه و شبکه عصبی اقدام به پیش بینی قیمت هر سهم می نماییم. با توجه به قیمت پیش بینی شده برای هرسهم مطابق با روش های پیش بینی شبکه عصبی مبتنی بر الگوریتم ژنتیک و روش مجاورت در نزدیکترین همسایه بر پایه الگوریتم ژنتیک و استراتژی معاملاتی تعریف شده، معاملات هوشمند سهام صورت می پذیرد. استراتژی معاملاتی تعریف شده بر اساس قیمت های پیش بینی شده دارای سیگنال های خروجی (1و0و1-) بوده که به معنای خرید سهم، فروش سهم و یا انجام هیچ گونه عملی تفسیر می گردند. بازده حاصل از پرتفوهای روش های شبکه عصبی مبتنی بر الگوریتم ژنتیک و روش مجاورت در نزدیکترین همسایه بر پایه الگوریتم ژنتیک و پرتفوی خرید و نگه داری به عنوان نماینده رویکرد مدریت غیر فعال پرتفوی در هر یک از چهار سال محاسبه گردید. پرتفوی حاصل از روش شبکه عصبی مبتنی بر الگوریتم ژنتیک دارای بالاترین بازده در دوره چهار ساله را دارا بوده که این خود نشان از برتری رویکرد مدیریت فعال پرتفوی نسبت به رویکرد مدیریت غیر فعال پرتفوی می باشد. تفاصيل المقالة

حرية الوصول المقاله

76 - بهینه سازی سبدسهام براساس حداقل سطح پذیرش ریسک کل و اجزای آن با استفاده از روش الگوریتم ژنتیک
مائده کیانی هرچگانی سیدعلی نبوی چاشمی عرفان معماریان

ریسک و بازده دو عاملی هستند که همواره در حوزه سرمایه گذاری مطرح بوده اند. همزمان با به وجود آمدن مدل هایی جهت بهینه سازی سبد سهام که مهم ترین آن مدل مارکویتز بوده، لزوم شناخت روشهای حل این مدل ها نیز از اهمیت بسزایی برخوردار شده اند. یکی از مهم ترین روش های فراابتکاری ب أکثر

ریسک و بازده دو عاملی هستند که همواره در حوزه سرمایه گذاری مطرح بوده اند. همزمان با به وجود آمدن مدل هایی جهت بهینه سازی سبد سهام که مهم ترین آن مدل مارکویتز بوده، لزوم شناخت روشهای حل این مدل ها نیز از اهمیت بسزایی برخوردار شده اند. یکی از مهم ترین روش های فراابتکاری برای حل مدل های بهینه سازی سبد سهام الگوریتم ژنتیک می باشد، که یکی از اهداف این تحقیق بررسی میزان کارایی آن در بهینه سازی سبد سهام بوده است. بدین منظور در این تحقیق یکبار با استفاده از الگوریتم ژنتیک مرز کارای بهینه را به دست آورده و این مرز کارا را با مرز کارای حاصل از روش حل دقیق مقایسه می کنیم. به منظور دستیابی به این هدف 25 شرکت از شرکت های فعال در بورس اوراق بهادار تهران انتخاب شدند. محاسبات مربوط به تحقیق توسط نرم افزار 7.6Matlabانجام شده است. نتایج تحقیق مبین این مطلب است که مرزکارای بهینه به دست آمده با استفاده از روش الگوریم ژنتیک با مرزکارای حاصل از روش حل دقیق برابر بوده که نشان دهنده کارایی بالای الگوریتم ژنتیک در بهینه سازی سبد می باشد. همچنین در این تحقیق نتایج بیانگر این مطلب است که با مقایسه سبد های بهینه حاصل از حل، با تابع ریسک های سیستماتیک و غیر سیستماتیک، تنوع سهام در سبدهایی با تابع ریسک غیر سیستماتیک بسیار بیشتر از سبدهایی با تابع ریسک سیستماتیک بوده است. تفاصيل المقالة

حرية الوصول المقاله

77 - بهینه‌سازی پرتفوی متشکل از سهام صندوق‌های سرمایه‌گذاری مشترک بورس اوراق بهادار تهران با رویکرد الگوریتم ژنتیک
فریدون رهنمای رودپشتی کاظم چاوشی ابراهیم صابر

گسترش و پیچیدگی روزافزون بازارهای مالی، تصمیم‌گیری در خصوص انتخاب نوع دارایی را برای سرمایه‌گذاران دشوار نموده است؛ از سویی بر اساس نظریه مدرن پرتفوی، متنوع سازی سرمایه گذاری ها می‌تواند منجر به کاهش نوسان ها در عین حفظ متوسط بازده گردد. همچنین با توجه به پیچیده شدن و س أکثر

گسترش و پیچیدگی روزافزون بازارهای مالی، تصمیم‌گیری در خصوص انتخاب نوع دارایی را برای سرمایه‌گذاران دشوار نموده است؛ از سویی بر اساس نظریه مدرن پرتفوی، متنوع سازی سرمایه گذاری ها می‌تواند منجر به کاهش نوسان ها در عین حفظ متوسط بازده گردد. همچنین با توجه به پیچیده شدن و سرعت عوامل تأثیرگذار، تشکیل پرتفوی بهینه با روش‌های سنتی کار دشواری است. هدف این پژوهش بهینه‌سازی پرتفوی متشکل از سهام صندوق‌های سرمایه‌گذاری مشترک با استفاده از الگوریتم ژنتیک و مقایسه آن با روش سنتی می‌باشد و همچنین تأثیر اندازه سبد سرمایه گذاری نیز مورد بررسی قرار گرفته است. برای این منظور، داده های 30 صندوق سرمایه گذاری مشترک فعال در بازار سرمایه ایران در طی سال های 1389 الی 1391 گردآوری شده است. نتایج حاکی از آن است که الگوریتم ژنتیک می‌تواند جهت انتخاب سبد متشکل از سهام صندوق های مشترک به کار رود و با استفاده از آزمون زوجی مشخص شد که سبدهای تشکیل‌شده با استفاده از الگوریتم ژنتیک نسبت به روش سنتی مطلوب‌تر می باشند. همچنین اندازه سبد تأثیر چندانی بر نتایج نداشته و در تمام سطوح، الگوریتم ژنتیک دارای عملکرد بهتری است. ضمناً هرچه تنوع سبد تشکیل‌شده بیشتر و بزرگ‌تر باشد، برتری عملکرد الگوریتم ژنتیک بر روش خطی قابل‌ملاحظه‌تر می شود. تفاصيل المقالة

حرية الوصول المقاله

78 - ارتقای سطح کارائی مدیریت سرمایه گذاری دربازارسرمایه ایران با استفاده ازشبکه عصبی مصنوعی و منطق فازی
حسین عموزادمهدیرجی

تخصیص بهینه منابع مالی یکی ازمهمترین مسا ئل بازار سرمایه است. در یک بازار سرمایه کارا از بعد عملیاتی ،سرمایه در اختیار بهترین گزینه های سرمایه گذاری قرار میگیرد. بنابراین استفاده ازابزارهای مدیریت مناسب جهت کسب بازدهی بیشتر،گامی در راستای کاراترشدن مدیریت معاملات بازارا أکثر

تخصیص بهینه منابع مالی یکی ازمهمترین مسا ئل بازار سرمایه است. در یک بازار سرمایه کارا از بعد عملیاتی ،سرمایه در اختیار بهترین گزینه های سرمایه گذاری قرار میگیرد. بنابراین استفاده ازابزارهای مدیریت مناسب جهت کسب بازدهی بیشتر،گامی در راستای کاراترشدن مدیریت معاملات بازاراست. با توجه به زمینه های استفاده از شبکه های عصبی و منطق فازی در سرمایه گذاری سهام و پیش بینی مالی ،بکارگیری آنها در انتخاب پر تفوی مناسب می تواند نتایج مطلوبی برای سرمایه گذاران در پی داشته باشد.هدف اصلی این پژوهش دستیابی به پرتفوی سرمایه گذاری بهینه دربازارسرمایه بابکارگیری شبکه عصبی مصنوعی ومنطق فازی است. همراه بامدل مارکویتز،ازمدلهای ایجادشده طریق شبکه عصبی مصنوعی ومدل فازی استفاده گردید.از شرکتهای فعال در بورس اوراق بهادارتهران، که از سال 1386الی 1395 دارای بازده مثبت بوده اند برای تشکیل پرتفوی سرمایه گذاری انتخاب شدند.برای ارزیابی پرتفو های پیشنهادی در حالت های مختلف، به مقایسه بازده پرتفو های مختلف بر اساس بازده ماهیانه وسالیانه شرکت های عضووبهینه سازی پرتفوهای پیشنهادی بااستفاده ازالگوریتم ژنتیک پرداخته شده است. این تحقیق نشان میدهدکه استفاده ازمدلهای فازی نسبت به مدلهای مذکوربازدهی بالاتری رابرای سرمایه گذاران فراهم می نماید. تفاصيل المقالة

حرية الوصول المقاله

79 - Solving a Joint Availability-Redundancy Optimization Model with Multi-State Components with Meta-Heuristic
A. H. Borhani Alamdari&lrm;&lrm;&lrm; M. Sharifi

This paper has been worked on a RAP with multi-state components and the performance rate of each component working state may increase by spending technical and organizational activities costs. Whereas RAP belongs to Np-Hard problems, we used Genetic algorithm (GA) and s أکثر

This paper has been worked on a RAP with multi-state components and the performance rate of each component working state may increase by spending technical and organizational activities costs. Whereas RAP belongs to Np-Hard problems, we used Genetic algorithm (GA) and simulated annealing (SA) and for solving the presented problem and calculating system reliability universal generating function (UGF) have been used. تفاصيل المقالة

حرية الوصول المقاله

80 - Hybrid Genetic for the Single-Source Capacitated Multi-Facility Weber Problem
S Jahadi M. Solimanpur

In this paper, we investigate the Single-Source Capacitated Multi-Facility Weber Problem. The aim is to locate several new facilities among existing customers and simultaneously allocate customers to the facilities. A Genetic Algorithm is proposed for solving the proble أکثر

In this paper, we investigate the Single-Source Capacitated Multi-Facility Weber Problem. The aim is to locate several new facilities among existing customers and simultaneously allocate customers to the facilities. A Genetic Algorithm is proposed for solving the problem, in which a local search method is embedded. The proposed Genetic Algorithm is tested on existing data sets to evaluate its robustness over available methods in the literature. تفاصيل المقالة

حرية الوصول المقاله

81 - Solving a Reverse Logistic Model for Multilevel Supply Chain Using Genetic ‎Algorithm
H. Mahmoudi M. Sharifi M. R. Shahriari M. A. Shafiee

In this paper we present a new mathematical model for designing a reverse logistic network. The model is multi-product, multi-level, and multi-period. It minimizes transportation cost, facilities establishing cost, and lowers purchasing from suppliers. The price of prod أکثر

In this paper we present a new mathematical model for designing a reverse logistic network. The model is multi-product, multi-level, and multi-period. It minimizes transportation cost, facilities establishing cost, and lowers purchasing from suppliers. The price of products depends on the cost of purchases and suppliers present different discounts on their product prices. Because the presented problem belongs to Np. Hard problems, we use genetic algorithm to solve it. تفاصيل المقالة

حرية الوصول المقاله

82 - 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

83 - A Hybrid Heuristic Algorithm to Solve Capacitated Location-routing Problem With Fuzzy ‎Demands‎
A. &lrm;Nadizadeh&lrm;&lrm; A. Sadegheih A. Sabzevari &lrm;Zadeh&lrm;

In this paper, the capacitated location-routing problem with fuzzy demands (CLRP-FD) is considered. The CLRP-FD is composed of two well-known problems: facility location problem and vehicle routing problem. The problem has many real-life applications of which some have أکثر

In this paper, the capacitated location-routing problem with fuzzy demands (CLRP-FD) is considered. The CLRP-FD is composed of two well-known problems: facility location problem and vehicle routing problem. The problem has many real-life applications of which some have been addressed in the literature such as management of hazardous wastes and food and drink distribution. In CLRP-FD, a set of customers with fuzzy demands should be supplied by a fleet of vehicles that start and end their tours at a single depot. Moreover, the vehicles and the depots have a limited capacity. To model this problem, a fuzzy chance-constrained programming is designed based on fuzzy credibility theory. To solve the CLRP-FD, a hybrid heuristic algorithm (HHA) including two main phases is proposed. In the first phase, an initial population of solutions is generated by the greedy clustering method (GCM) obtained from the literature of the problem, while in the second phase, a genetic algorithm is applied for further improvement of the solutions of first phase. While the first phase of the HHA consists of four steps, the second phase includes two main steps. To achieve the best value of the major parameter of the model, named dispatcher preference index, and to analyze its influence on the changes of the final solution, numerical experiments with different sizes on the number of customers and candidate depots are carried out. The computational results show that the HHA is efficient so that it has improved all solutions that obtained from the GCM. Finally, performance of the proposed model to the similar model exists in the literature is evaluated by several standard test problems of the &lrm;CLRP.&lrm; تفاصيل المقالة

حرية الوصول المقاله

84 - A cultural algorithm for data ‎clustering‎
M. R. Shahriari

Clustering is a widespread data analysis and data mining technique in many fields of study such as engineering, medicine, biology and the like. The aim of clustering is to collect data points. In this paper, a Cultural Algorithm (CA) is presented to optimize partition w أکثر

Clustering is a widespread data analysis and data mining technique in many fields of study such as engineering, medicine, biology and the like. The aim of clustering is to collect data points. In this paper, a Cultural Algorithm (CA) is presented to optimize partition with N objects into K clusters. The CA is one of the effective methods for searching into the problem space in order to find a near optimal solution. This algorithm has been tested on different scale datasets and has been compared with other well-known algorithms in clustering, such as K-means, Genetic Algorithm (GA), Simulated Annealing (SA), Ant Colony Optimization (ACO) and Particle Swarm Optimization (PSO) algorithm. The results illustrate that the proposed algorithm has a good proficiency in obtaining the desired &lrm;results.&lrm; تفاصيل المقالة

حرية الوصول المقاله

85 - A Multi-supplier Inventory Model with Permissible Delay in Payment and ‎Discount
M. Farhangi E. Mehdizadeh

&lrm;This paper proposes a multi-supplier multi-product inventory model in which the suppliers have unlimited production capacity, allow delayed payment, and offer either an all-unit or incremental discount. The retailer can delay payment until after they have sold all أکثر

&lrm;This paper proposes a multi-supplier multi-product inventory model in which the suppliers have unlimited production capacity, allow delayed payment, and offer either an all-unit or incremental discount. The retailer can delay payment until after they have sold all the units of the purchased product. The retailerâ€™s warehouse is limited, but the surplus can be stored in a rented warehouse at a higher holding cost. The demand over a finite planning horizon is known. This model aims to choose the best set of suppliers and also seeks to determine the economic order quantity allocated to each supplier. The model will be formulated as a mixed integer and nonlinear programming model which is NP-hard and will be solved by using genetic algorithm (GA), simulated annealing (SA) algorithm, and vibration damping optimization (VDO) algorithm. Finally, the performance of the algorithms will be &lrm;compared.&lrm; تفاصيل المقالة

حرية الوصول المقاله

86 - بهینه‌سازی تعداد، محل و اندازه منابع تولید پراکنده و جبران ساز سنکرون استاتیکی با روش الگوریتم ژنتیک
محمد خادم مصطفی اسماعیل بیگ

استفاده از ادوات فکتس و منابع تولید پراکنده به‌عنوان یک تکنولوژی در سیستم‌های قدرت و توزیع هر روز افزایش می‌یابد. این تجهیزات بر روی پارامترهای متعددی همچون پروفیل ولتاژ، تلفات خط، جریان اتصال کوتاه، پایداری و قابلیت اطمینان سیستم تأثیرگذار می‌باشند و بنابراین تعیین محل أکثر

استفاده از ادوات فکتس و منابع تولید پراکنده به‌عنوان یک تکنولوژی در سیستم‌های قدرت و توزیع هر روز افزایش می‌یابد. این تجهیزات بر روی پارامترهای متعددی همچون پروفیل ولتاژ، تلفات خط، جریان اتصال کوتاه، پایداری و قابلیت اطمینان سیستم تأثیرگذار می‌باشند و بنابراین تعیین محل بهینه نصب، تعداد و اندازه آن‌ها یکی از مسائل مهمی می‌باشد که مورد توجه می‌باشد زیرا نصب این ادوات و منابع در محل‌های غیر بهینه سبب افزایش تلفات سیستم و تأثیر منفی بر پروفیل ولتاژ و سایر پارامترهای سیستم می‌شود. در این مقاله به بهینه‌سازی هم‌زمان تعداد، محل و اندازه منابع تولیدات پراکنده و جبران ساز سنکرون استاتیکی پرداخته شده و به‌منظور حل مسئله بهینه‌سازی از الگوریتم ژنتیک (GA) استفاده شده است. به همین منظور تابع چند هدفه شامل هزینه‌های بهره‌برداری و تولید منابع تولیدات پراکنده و جبران ساز سنکرون استاتیکی و قابلیت بارپذیری سیستم ارائه شده است و نتایج حاصل از شبیه‌سازی برای دو شبکه نمونه 33 و 69 باس استاندارد IEEE مورد تحلیل و بررسی قرار گرفت. نتایج به دست آمده نشان می‌دهد که با افزایش بارپذیری سیستم، هزینه افزایش می‌یابد زیرا تعداد تجهیزات مربوط به منابع تولید پراکنده و جبران ساز سنکرون استاتیکی بیشتر می‌شود. همچنین بهینه‌سازی و جایابی هم‌زمان این تجهیزات، سبب کاهش هزینه‌ها و افزایش بارپذیری سیستم توزیع می‌شود. تفاصيل المقالة

حرية الوصول المقاله

87 - 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

88 - ارائه روشی ترکیبی هارمونی جهت مسیریابی پویا در شبکه‌های حسگر بیسیم
فاطمه شبیه جلیل عظیم پور مرضیه دادور

شبکه های حسگر بیسیم دارای تعداد زیادی گره حسگر با انرژی محدود می باشند که در یک منطقه محدود جغرافیایی پراکنده شده اند. با توجه به محدودیت منابع در شبکه های حسگر بیسیم، افزایش طول عمر این شبکه ها با کاهش مصرف انرژی همواره مورد توجه است. انرژی گره ها بیشتر برای ارسال اطلا أکثر

شبکه های حسگر بیسیم دارای تعداد زیادی گره حسگر با انرژی محدود می باشند که در یک منطقه محدود جغرافیایی پراکنده شده اند. با توجه به محدودیت منابع در شبکه های حسگر بیسیم، افزایش طول عمر این شبکه ها با کاهش مصرف انرژی همواره مورد توجه است. انرژی گره ها بیشتر برای ارسال اطلاعات به ایستگاه مرکزی مصرف می شود. در مسیریابی پی در پی بر مبنای خوشه‌بندی، این مسئولیت بر عهده سرخوشه ها است و این امر موجب افزایش مصرف انرژی در سرخوشه ها می شود. در سال‌های اخیر برای دیرتر تمام شدن انرژی سرخوشه ها، پروتکل های خوشه بندی و مسیریابی های زیادی پیشنهاد شده است. هدف این پژوهش، ترکیب خوشه‌بندی و مسیریابی در راستای افزایش طول عمر این نوع شبکه‌هاست. برای خوشه بندی از الگوریتم ژنتیک با تعداد خوشه های ثابت و برای مسیریابی از الگوریتم جستجوی هارمونی استفاده شده است. از آنجاییکه سرخوشه ها انرژی بیشتری نسبت به دیگر گره‌ها برای ارسال اطلاعات مصرف می کنند، هدف الگوریتم ژنتیک کاهش تعداد سرخوشه ها در جهت افزایش طول عمر شبکه می باشد. در سفارشی کردن الگوریتم جستجوی هارمونی برای مسیریابی، سه معیار همسایگی، کاهش مصرف انرژی و توزیع مناسب مصرف انرژی در نظر گرفته شده است. الگوریتم هارمونی پیشنهادی با برقراری توازن مناسب بین معیارهای ذکرشده باعث تولید مسیرهای بهینه‌تری خواهد شد. در نهایت تغییر سرخوشه ها در هر دور مسیریابی باعث ایجاد توازن مصرف انرژی بین گره های هر خوشه خواهد شد. نتایج حاصل شده از آزمایشات، حاکی از برتری 14/2% الگوریتم پیشنهادی در ارسال پیام و همچنین افزایش 84/24% طول عمر شبکه نسبت به پروتکل DEEC می‌باشد. تفاصيل المقالة

حرية الوصول المقاله

89 - جایابی بهینه منابع تولید پراکنده در شبکه توزیع شعاعی با هدف کاهش تلفات و بهبود پروفیل ولتاژ با استفاده از الگوریتم ژنتیک
محمد کرمی طاهر نیکنام حاتم محمدی کامروا

در این مقاله با استفاده از روش محاسباتی و روش هوشمند الگوریتم ژنتیک GA به منظور حداقل کردن تلفات و بهبود پروفیل ولتاژ شبکه اقدام به تعیین مکان و اندازه بهینه مولدهای مقیاس کوچک (DG) در شبکه توزیع با ساختار شعاعی شده است. فرض نموده ایم که ژنراتورها قادر به تولید توان اکت أکثر

در این مقاله با استفاده از روش محاسباتی و روش هوشمند الگوریتم ژنتیک GA به منظور حداقل کردن تلفات و بهبود پروفیل ولتاژ شبکه اقدام به تعیین مکان و اندازه بهینه مولدهای مقیاس کوچک (DG) در شبکه توزیع با ساختار شعاعی شده است. فرض نموده ایم که ژنراتورها قادر به تولید توان اکتیو و راکتیو می باشند و به منظور حداقل کردن تلفات و بهبود پروفیل ولتاژ، مکان و اندازه بهینه مولد مقیاس کوچک با استفاده از روش الگوریتم ژنتیک برای 3 سناریو در چهار حالت مختلف تعیین شده است. نتایج شبیه سازی بر روی شبکه 33 باسه IEEE با ساختار شعاعی نشان می دهد که تلفات شبکه کاهش قابل ملاحظه ای یافته است. تفاصيل المقالة

حرية الوصول المقاله

90 - استفاده از اتوماسیون شبکه توزیع جهت کنترل بلادرنگ تلفات
امین غریبی رحمن دشتی

تجدیدآرایش شبکه های توزیع که با مجموعه ای کلید زنی صورت می گیرد ، یک روش ساده و کم هزینه است که باعث می شود تلفات سیستم توزیع را کاهش می دهد. در این مقاله ابتدا آلگوریتم ژنتیک، جهت بهینه سازی مسائل شبکه های توزیع ارائه شده است. پس از آن جهت تجدیدآرایش شبکه های توزیع به أکثر

تجدیدآرایش شبکه های توزیع که با مجموعه ای کلید زنی صورت می گیرد ، یک روش ساده و کم هزینه است که باعث می شود تلفات سیستم توزیع را کاهش می دهد. در این مقاله ابتدا آلگوریتم ژنتیک، جهت بهینه سازی مسائل شبکه های توزیع ارائه شده است. پس از آن جهت تجدیدآرایش شبکه های توزیع به منظور کاهش تلفات روشی نوین به کمک الگوریتم ژنتیک بیان شده است. این روش بصورت ترکیب تجدید آرایش، الگوریتم ژنتیک و اتوماسیون سیستم که عامل اساسی در کاهش تلفات شبکه توزیع می باشد را معرفی می کند که قابل اجرا برای تجدیدآرایش در چندین سطح بار و همچنین بار بلادرنگ می باشد؛ سپس بکار بردن تجهیزات مدرن و استفاده از اتوماسیون کردن سیستم کلید زنی توضیح و در پایان چگونگی کم شدن هزینه ها و بازخور هزینه مصرفی توضیح داده شده است همچنین کارآیی روش مذکور با یک سیستم توزیع معروف استاندارد نیز نشان داده شده است. تفاصيل المقالة

حرية الوصول المقاله

91 - یافتن جوابهای بهینه با استفاده ازروش الگوریتم ژنتیک
محبوبه بحرینی

مفاهیم الگوریتم ژنتیک بر اساس نظریه وراثت Darwin صورت گرفته است. الگوریتم ژنتیک مفهوم تکاملی بقای نسل را تقلید می کند. چنانچه جمعیت از طریق نسلهایی از افراد توسعه پیدا کند، شایستگی و برازندگی کلی گروه افزایش می یابد. اگر شایستگی افراد خاصی برای بقا به اندازه کافی رقابت أکثر

مفاهیم الگوریتم ژنتیک بر اساس نظریه وراثت Darwin صورت گرفته است. الگوریتم ژنتیک مفهوم تکاملی بقای نسل را تقلید می کند. چنانچه جمعیت از طریق نسلهایی از افراد توسعه پیدا کند، شایستگی و برازندگی کلی گروه افزایش می یابد. اگر شایستگی افراد خاصی برای بقا به اندازه کافی رقابت آمیز نباشد، آنها محکوم به مرگ می باشند و خواص ژنتیکی آنها از جمعیت پاک می شود. بنابراین روش الگوریتم ژنتیک روشی است که از طبیعت الهام گرفته شده است. در زیر مفاهیمی را که در این روش مورد استفاده قرار می گیرند تعریف می کنیم و روش یافتن جوابهای بهینه را با استفاده از الگوریتم ژنتیک توضیح می دهیم. تفاصيل المقالة

حرية الوصول المقاله

92 - طراحی اتوماتیک یک تقویت کننده عملیاتی CMOS با استفاده از الگوریتم ژنتیک
علی جعفری علیرضا ملاح زاده مریم ذکری

در این مقاله برای طراحی اتوماتیک یک تقویت کننده عملیاتی آنالوگ CMOS از الگوریتم ژنتیک (GA)، استفاده شده است. با استفاده از روش ارائه شده، می توان مقادیر دقیق و بهینه عناصر شبکه جبرانسازی، ابعاد ادوات، ولتاژ و جریان های بایاس مجهول در مدار را بدست آورد. در این مقاله، جهت أکثر

در این مقاله برای طراحی اتوماتیک یک تقویت کننده عملیاتی آنالوگ CMOS از الگوریتم ژنتیک (GA)، استفاده شده است. با استفاده از روش ارائه شده، می توان مقادیر دقیق و بهینه عناصر شبکه جبرانسازی، ابعاد ادوات، ولتاژ و جریان های بایاس مجهول در مدار را بدست آورد. در این مقاله، جهت انجام محاسبات و پیاده سازی الگوریتم محاسباتی، از نرم افزار MATLAB و جهت شبیه سازی مدار مجتمع آنالوگ از تکنولوژی CMOS 0.18µm و نرم افزار HSPICE استفاده شده است که نتایج بدست آمده، کارآمدی الگوریتم پیشنهادی در این مقاله را در طراحی بهینه یک مدار تقویت کننده عملیاتی آنالوگ تصدیق می کند. تفاصيل المقالة

حرية الوصول المقاله

93 - کنترل فازی تطبیقی ربات با مفصل انعطاف پذیر بهینه شده با الگوریتم ژنتیک
میرسجاد موسوی ابراهیم عباس زاده

ربات بررسی شده در این مقاله یک سیستم مکانیکی متشکل از یک بازو با مفصل انعطاف پذیر با دو درجه آزادی می باشد. در این مقاله یک کنترل کننده فازی تطبیقی برای این مفصل انعطاف پذیر پیشنهاد شده است. کنترل کننده پیشنهادی از نظر پایداری و حذف اغتشاش بررسی شده است. در ادامه برای د أکثر

ربات بررسی شده در این مقاله یک سیستم مکانیکی متشکل از یک بازو با مفصل انعطاف پذیر با دو درجه آزادی می باشد. در این مقاله یک کنترل کننده فازی تطبیقی برای این مفصل انعطاف پذیر پیشنهاد شده است. کنترل کننده پیشنهادی از نظر پایداری و حذف اغتشاش بررسی شده است. در ادامه برای دستیابی به حداکثر سرعت در دنبال کردن فرمان های کنترلی، به بهینه سازی پارامترهای موثر در کنترل کننده بوسیله الگوریتم بهینه سازی ژنتیک پرداخته شده است. تفاصيل المقالة

حرية الوصول المقاله

94 - بهبود سیستم های تشخیص نفوذ باکاهش ویژگی مبتنی بر الگوریتم ژنتیک و تکنیک‌های داده‌کاوی
مهدی کشاورزی حسین مومن زاده حقیقی

امروزه سیستم های کامپیوتری مبتنی بر شبکه، نقش حیاتی در جامعه مدرن امروزی دارند و به همین علت ممکن است هدف دشمنی و یا نفوذ قرار گیرند. به منظور ایجاد امنیت کامل در یک سیستم کامپیوتری متصل به شبکه، استفاده از دیوار آتش و سایر مکانیزم های جلوگیری از نفوذ همیشه کافی نیست و أکثر

امروزه سیستم های کامپیوتری مبتنی بر شبکه، نقش حیاتی در جامعه مدرن امروزی دارند و به همین علت ممکن است هدف دشمنی و یا نفوذ قرار گیرند. به منظور ایجاد امنیت کامل در یک سیستم کامپیوتری متصل به شبکه، استفاده از دیوار آتش و سایر مکانیزم های جلوگیری از نفوذ همیشه کافی نیست و این نیاز احساس می شود تا از سیستم های دیگری به نام سیستم های تشخیص نفوذ استفاده شود. سیستم تشخیص نفوذرا می توان مجموعه ای از ابزارها، روش ها و مدارکی در نظر گرفت که به شناسایی، تعیین و گزارش فعالیت های غیرمجاز یا تائید نشده تحت شبکه، کمک میکند. سیستم های تشخیص نفوذ به صورت سیستم های نرم افزاری و سخت افزاری ایجاد شده و هر کدام مزایا و معایب خاص خود را دارند. به دلیل وجود مشخصه های زیاد در داده های مربوط به سیستم های تشخیص نفوذ در این تحقیق ما مشخصه های مطلوب و موثر را با استفاده از الگوریتم ژنتیک بهبود یافته انتخاب می کنیم. سپس با استفاده از تکنیک های داده کاوی استاندارد، مدلی برای طبقه بندی داده ها ارائه می دهیم. برای ارزیابی عملکرد روش پیشنهادی از پایگاه داده NSL-KDD که نسبتبه سایر داده های تشخیص نفوذ از رکوردهای واقعی تری برخورد دار است، استفاده خواهیم کرد. تفاصيل المقالة

حرية الوصول المقاله

95 - یک روش طبقه‌بندی ترکیبی برای تشخیص سرطان پستان با استفاده از الگوریتم ژنتیک و تنظیم چند مرحله‌ای وزن‌ها در شبکه عصبی MLP
امین رضایی پناه سیدجواد میرعابدینی علی مبارکی

امروزه با گسترش روز افزون علم، استفاده از سیستم های پشتیبان تصمیم می تواند کمک زیادی در سیاست های درمانی پزشک داشته باشد. بدین منظور استفاده از سیستم های هوشمند مصنوعی در پیش بینی و تشخیص سرطان پستان که یکی از رایج ترین سرطان ها در بین زنان می باشد، مورد توجه است. در ای أکثر

امروزه با گسترش روز افزون علم، استفاده از سیستم های پشتیبان تصمیم می تواند کمک زیادی در سیاست های درمانی پزشک داشته باشد. بدین منظور استفاده از سیستم های هوشمند مصنوعی در پیش بینی و تشخیص سرطان پستان که یکی از رایج ترین سرطان ها در بین زنان می باشد، مورد توجه است. در این مقاله فرآیند تشخیص بیماری سرطان پستان با استفاده از تنظیم چند مرحله ای وزن ها در شبکه عصبی MLP در دو لایه انجام می شود. در لایه اول، سه طبقه بند وجود دارد که به طور همزمان روی داده های مجموعه یادگیری آموزش می بینند. پس از اتمام آموزش خروجی طبقه بندهای لایه اول جمع آوری شده و به همراه داده های مجموعه یادگیری در مجموعه ای جدید قرار می گیرند. این مجموعه به عنوان ورودی به فراطبقه بند لایه دوم داده می شود و فراطبقه بند نگاشت میان خروجی های هر یک از طبقه بندهای معمولی لایه اول را با کلاس های خروجی واقعی مدل می کند. ساختار سه طبقه بند لایه اول و همچنین فراطبقه بند لایه دوم یک شبکه عصبی MLP است که وزن ها، ویژگی های موثر و اندازه لایه مخفی در آن به طور همزمان با استفاده از یک الگوریتم ژنتیک ابتکاری بهینه سازی می شود. به منظور ارزیابی دقت مدل پیشنهادی از پایگاه داده ویسکانسین استفاده می شود که با تست FNA ایجاد شده است. نتایج آزمایش ها روی مجموعه داده WBCD دقت 98.72% را برای روش پیشنهادی نشان می دهد که نسبت به الگوریتم های GAANN، CAFS عملکرد بهتری ارائه داده است. تفاصيل المقالة

حرية الوصول المقاله

96 - استفاده از الگوریتم کلونی مورچگان و روش یادگیری زوجی جهت طبقه‌بندی حملات در سیستم های تشخیص نفوذ
محمد علی ندومی مجید سینا

سیستم‌های تشخیص نفوذ برای ایجاد امنیت در شبکه‌های کامپیوتری پیشنهاد شده‌اند تا در صورتی که نفوذگر از سایر تجهیزات امنیتی عبور کرد، بتواند آن را تشخیص داده و از پیش‌روی آن جلوگیری کند. یکی از مهمترین چالش های این سیستم ها، ابعاد بالای داده های آن می باشد. در این تحقیق بر أکثر

سیستم‌های تشخیص نفوذ برای ایجاد امنیت در شبکه‌های کامپیوتری پیشنهاد شده‌اند تا در صورتی که نفوذگر از سایر تجهیزات امنیتی عبور کرد، بتواند آن را تشخیص داده و از پیش‌روی آن جلوگیری کند. یکی از مهمترین چالش های این سیستم ها، ابعاد بالای داده های آن می باشد. در این تحقیق برای کاهش ابعاد داده ای از یک الگوریتم ژنتیک ساده با طول رشته متغیر استفاده می کنیم. در مرحله بعد با توجه به ویژگی های انتخاب شده، یک مدل فراابتکاری جهت طبقه بندی داده ها، با استفاده از الگوریتم مورچه ها ارائه می دهیم. مدل طبقه بندی پیشنهادی سعی در تقسیم بندی داده ها به دو بخش نمونه های هنجیده و ناهنجیده دارد. جهت ارزیابی عملکرد روش پیشنهادی از پایگاه داده NSL-KDD که نسبت به سایر داده های تشخیص نفوذ از رکوردهای واقعی تری برخورد دار است، استفاده می کنیم. نتایج حاصل از آزمایشات، عملکرد بهتر روش پیشنهادی را در مقایسه با سایر روش های موجود نشان می دهد. تفاصيل المقالة

حرية الوصول المقاله

97 - استفاده از ژنتیک الگوریتم و رگرسیون خطی چندگانه برای پیشگویی فعالیت پذیرنده های 4 دوپامین، مشتقات آلوکسی فنیل مورفولینها
سمیرا معصومی الادزگه هانیه غفاری ججین اسلام پوربشیر

در این تحقیق، با استفاده از توصیف کننده های ساختاری و روش رگرسیون خطی چندگانه، مطالعات ارتباط کمی ساختار- فعالیت برای پیش بینی فعالیت دارویی پذیرنده های 4 دوپامین، مشتقات آلکوکسی فنیل مورفولینها انجام گرفته است. توصیف کننده های مناسب با استفاده از روش الگوریتم ژنتیک انت أکثر

در این تحقیق، با استفاده از توصیف کننده های ساختاری و روش رگرسیون خطی چندگانه، مطالعات ارتباط کمی ساختار- فعالیت برای پیش بینی فعالیت دارویی پذیرنده های 4 دوپامین، مشتقات آلکوکسی فنیل مورفولینها انجام گرفته است. توصیف کننده های مناسب با استفاده از روش الگوریتم ژنتیک انتخاب شدند. سپس یک مدل ساده، قوی، با ضریب همبستگی بالا ساخته شد. نتایج نشان میدهد که تکنیک های خطی مانند رگرسیون خطی چندگانه که با یک روش انتخاب متغیر مناسب کوپل شده باشد، قادراست مدلهای مناسبی برای پیش بینی فعالیت دارویی ترکیبات ارائه دهد. مقادیر ضریب همبستگی (2R) و ریشه میانگین مربعات خطا (RMSE) برای سری آموزش به ترتیب برابر 729/0 و 285/0 و برای سری تست به ترتیب برابر 820/0 و 237/0 بدست آمد. مدل ارائه شده پارامترهای آماری بالایی را نشان داد که میتواند جهت پیش بینی فعالیت دارویی ترکیبات مشابه مورد استفاده قرار گیرد. تفاصيل المقالة

حرية الوصول المقاله

98 - پیش بینی شاخص بازداری ترکیبات تشکیل دهنده‌ی گیاه Ammoides Atlantica با استفاده از روش مطالعه ارتباط کمی ساختار- بازداری (QSRR)
سعید نکوئی سید عباس طاهری

روغن های ضروری گیاهی و ترکیبات مرتبط، کاربرد گسترده ای در طب سنتی، صنایع غذایی، صنایع عطرسازی و داروسازی دارند. در این تحقیق، مطالعه ارتباط کمّی ساختار - ویژگی بر روی شاخص بازداری 32 ترکیب از روغن ضروری گیاه AmmoidesAtlantica انجام پذیرفت. از الگوریتم ژنتیک برای انتخاب أکثر

روغن های ضروری گیاهی و ترکیبات مرتبط، کاربرد گسترده ای در طب سنتی، صنایع غذایی، صنایع عطرسازی و داروسازی دارند. در این تحقیق، مطالعه ارتباط کمّی ساختار - ویژگی بر روی شاخص بازداری 32 ترکیب از روغن ضروری گیاه AmmoidesAtlantica انجام پذیرفت. از الگوریتم ژنتیک برای انتخاب توصیف کننده ها استفاده شد. برای مدل سازی اندیس بازداری این ترکیبات از روش رگرسیون خطی چندگانه (MLR) به عنوان روش خطی استفاده گردید. برای بررسی اعتبار این مدل ها علاوه بر به کارگیری سری تست، از روش های دیگری همانند حذف مرحله ای تک تک داده ها وY تصادفی استفاده گردید. ضرایب همبستگی برای سری تست توسط مدل MLR برابر 894/0 و درصد خطای نسبی برابر 57/5 بدست آمد. داده های آماری نشان می دهد که روش GA-MLR پیش بینی های قابل قبولی را ارائه نموده است. تفاصيل المقالة

حرية الوصول المقاله

99 - مدل سازی و مطالعه ارتباط کمی ساختار- بازداری (QSRR) ترکیبات تشکیل دهنده ی پوست میوه Citrus. sinensis CV. Thamson استحصال شده با کروماتوگرافی گازی-طیف سنج جرمی با استفاده از الگوریتم ژنتیک-رگرسیون خطی چند گانه
سعید نکوئی

مطالعه ارتباط کمی ساختار-بازداری(QSRR) جهت پیش بینی شاخص کواتس ترکیبات تشکیل دهنده پوست میوه Citrus. sinensisCV. Thamsonبا استفاده از روش رگرسیون خطی چند گانه(MLR) انجام شد. بعد از استحصال اسانس و تزریق آن به دستگاه GC-MS ترکیبات مختلف آن شناسایی گردید. سپس برای انجام م أکثر

مطالعه ارتباط کمی ساختار-بازداری(QSRR) جهت پیش بینی شاخص کواتس ترکیبات تشکیل دهنده پوست میوه Citrus. sinensisCV. Thamsonبا استفاده از روش رگرسیون خطی چند گانه(MLR) انجام شد. بعد از استحصال اسانس و تزریق آن به دستگاه GC-MS ترکیبات مختلف آن شناسایی گردید. سپس برای انجام مدل سازی و پیش بینی مقادیر اندیس کواتس(KI) ترکیبات، در ابتدا ساختار ترکیبات، رسم و گروه مناسبی از توصیف کننده ها محاسبه شد. سپس از روش انتخاب مرحله ای(SW) و الگوریتم ژنتیک(GA) برای بدست آوردن بهترین توصیف کننده ها که بیشترین ارتباط را با KI ترکیبات مورد نظر داشتند استفاده گردید. برای مدل سازی از روش خطی رگرسیون خطی چند گانه ساخته شد. داده های آماری نشان می دهد که هر دو روش SW-MLR و GA-MLR پیش بینی های قابل قبولی را ارائه نموده است. تفاصيل المقالة

حرية الوصول المقاله

100 - مراحل، محاسبات و نتایج حاصل از مطالعات پیش‌بینی‌های نظری ارتباط کمی ساختار بازداری (QSRR) اسانس گیاه میخک زینتی
مجید محمدحسینی مهدی نکوئی

در این مقاله، به تشریح مبسوط مدل‌های خطی توانمند در پیش بینی شاخص بازداری کواتس گروه وسیعی از ترکیبات طبیعی شناسایی شده در روغن اسانسی گیاه میخک زینتی به عنوان یکی از گیاهان دارویی پرداخته شده است. در این راستا، اساس کار مبتنی بر روابط کمی ساختار بازداری (QSRR) می‌باشد أکثر

در این مقاله، به تشریح مبسوط مدل‌های خطی توانمند در پیش بینی شاخص بازداری کواتس گروه وسیعی از ترکیبات طبیعی شناسایی شده در روغن اسانسی گیاه میخک زینتی به عنوان یکی از گیاهان دارویی پرداخته شده است. در این راستا، اساس کار مبتنی بر روابط کمی ساختار بازداری (QSRR) می‌باشد که در منابع علمی از اهمیت بسزایی جهت برقراری ارتباط منطقی و هدفمند بین شاخص کواتس به عنوان یک متغیر وابسته و گروهی از توصیف‌کننده‌های مولکولی به عنوان متغیر‌های مستقل برخوردار است. در این راستا، پس از ترسیم ساختار ترکیبات مفروض در محیط نرم‌افزار هایپرکم و بهینه‌سازی آن‌ها، جهت استخراج توصیف‌کننده‌های مولکولی مربوطه از نرم‌افزار دراگون استفاده شد. در مرحله بعد، پس از حذف توصیف‌کننده‌های غیر مرتبط و اضافی، نهایتاً با روش‌های مرحله‌ای و روش انتخاب متغیر مبتنی بر الگوریتم ژنتیک گروهی از توصیف‌کننده‌های مهم و مؤثر شناسایی و ارتباط خطی آن‌ها با شاخص بازداری کواتس مورد بحث و بررسی قرار گرفت. نتایج حاصله حاکی از توانمندی بالای مدل‌های ارائه شده جهت پیش بینی شاخص کواتس گروه وسیعی از ترکیبات طبیعی دارد. تفاصيل المقالة

حرية الوصول المقاله

101 - Optimization The High Speed Machining of Hardened AISI 4140 Steel Using Vapor Deposited Cutting Tools (Wear and Roughness)
Mehdi Jalali Azizpour Ata Fardaghaie

In this study, the main cutting parameters of high speed machining (HSM) including cutting speed, feed rate, depth of cut as well as deposition method were optimized using genetic algorithm considering the average surface roughness (Ra) of work piece and flank wear (Vb) أکثر

In this study, the main cutting parameters of high speed machining (HSM) including cutting speed, feed rate, depth of cut as well as deposition method were optimized using genetic algorithm considering the average surface roughness (Ra) of work piece and flank wear (Vb) of CVD and PVD coated tool criteria in high speed turning of hardened AISI 4140 Steel. Standard L18 orthogonal array has been used for the design of experiment (DOE) applying Taguchi approach. Multiple linear regression model applying Minitab, was used to determine the relationship and interaction between machining parameters and outputs. For genetic algorithm(GA) optimization, the average was applied as a functional output of design of experiments. The results of GA for smaller- the better quality characterization shows the optimum roughness of 1.107 mm and optimum flank wear of 0.461mm. The conﬁrmation tests were carried out in order to validate the response of predicted optimum condition. The results of validation test show a good agreement between obtained optimum condition and the results of genetic algorithm. The analysis of variance was used in order to obtain the contribution of each factor on the output statistically. ANOVA results indicated that the cutting speed and cut depth are the most effective factors on the flank wear by 37.02 and 27.80 percent contribution respectively. The most effective factors on surface roughness were feed rate and cutting speed by 82.49 and 10.50 percent contribution respectively. Stereoscopy and Scanning electron microscopy was used to evaluate the wear mechanism and topography of worn surface. تفاصيل المقالة

حرية الوصول المقاله

102 - Genetic Algorithm and ANN for Estimation of SPIV of Micro Beams
M. Heidari

In this paper, the static pull-in instability (SPIV) of beam-type micro-electromechanical systems is theoretically investigated. Herein, modified strain gradient theory in conjunction with Euler–Bernoulli beam theory have been used for mathematical modeling of the أکثر

In this paper, the static pull-in instability (SPIV) of beam-type micro-electromechanical systems is theoretically investigated. Herein, modified strain gradient theory in conjunction with Euler–Bernoulli beam theory have been used for mathematical modeling of the size dependent instability of the micro beams. Considering the mid-plane stretching as the source of the nonlinearity in the beam behavior, a nonlinear size-dependent Euler-Bernoulli beam model is used based on a modified couple stress theory, capable of capturing the size effect. Two common beam-type systems including double-clamped and clamped-free cantilever have been investigated. By selecting a range of geometric parameters such as beam lengths, width, thickness, gaps and size effect, we identify the static pull-in instability voltage. Back propagation artificial neural network (ANN) with three functions have been used for modelling the static pull-in instability voltage of micro beam. Effect of the size dependency on the pull-in performance has been discussed for both micro-structures. The network has four inputs of length, width, gap and the ratio of height to scale parameter of beam as the independent process variables, and the output is static pull-in voltage of microbeam. The number of nodes in the hidden layer, learning ratio and momentum term are optimized using genetic algorithms (GAs). Numerical data, employed for training the network and capabilities of the model in predicting the pull-in instability behaviour has been verified. The output obtained from neural network model is compared with numerical results, and the amount of relative error has been calculated. Based on this verification error, it is shown that the back propagation neural network has the average error of 6.36% in predicting pull-in voltage of cantilever micro-beam. Resultant low relative error value of the ANN model indicates the usability of the BPN in this area. تفاصيل المقالة

حرية الوصول المقاله

103 - Design of Optimal PID, Fuzzy and New Fuzzy-PID Controller for CANSAT Carrier System Thrust Vector
A. Kosari H. Jahanshahi A. A. Razavi

In this paper, multi-objective optimization based on Genetic Algorithm is used to find the design variables of PID, fuzzy and new Fuzzy-PID controllers applying for a thrust vector control of CANSAT carrier system. Motion vector control is considered according to the dy أکثر

In this paper, multi-objective optimization based on Genetic Algorithm is used to find the design variables of PID, fuzzy and new Fuzzy-PID controllers applying for a thrust vector control of CANSAT carrier system. Motion vector control is considered according to the dynamic governing equation of the system which is derived using Newton’s method and defined mission in delivering payload into the specific height and flight path angle. The cost functions of the system are position error from the set point and deviation of the vector angle of carrier system with carrier body, where these cost functions must be minimized simultaneously. Results demonstrate that this new Fuzzy-PID controller is superior to other controllers which are exerted in the thrust vector control of a CANSAT carrier system. This Fuzzy-PID is capable of doing the mission with decrease in settling time and rise time with respect to the convenient minimized objective function values. تفاصيل المقالة

حرية الوصول المقاله

104 - Pareto Optimal Design of Passive and Active Vehicle Suspension Models
Mohammadjavad Mahmoodabadi Seyed Mehdi Mortazavi Yazdi

It would be difficult to deny the importance of optimization intheareasof science and technology. This is in fact, one of the most critical steps in any design process. Even small changes inoptimization can improve dramatically upon any process orelementwithin a process أکثر

It would be difficult to deny the importance of optimization intheareasof science and technology. This is in fact, one of the most critical steps in any design process. Even small changes inoptimization can improve dramatically upon any process orelementwithin a process. However, determining whetheran optimization approach willimprove on an original design is usually a question that its response in this study has led to an optimal design out of an existing car model. First of all, the optimization of a passive car-quarter model has been accomplished by means of a genetic algorithm. This initial optimization gives a figure of points named ''Pareto optimum points''. Secondly, through selecting a point amongst them, the design of active model has been completed and optimized based on genetic algorithm. Continuing with this thought, a similar process has been also accomplishedwith a car-half vehicle model with five degrees of freedom. Though the last optimized active model may prove a more reliable efficient design due to the more comprehensive feature related to the degrees of freedom, the results of each optimization should be considered and maysupply equally attractive anddiverse choicesas well. Anyway, let's focus on the final purposewhich is to reduce the vibrations as much as possible. This is what is observed through all the optimization jobs in this study. Comparison of these results with those reported in the literature affirms the excellence of the proposed optimal designs. تفاصيل المقالة

حرية الوصول المقاله

105 - Fracture Toughness of HVOF Thermally Sprayed WC-12Co Coating in Optimized Particle Temperature
M. Jalali Azizpour M. Salehi

In this paper the fracture toughness of WC-12Co coatings in optimum particle temperature in high velocity oxy fuel (HVOF) process have been studied by means of Vickers indentation. Multiple linear regression model applying Minitab, were used to determine the relationshi أکثر

In this paper the fracture toughness of WC-12Co coatings in optimum particle temperature in high velocity oxy fuel (HVOF) process have been studied by means of Vickers indentation. Multiple linear regression model applying Minitab, were used to determine the relationship and interaction between HVOF parameters and particle temperature. For genetic algorithm optimization, the signal to noise ratio was applied as a functional output of design of experiments. The results of validation test show a good agreement between obtained optimum condition and the results of genetic algorithm. The fracture toughness obtained by Vickers indentation shows the direct effect of particle temperature on coating toughness. The maximum amount of signal-to-noise using the genetic algorithm for velocity and temperature is 53.07 and -64.62, which equals 450.2 m/s and 1702ºC respectively. The results show that the Fracture toughness of WC-12Co deposited by LPG fuel in smallest level of temperature is 2.83MPa(m)1/2 compared to 1.32MPa(m)1/2 in highest temperature. The spray watch diagnostic system, micro-hardness test, Vickers indentation, X-Ray diffraction, EDS and scanning electron microscopy have been used for this purpose. تفاصيل المقالة

حرية الوصول المقاله

106 - Theoretical Predictions on Mechanical Properties of Functionally Graded Epoxy/Clay Nanocomposites
Mahdi Karami Khorramabadi

In this paper, the theoretical predictions of mechanical properties of functionally graded and uniform distributions Epoxy/clay nanocomposites are presented. The specimens were prepared for uniformly distribution of nanoclay with different nano particles weight percent أکثر

In this paper, the theoretical predictions of mechanical properties of functionally graded and uniform distributions Epoxy/clay nanocomposites are presented. The specimens were prepared for uniformly distribution of nanoclay with different nano particles weight percent (pure, 3 wt%, 5 wt% and 7 wt%) and functionally graded distribution. The distribution of nanoparticles has been investigated by Field Emission Scanning Electron Microscopy (FESEM). For uniformly distribution of nanoclay, it is shown that there is no sign of the agglomerates found via FESEM imaging which can address well the distribution of nanoclay particles in epoxy. In addition, for functionally graded distributions, it is found that dispersion of nanoclays vary smoothly and continuously from one surface to the other one. The mechanical properties have been determined by simple extension tests. The results of extension tests show that elastic modulus begins to increase up to 5 wt% of nanoclay and then decreases. So, for functionally graded distribution, the elastic modulus is generally larger than the corresponding values for uniform distribution of nanoclay. The theoretical predictions of Young’s modulus for functionally graded and uniform distributions nanocomposites are calculated using a genetic algorithm procedure. The formulation for Young modulus includes the effect of nanoparticles weight fractions and it is modified for functionally graded distribution. To investigate the accuracy of the present theoretical predictions, a comparison is carried out with the experimental results. It is found that the results obtained from the theoretical predictions of genetic algorithm procedure are in good agreement with the experimental ones. تفاصيل المقالة

حرية الوصول المقاله

107 - Optimal Design of a Novel Two-Branch Spray Painting Robot for Prescribed Process Space
Meisam Vahabi Majid Ahi

Painting of roadside blocks manually is costly and time-consuming and can cause road accidents for workers. This paper is devoted to the optimum design of a novel two-branch robot utilized as spray painting mechanism for side and top of the roadside blocks simultaneousl أکثر

Painting of roadside blocks manually is costly and time-consuming and can cause road accidents for workers. This paper is devoted to the optimum design of a novel two-branch robot utilized as spray painting mechanism for side and top of the roadside blocks simultaneously. Considering painting process conditions and the block displacement pattern which can change both height and lateral location along the road, clear that the process could be carried out properly by means of two nozzles. Two planar process spaces are evolved in favour of two-dimensional paths where nozzles track during the process. A conceptual architecture is formed considering the same movements that nozzles are actuated to compensate the blocks’ horizontal displacements. One parallel and one serial manipulator of the robot structure a relation by common prismatic joint. Actuators are positioned close to the base of the truck so that dynamics of movable parts are to be improved logically. Due to the change in the height and lateral location of the blocks, position of joints be optimized in terms of stroke angle and process space could be best fitted into workspace, optimization problem is arisen and solved using Genetic algorithm (G.A.) which results in less angular stroke for lower nozzle and faster matching with block conditions. The optimized joint position and center of mass are far from the base, resulting in a large torque subjected to the base. To solve the problem, the joint position is shifted toward the base without a change in the optimum situation. Finally, results are studied and detailed further. تفاصيل المقالة

حرية الوصول المقاله

108 - Comparative Study and Robustness Analysis of Quadrotor Control in Presence of Wind Disturbances
Reham Mohammed

Controlling of the quadrotor has been noted for its trouble as the consequence of exceeds nonlinear system, strong coupled multivariable and external disturbances. Quadrotor position and attitude is controlled by several methodologies using feedback linearization, but w أکثر

Controlling of the quadrotor has been noted for its trouble as the consequence of exceeds nonlinear system, strong coupled multivariable and external disturbances. Quadrotor position and attitude is controlled by several methodologies using feedback linearization, but when quadrotor works with unstructured inputs (e.g. wind disturbance), some limitations of this technique appear which influence flight work. Design control system with fast response, disturbance rejection, small error, and stability is the main objective of this work. So in this paper we can make use of new methods of control to design a controller of nonlinear robust with a reasonable performance to test the impact of wind disturbance in quadrotor control such as Fuzzy-PID controller and compared its results with the others four controllers which are PID tuned using GA, FOPID tuned using GA, ANN and ANFIS then discus which controller give the best results in the presence and absence of wind disturbance. The main objective of this paper is that performance of the designed control structure is computed by the fast response without overshoot and minim error of the position and attitude. Simulation results, shows that position and attitude control using FOPID has fast response and better steady state error and RMS error than Fuzzy-PID, ANFIS, ANN and PID tuned using GA without impact of wind disturbance but after impact of wind disturbance it was observed using Fuzzy-PID has fast response with minimum overshoot and better steady state error and RMS error than the other four controllers used in the paper and compared with most of literature reviews which didn't give the adequate results contrasted with the required position and attitude. The all controllers are tested by simulation under the same conditions using SIMULINK under MATLAB2015a. تفاصيل المقالة

حرية الوصول المقاله

109 - Free Vibration of Functionally Graded Epoxy/Clay Nanocomposite Beams based on the First Order Shear Deformation Theory
Mahdi Karami Khorramabadi

This paper deals with free vibration of epoxy/clay nanocomposite beams for functionally graded and uniformly distributed of Nanoclay with simply supported conditions at both ends. The specimens were prepared for uniformly distributed of Nanoclay with different Nanoparti أکثر

This paper deals with free vibration of epoxy/clay nanocomposite beams for functionally graded and uniformly distributed of Nanoclay with simply supported conditions at both ends. The specimens were prepared for uniformly distributed of Nanoclay with different Nanoparticles weight percent (pure, 3 wt%, 5 wt% and 7 wt%) and functionally graded distribution. To apply the model of theoretical predictions for the Young modulus, the genetic algorithm procedure was employed for functionally graded and uniformly distributed epoxy/clay nanocomposites and then were compared with the experimental tensile results. The formulation for Young modulus includes the effect of nanoparticles weight fractions and it is modified for functionally graded distribution to take into account the Young modulus as a function of the thickness coordinate. The displacement field of the beam is assumed based on the first order shear deformation beam theory. Applying the Hamilton principle, the governing equations are derived. The influence of nanoparticles on the free vibration frequencies of a beam is presented. To investigate the accuracy of the present analysis, a compression study is carried out with the experimental free vibration results. The results have shown that there is high accuracy for the genetic algorithm procedure for theoretical predictions of the Young modulus and the free vibration frequencies for uniform distribution are generally lower than the corresponding value of the functionally graded distribution. تفاصيل المقالة

حرية الوصول المقاله

110 - A Novel Approach for Optimization of Vehicle Noise Insulators
S.Hamed Tabatabaei Saeed Moradi Haghighi Kasra Ghasemian Amir Hossein Kiani

10.30495/admt.2020.1883494.1161

Development of effective sound insulators for interior noise reduction of vehicle cabin is an essential phase of the process of vehicle manufacturing. One of the main issues in this process is the space limitations for packaging the firewall insulators. In this paper, a أکثر

Development of effective sound insulators for interior noise reduction of vehicle cabin is an essential phase of the process of vehicle manufacturing. One of the main issues in this process is the space limitations for packaging the firewall insulators. In this paper, a new approach in sound insulator optimization will be used, in which the space limitation has been considered. The insulator consists of a Micro-Perforated Plate (MPP) and a limp porous layer. MPP layer is suitable for use in vehicles due to low weight and flexibility in design. The main goal of this study was to reach better performance and less weight and volume in a specific thickness. So, a mathematical model of this sound package has been developed and validated by experimental data and SEA software. The simulation results illustrate the high performance of the optimized sound package in practical application, particularly at higher frequencies. On the other hand, the weight and thickness of the optimized sound package are less than the conventional sound packages. These qualities provide an optimized design that has better compatibility with the automotive industry. تفاصيل المقالة

حرية الوصول المقاله

111 - The Inverse Method of Damage Detection using Swarm Life Cycle Algorithm (SLCA) via Modal Parameters in Beam Like Structures
Alireza Arghavan Ali Ghoddosian Ehsan Jamshidi

10.30495/admt.2021.1921979.1248

The Non-destructive vibration based structural damage detection techniques have been developed in the recent decades. They are usually converted into a mathematical optimization problem that should be solved using optimization algorithms. In this paper, a new hybrid alg أکثر

The Non-destructive vibration based structural damage detection techniques have been developed in the recent decades. They are usually converted into a mathematical optimization problem that should be solved using optimization algorithms. In this paper, a new hybrid algorithm, using a particle swarm - genetic optimization, is proposed that is called Swarm Life Cycle Algorithm (SLCA). Additionally, Modified Total Modal Assurance Criterion (MTMAC) that is modal based and involved natural frequencies and mode shapes, is used as an objective function. A cantilever beam is modelled and simulated using finite element method as a numerical case study with several different damage scenarios. To compare the effectiveness of the proposed algorithm with GA and PSO, they are applied to detect the locations and severities of damages of numerical cases separately. To assess the robustness of them, the effects of environmental noise, coordinate and mode incompleteness on the accuracy of damage detection have investigated. For experimental validation of the proposed method, empirical studies of single and double crack aluminium cantilever beams were conducted. The numerical and experimental results show that the proposed algorithm has great potential in crack identification. It is observed that SLCA is able to detect the location and extent of damage irrespective of the noise level and perform well in the presence of mode and coordinate incompleteness. تفاصيل المقالة

حرية الوصول المقاله

112 - Optimal Routing of Rocket Motion using Genetic Algorithm and Particle Swarm Optimization
Reza Tarighi M.H. Kazemi mohammad hosein khalesi

10.30486/admt.2022.1947306.1327

In this paper, a new approach to the use of genetic algorithms and the predictive control method, for goal tracking is presented. A hypothetical rocket is modelled for the analyses. Rocket guidance algorithm is developed to achieve a desired mission goal according to so أکثر

In this paper, a new approach to the use of genetic algorithms and the predictive control method, for goal tracking is presented. A hypothetical rocket is modelled for the analyses. Rocket guidance algorithm is developed to achieve a desired mission goal according to some performance criteria and the imposed constraints. Given that goals can be fixed or moving, we have focused and expanded on this issue in this study and also the dynamic modelling of flying objects with six-degrees-of-freedom (DOF) is used to make the design more similar to the actual model. The predictive control method is used to predict the next step of rocket and aim movement. At each step of the problem, the rocket distance to the aim is obtained, and a trajectory is predicted to move the rocket towards the purpose. The objective function of this problem, in addition to the distance from the rocket position to the target, are also parameters of the dynamic model of the rocket. Therefore, these parameters are optimized at each step of the problem solving. Ultimately, the rocket strikes the intended aim by following this optimal path. Finally, for the validation of the model, numerical results are obtained for both Genetic Algorithms (GA) and Particle Swarm Optimization (PSO). Simulation results demonstrate the effectiveness and feasibility of the proposed optimization technique. تفاصيل المقالة

حرية الوصول المقاله

113 - Stress Wave Propagation in 2D Functionally Graded Media: Optimization of Materials Distribution
Parham Rajabi Hossein Rahmani Alireza Amiri

10.30495/admt.2021.1908681.1216

In this paper, the analysis and optimization of the effect of the materials distribution on the behavior of 2D functionally graded media subjected to impacted loading has been investigated. First, it is assumed that there are two cases for distributing the components in أکثر

In this paper, the analysis and optimization of the effect of the materials distribution on the behavior of 2D functionally graded media subjected to impacted loading has been investigated. First, it is assumed that there are two cases for distributing the components in the FG material. In the first case, the power law is considered for materials distribution, and in the second case, the volume fractional changes of the components are made by third degree interpolation. Considering the elastodynamic behavior of the FG materials under loading, the general governing equations of the wave propagation are extracted for the case of properties variation in two dimensions and then the equations are solved using the finite difference method. Finally, an optimization has been made using a single objective genetic algorithm. The results show that the materials distribution has a considerable effect of stress wave propagation in FGMs. تفاصيل المقالة

حرية الوصول المقاله

114 - 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

115 - 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

116 - Optimization of Electromagnetic Railgun and Projectile’s Trajectory by Genetic Algorithm
Navid Moshtaghi Yazdani Mohammad Hasan Olyaei

10.52547/mjtd.11.1.27

In this paper, the optimization of the electromagnetic railgun and its projectile path is proposed. The circuit model is used to optimize and simulate the elec- tromagnetic railgun, in which the equivalent circuit of the railgun is extracted. Then the differential equat أکثر

In this paper, the optimization of the electromagnetic railgun and its projectile path is proposed. The circuit model is used to optimize and simulate the elec- tromagnetic railgun, in which the equivalent circuit of the railgun is extracted. Then the differential equations expressing the physics governing the system are obtained. Using the projectile path equations and simulating them in MATLAB, the output of the simulation of the electromagnetic railgun and its projectile path in MATLAB software has been analyzed. The main advantage of the models used is that they can be used in matters of sensitivity and optimization due to their high speed. Based on the obtained outputs of electromagnetic railgun and projectile path, the cost function is presented, and then the effective parameters of models are optimized using the genetic algorithm. The results show that the losses and costs are drastically reduced for the same purposes, and the waste of costs and energy is prevented. تفاصيل المقالة

حرية الوصول المقاله

117 - Selecting the best wavelet packet pier inspired by biological methods
Alireza Rezaee

In this project, a new method for selecting the best wavelet packet pier is presented. The method of complex organisms from simple gradual chromosomes early to more complex organisms have been inspired by the current. In this algorithm, first, the best pier to the lowes أکثر

In this project, a new method for selecting the best wavelet packet pier is presented. The method of complex organisms from simple gradual chromosomes early to more complex organisms have been inspired by the current. In this algorithm, first, the best pier to the lowest level of analysis based on the shannon entropy measure using Genetic Algorithm (GA) is selected, then the pier to create optimal early population to a higher level is used and the work until the last level of analysis is repeated. The results show that this way, with a gradual increase during chromosomes best wavelet packet pier with higher convergence rate, higher accuracy and less computation than previous methods is selected. In addition, previous methods based on GA, the best possible level of analysis did not exist, but this method, access is provided. تفاصيل المقالة

حرية الوصول المقاله

118 - Identification of Communities on Static Social Networks
Maliheh Ghasemzadeh Mohsen Ashourian

Many complex natural and social structures can be considered as networks. Internet sites, social networks, organizational communications, family connections, electronic mails, phone calls, and financial transactions are just a few examples of these networks. Nowadays, n أکثر

Many complex natural and social structures can be considered as networks. Internet sites, social networks, organizational communications, family connections, electronic mails, phone calls, and financial transactions are just a few examples of these networks. Nowadays, network analysis is one of the most popular and widely used research branches in the world. One of the most commonly used topics in network analysis is the identification of organizations in the network. In this research, we present the detection of communities in static social networks using the genetic algorithm and its improvement with the label propagation algorithm known as Genetic Algorithm- Label Propagation. The genetic algorithm explores the search space well and converges to the best answer. This algorithm is scalable and our results show that our proposed algorithm performs faster and better than other algorithms. تفاصيل المقالة

حرية الوصول المقاله

119 - ارائه روشی جدید به منظور بهبود دادن مصرف انرژی در شبکه‌های حسگر دوربین بی‌سیم
جواد بیات شیوا کریمی

در چند سال اخیر، شبکه‌های حسگر بی‌سیم از زمینه¬های تحقیقاتی بسیار فعال بوده‌اند. با این حال، بیشتر حسگرهای مورد استفاده در توسعه این شبکه‌ها، حسگرهای معمولی و غیرتصویربرداری مانند صوتی، لرزه‌ای، دما، رطوبت و غیره بوده‌اند. در توسعه شبکه‌های حسگر دوربین بی‌سیم چالش‌های م أکثر

در چند سال اخیر، شبکه‌های حسگر بی‌سیم از زمینه¬های تحقیقاتی بسیار فعال بوده‌اند. با این حال، بیشتر حسگرهای مورد استفاده در توسعه این شبکه‌ها، حسگرهای معمولی و غیرتصویربرداری مانند صوتی، لرزه‌ای، دما، رطوبت و غیره بوده‌اند. در توسعه شبکه‌های حسگر دوربین بی‌سیم چالش‌های منحصر به¬فردی همانند نیاز به پهنای باند بالا، نیاز به تأخیر اندک برای پردازش، انرژی مصرفی بالا و کنترل در زمان واقعی وجود دارد. در این مقاله یک مدل پیشنهادی جدید برمبنای الگوریتم بهینه‌سازی شاهین هریس به منظور بهبود مصرف انرژی در شبکه‌های حسگر دوربین بی‌سیم پیشنهادشده¬است. الگوریتم بهینه‌سازی شاهین هریس یکی از الگوریتم‌های فراابتکاری است که در سال 2019 ابداع¬شده¬است. از الگوریتم بهینه‌سازی شاهین هریس برای تشکیل خوشه‌بندی بهینه استفاده می¬شود. هر بردار تولیدشده در الگوریتم بهینه‌سازی شاهین هریس برمبنای تابع برازندگی محاسبه¬می‌شود و بهینه‌ترین بردارها جهت خوشه‌بندی انتخاب¬می‌شوند. در مدل پیشنهادی به فاکتورهایی همانند فاصله درون¬خوشه‌ای و فاصله برون¬خوشه‌ای و انرژی مصرفی توجه¬شده¬است. ارزیابی‌ها در محیط با تعداد گره‌های مختلف نشان¬می‌دهد که مدل پیشنهادی در مقایسه با PADT و الگوریتم ژنتیک (GA) دارای کارایی بهتری بوده¬است. تفاصيل المقالة

حرية الوصول المقاله

120 - 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

121 - Optimal Nonlinear Energy Sinks in Vibration Mitigation of the Beams Traversed by Successive Moving Loads
D Younesian A Nankali E Motieyan

Optimal Nonlinear Energy Sink (NES) is employed in vibration suppression of the beams subjected to successive moving loads in this paper. As a real application, a typical railway bridge is dynamically modeled by a single-span beam and a traveling high-speed train is sim أکثر

Optimal Nonlinear Energy Sink (NES) is employed in vibration suppression of the beams subjected to successive moving loads in this paper. As a real application, a typical railway bridge is dynamically modeled by a single-span beam and a traveling high-speed train is simulated by a series of successive moving loads. Genetic algorithm is employed as the optimization technique and optimal parameters of the NES system are accordingly obtained. It is found that the NES can remarkably suppress the vibration level particularly in vicinity of the critical speeds. A sensitivity analysis is then carried out and robustness of the optimal NES is investigated. A parametric study is performed and performance of the optimal NES is evaluated for different values of the load speeds, load magnitudes, load intervals and mass ratios. تفاصيل المقالة

حرية الوصول المقاله

122 - Optimization of Functionally Graded Beams Resting on Elastic Foundations
M.H Yas S Kamarian J.E Jam A Pourasghar

In this study, two goals are followed. First, by means of the Generalized Differential Quadrature (GDQ) method, parametric analysis on the vibration characteristics of three-parameter Functionally Graded (FG) beams on variable elastic foundations is studied. These param أکثر

In this study, two goals are followed. First, by means of the Generalized Differential Quadrature (GDQ) method, parametric analysis on the vibration characteristics of three-parameter Functionally Graded (FG) beams on variable elastic foundations is studied. These parameters include (a) three parameters of power-law distribution, (b) variable Winkler foundation modulus, (c) two-parameter elastic foundation modulus. Then, volume fraction optimization of FG beam with respect to the fundamental frequency is studied. Since the optimization process is so complicated and time consuming, Genetic Algorithm (GA), a computational algorithm based on Darwinian theories that allow to solve optimization problems without using gradient-based information on the objective functions and the constraints, is performed to obtain the best material profile through the thickness to maximize the first natural frequency. A proper Artificial Neural Network (ANN) is trained by training data sets obtained from GDQ method and then is applied as the objective function in genetic algorithm by reproducing the fundamental frequency for improving the speed of the optimization process. Finally, the optimized material profile for the maximum natural frequency of a FG beam resting on elastic foundations is presented. تفاصيل المقالة

حرية الوصول المقاله

123 - Isogeometric-Based Modeling and Analysis of Laminated Composite Plates Under Transverse Loading
A Behshad M.R Ghasemi

Analysis of the laminated composite plates under transverse loading is considered using the new method of Isogeometric Analysis (IGA). Non-Uniform Rational B-Splines(NURBS)are used as shape functions for modeling the geometry of the structure and also are used as shape أکثر

Analysis of the laminated composite plates under transverse loading is considered using the new method of Isogeometric Analysis (IGA). Non-Uniform Rational B-Splines(NURBS)are used as shape functions for modeling the geometry of the structure and also are used as shape functions in the analysis process. To show robustness of the new technique, some examples are represented and are compared with the theoretical method at the end. The obtained results show the efficiency of the method. تفاصيل المقالة

حرية الوصول المقاله

124 - Weight Optimum Design of Pressurized and Axially Loaded Stiffened Conical Shells to Prevent Stress and Buckling Failures
M Talebitooti M Fadaee M.H Seyyedsharbati M.M Shojaee

An optimal design of internal pressurized stiffened conical shell is investigated using the genetic algorithm (GA) to minimize the structural weight and to prevent various types of stress and buckling failures. Axial compressive load is applied to the shell. Five stress أکثر

An optimal design of internal pressurized stiffened conical shell is investigated using the genetic algorithm (GA) to minimize the structural weight and to prevent various types of stress and buckling failures. Axial compressive load is applied to the shell. Five stress and buckling failures as constraints are taken into account. Using the discrete elements method as well as the energy method, global buckling load and stress field in the stiffened shell are obtained. The stiffeners include rings and stringers. Seven design variables including shell thickness, number of rings and stringers, stiffeners width and height are considered. In addition, the upper and lower practical bounds are applied for the design variables. Finally, a graphical software package named as Optimal Sizer is developed to help the designers. تفاصيل المقالة

حرية الوصول المقاله

125 - The Most Efficient Unit in Data Envelopment Analysis Using Genetic Algorithm
M. Matin Nejati Mohsen Rostamy-Malkhalifeh R. Kargar R. Mehrjoo

Data Envelopment Analysis (DEA) is actually to obtain the efficiency using inputs and outputs, which can determine efficient and inefficient units with the help of performance calculations such that the efficiency for efficient DMUs is one and less than one for ineffici أکثر

Data Envelopment Analysis (DEA) is actually to obtain the efficiency using inputs and outputs, which can determine efficient and inefficient units with the help of performance calculations such that the efficiency for efficient DMUs is one and less than one for inefficient DMUs [1]. In some cases, the ranking of the decision-making units are not important for decision-makers, and they are only looking to obtain the most efficient DMUs, so that they can directly achieve the most efficient DMU from all existing DMUs. In a number of papers regarding this subject, several steps were taken to find the most efficient DMU, [2,3], which later examined the problems of these models and other models were announced by the researchers to resolve them. Some of the problems that can be mentioned:1. Solving the model took place in two steps and could not directly reach the final answer.2. Many unnecessary conjunctions were used in the models.Other models were proposed to solve the problems that could eliminate unnecessary conjunctions and solve the problem in two phases [5].Therefore, in this paper, it has been tried to provide a model that avoids unnecessary conjunctions, and most importantly, maximizes the distance between the other DMUs of an efficient DMU [6]. تفاصيل المقالة

حرية الوصول المقاله

126 - روش استخراج مرز مردمک مبتنی بر الگوریتم تکاملی ژنتیک
علی موسوی حمیدرضا پورضا محمد اعتضاد رضوی

جراحی افتادگی یکی از شایع ترین روش های جراحی زیبایی است که با برداشتن پوست اضافی و اصلاح موقعیت پلک باعثبهبود قابل توجهی در ظاهر فرد می شود. بنابراین تعیین دقیق پارامترهای ناحیۀ چشم، تأثیر زیادی در نتیجه جراحی خواهد داشت .لذا به منظور یافتن پارامترهای ناحیۀ پلک، استخراج أکثر

جراحی افتادگی یکی از شایع ترین روش های جراحی زیبایی است که با برداشتن پوست اضافی و اصلاح موقعیت پلک باعثبهبود قابل توجهی در ظاهر فرد می شود. بنابراین تعیین دقیق پارامترهای ناحیۀ چشم، تأثیر زیادی در نتیجه جراحی خواهد داشت .لذا به منظور یافتن پارامترهای ناحیۀ پلک، استخراج مرز مردمک ضروری خواهد بود. در این تحقیق برای استخراج مرز مردمک ازیک روش مبتنی بر الگوریتم تکاملی ژنتیک استفاده می شود که هدف اصلی آن یافتن ناحیه مردمک چشم با کمترین مقدار سطوحخاکستری و آنتروپی و نیز بیشترین مقدار اختلاف سطوح خاکستری ناحیۀ مردمک با نواحی مجاور است. نتایج حاصل از استخراجمرز مردمک و پارامترهای ارزیابی محاسبه شده برای روش ارائه شده با چند مقاله دیگر مورد مقایسه قرار می گیرد. میانگین دقت و95 می باشد. / 99 و 17 / حساسیت روش ارائه شده برای دو بانک تصویر معروف مورد استفاده، به ترتیب برابر با 80 تفاصيل المقالة

حرية الوصول المقاله

127 - Improved NARX-ANFIS Network structure with Genetic Algorithm to optimizing Cash Flow of ATM Model
Neda kiani Ghasem Tohidi Shabnam Razavyan Nosratallah Shadnoosh Masood Sanei

10.22034/amfa.2020.1882625.1327

Nowadays, the rapid growth of data in organizations has caused managers to look for a way to analyze them. Extracting useful knowledge from aggregation data can lead to appropriate strategic decision-making for the organization. This paper suggests an application of hyb أکثر

Nowadays, the rapid growth of data in organizations has caused managers to look for a way to analyze them. Extracting useful knowledge from aggregation data can lead to appropriate strategic decision-making for the organization. This paper suggests an application of hybrid network based on amount month demand in every ATM device based on transaction mean of 9 months for 1377 devices to obtain customer behavior patterns, to do so, first designed a basic model based on an auto-regressive with exogenous input network (NARX) then, the optimization of the weight and bias of the designed network is made by the genetic algorithm (GA). As a result, finding the weights of the network represents a nonlinear optimization problem that is solved by the genetic algorithm. Paper results show that the NARX-ANFIS Hybrid network using GA for the learning of rules and to optimize the network weights and weights of the network and the fixed threshold can improve the accuracy of the prediction model. Also, classic models are more efficient and increased benefits and lower financing costs and more rational inventory cash control. As well, the designed model can lead to increase benefits and decrease costs in the bank so that, exact forecast and optimal cash upload in ATMs will lead to increase funds on the bank and rise customers and popularity the brand of the bank. تفاصيل المقالة

حرية الوصول المقاله

128 - Portfolio Optimization by Means of Meta Heuristic Algorithms
Mahmoud Rahmani Maryam Khalili Eraqi Hashem Nikoomaram

10.22034/amfa.2019.579510.1144

Investment decision making is one of the key issues in financial management. Selecting the appropriate tools and techniques that can make optimal portfolio is one of the main objectives of the investment world. This study tries to optimize the decision making in stock s أکثر

Investment decision making is one of the key issues in financial management. Selecting the appropriate tools and techniques that can make optimal portfolio is one of the main objectives of the investment world. This study tries to optimize the decision making in stock selection or the optimization of the portfolio by means of the artificial colony of honey bee algorithm. To determine the effectiveness of the algorithm, its sharp criteria was calculated and compared with the portfolio made up of genes and ant colony algorithms. The sample consisted of active firms listed on the Tehran Stock Exchange from 2005 to 2015. The sample selected by the systematic removal method. The findings show that artificial bee colony algorithm functions better than the genetic and ant colony algorithms in terms of portfolio formation تفاصيل المقالة

حرية الوصول المقاله

129 - The Predictability Power of Neural Network and Genetic Algorithm from Fiems’ Financial crisis
Nader Rezaei Maryam Javaheri

10.22034/amfa.2019.1863963.1195

Organizations expose to financial risk that can lead to bankruptcy and loss of business is increased nowadays. This may leads to discontinuity in operations, increased legal fees, administrative costs and other indirect costs. Accordingly, the purpose of this study was أکثر

Organizations expose to financial risk that can lead to bankruptcy and loss of business is increased nowadays. This may leads to discontinuity in operations, increased legal fees, administrative costs and other indirect costs. Accordingly, the purpose of this study was to predict the financial crisis of Tehran Stock Exchange using neural network and genetic algorithm. This research is descriptive and practical and in order to collect data Stock Exchange database software has been used. For data analysis, we used artificial neural network in base form and artificial neural network mix with genetic algorithm. In addition for methods comparison, determination coefficient, Mean squared error and Root-mean square error have been used. The result of study shows that the best artificial neural network is a network with a hidden layer and eight neurons in the layer. This network could predict 97.7 percent of healthy and bankrupt companies correctly for test data. Furthermore the best mixed neural network with genetic algorithm is a network with 400 replications and population size 50, one layer and eight neurons which could correctly predict 100% of healthy and bankrupt companies. Finally, comparison of results of two methods shows that the best method for predicting financial crisis is mixed neural network with genetic algorithm. تفاصيل المقالة

حرية الوصول المقاله

130 - Forecasting the Tehran Stock market by Machine ‎Learning Methods using a New Loss Function
Mahsa Tavakoli Hassan Doosti

10.22034/amfa.2020.1896273.1399

Stock market forecasting has attracted so many researchers and investors that &lrm;many studies have been done in this field. These studies have led to the &lrm;development of many predictive methods, the most widely used of which are &lrm;machine learning-based methods أکثر

Stock market forecasting has attracted so many researchers and investors that &lrm;many studies have been done in this field. These studies have led to the &lrm;development of many predictive methods, the most widely used of which are &lrm;machine learning-based methods. In machine learning-based methods, loss &lrm;function has a key role in determining the model weights. In this study a new loss &lrm;function is introduced, that has some special features, making the investing in the &lrm;stock market more accurate and profitable than other popular techniques. To &lrm;assess its accuracy, a two-stage experiment has been designed using data of &lrm;Tehran Stock market. In the first part of the experiment, we select the most &lrm;accurate algorithm among some of the well-known machine learning algorithms &lrm;based on artificial neural network, ANN, support vector machine, SVM. In the &lrm;second stage of the experiment, the various popular loss functions are compared &lrm;with the proposed one. As a result, we introduce a new neural network using a &lrm;new loss function, which is trained based on genetic algorithm. This network has &lrm;been shown to be more accurate than other well-known and common networks &lrm;such as long short-term memory (LSTM) for both train and test data.&lrm; تفاصيل المقالة

حرية الوصول المقاله

131 - Presenting a Model for Financial Reporting Fraud Detection using Genetic Algorithm
Mahmood Mohammadi Shohreh Yazdani Mohammadhamed Khanmohammadi

10.22034/amfa.2019.1872783.1252

both academic and auditing firms have been searching for ways to detect corporate fraud. The main objective of this study was to present a model to detect financial reporting fraud by companies listed on Tehran Stock Exchange (TSE) using genetic algorithm. For this purp أکثر

both academic and auditing firms have been searching for ways to detect corporate fraud. The main objective of this study was to present a model to detect financial reporting fraud by companies listed on Tehran Stock Exchange (TSE) using genetic algorithm. For this purpose, consistent with theoretical foundations, 21 variables were selected to predict fraud in financial reporting that finally, using statistical tests, 9 variables including SALE/EMP, RECT/SALE, LT/CEQ, INVT/SALE, SALE/TA, NI/CEQ, NI/SALE, LT/XINT, and AT/LT were selected as the potential financial reporting fraud indexes. Then, using genetic algorithm, the final model of fraud detection in financial reporting was presented. The statistical population of this study included 66 companies including 33 fraudulent and 33 non-fraudulent companies from 2011 to 2016. The results showed that the presented model with the accuracy of 91.5% can detect fraudulent companies. These findings extend financial statement fraud research and can be used by practitioners and regulators to improve fraud risk models. تفاصيل المقالة

حرية الوصول المقاله

132 - An Algorithmic Trading system Based on Machine Learning in Tehran Stock Exchange
Hamidreza Haddadian Morteza Baky Haskuee Gholamreza Zomorodian

10.22034/amfa.2020.1894049.1380

Successful trades in financial markets have to be conducted close to the key recurrent points. Researchers have recently developed diverse systems to help the identification of these points. Technical analysis is one of the most valid and all-purpose kinds of these syst أکثر

Successful trades in financial markets have to be conducted close to the key recurrent points. Researchers have recently developed diverse systems to help the identification of these points. Technical analysis is one of the most valid and all-purpose kinds of these systems. With its numerous rules, the technical analysis endeavors to create well-timed and correct signals so that these points are identified. However, one of the drawbacks of this system is its overdependence on human analysis and knowledge in selecting and applying these rules. Employing the three tools of genetic algorithm, fuzzy logic, and neural network, this study attempts to develop an intelligent trading system based on the recognized rules of the technical analysis. Indeed, the genetic algorithm will assist with the optimization of technical rules owing to computing complexities. The fuzzy inference will also help the recognition of the total current condition in the market. It is because a set of rules will be selected based on the market kind (trending or non-trending). Finally, the signal developed by every rule will be translated into a single result (buy, sell, or hold). The obtained results reveal that there is a statistically meaningful difference between a stock's buy and hold and the trading system proposed by this research. In other words, our proposed system displays an extremely higher profitability potential. تفاصيل المقالة

حرية الوصول المقاله

133 - Modelling Optimal Predicting Future Cash Flows Using New Data Mining Methods (A Combination of Artificial Intelligence Algorithms)
Bahman Talebi Rasoul Abdi Zohreh Hajiha Nader Rezaei

10.22034/amfa.2021.1910900.1493

The purpose of this study was to present an optimal model Predicting Future Cash Flows optimized neural network with genetic (ANN+GA) and particle swarm algorithms (ANN+PSO). In this study, due to the nonlinear relationship among accounting information, we have tried to أکثر

The purpose of this study was to present an optimal model Predicting Future Cash Flows optimized neural network with genetic (ANN+GA) and particle swarm algorithms (ANN+PSO). In this study, due to the nonlinear relationship among accounting information, we have tried to predict future cash flows by combining artificial intelligence algorithms. Variables of accruals components and operating cash flows were employed to investigate this prediction; therefore, the data of 137 companies listed in Tehran Stock Exchange during (2009-2017) were analysed. The results of this study showed that both neural network models optimized by genetic and particle swarm algorithms with all variables presented in this study (with 15 predictor variables) are able to provide an optimal model Predicting Future Cash Flows. The results of fitting models also showed that neural network optimized with particle swarm algorithm (ANN+PSO) has lower error coefficient (better efficiency and higher prediction accuracy) than neural network optimized with ge-netic algorithms (ANN+GA). تفاصيل المقالة

حرية الوصول المقاله

134 - Using Genetic Algorithm in Solving Stochastic Programming for Multi-Objective Portfolio Selection in Tehran Stock Exchange
Seyed Alireza Miryekemami Ehsan Sadeh Zeinolabedin Sabegh

10.22034/amfa.2017.536271

Investor decision making has always been affected by two factors: risk and returns. Considering risk, the investor expects an acceptable return on the investment decision horizon. Accordingly, defining goals and constraints for each investor can have unique prioritizati أکثر

Investor decision making has always been affected by two factors: risk and returns. Considering risk, the investor expects an acceptable return on the investment decision horizon. Accordingly, defining goals and constraints for each investor can have unique prioritization. This paper develops several approaches to multi criteria portfolio optimization. The maximization of stock returns, the power of liquidity of selected stocks and the acceptance of risk to market risk are set as objectives of the problem. In order to solve the problem of information in the Tehran Stock Exchange in 2017, 45 sample stocks have been identified and, with the assumption of normalization of goals, a genetic algorithm has been used. The results show that the selected model provides a good performance for selecting the optimal portfolio for investors with specific goals and constraints. تفاصيل المقالة

حرية الوصول المقاله

135 - پیشگویی سمیت و ضریب توزیع اکتانول-آب آفت کش‌های آلی کلردار با استفاده ازتوصیف گرهای مولکولی و روش‌های الگوریتم ژنتیک و رگرسیون خطی چند متغیره
فاطمه شفیعی زهرا زمانی

در این تحقیق ازمطالعه ارتباط کمی ساختار- فعالیت (QSAR) جهت پیشگویی فعالیت های آفت کش های آلی کلردار استفاده شد. ابتدا به کمک نرم‌ افزارگوس ویو 05 ساختار شیمیایی تمام مولکول‌ های مورد مطالعه رسم گردید و سپس بهینه سازی با نرم‌افزار گوسین 09 و روش هارتری-فاک و سری پایه G* أکثر

در این تحقیق ازمطالعه ارتباط کمی ساختار- فعالیت (QSAR) جهت پیشگویی فعالیت های آفت کش های آلی کلردار استفاده شد. ابتدا به کمک نرم‌ افزارگوس ویو 05 ساختار شیمیایی تمام مولکول‌ های مورد مطالعه رسم گردید و سپس بهینه سازی با نرم‌افزار گوسین 09 و روش هارتری-فاک و سری پایه G* 31-6 انجام پذیرفت. خواص فیزیکی- شیمیایی نظیر سمیت(logLD50) وضریب توزیع اکتانول-آب (logP) از منابع معتبر علمی به دست آورده شده است. برای تمامی سموم مورد مطالعه توصیف‌گرهای مناسب با استفاده از نرم‌ افزار دراگون و روش های الگوریتم ژنتیک و برگشتی تعیین شدند. سپس ارتباط بین توصیف گرهای مولکولی و فعالیت ها با استفاده از روش چند متغیره خطی مورد بررسی قرار گرفت. به منظور ساخت و آزمون مدل هایQSAR داده ها به طور تصادفی به دو دسته :آموزشی (80 درصد ) و آزمون (20 درصد) تقسیم گردیدند. مدل ها با استفاده از ضرایب آماری نظیر ضریب همبستگی(R)، مجذور آن (R2) و ریشه میانگین مربع خطاRMSE) ) انتخاب شدند. برای بررسی توانایی پیش بینی و اعتبار مدل ها از اعتبار سنجی تقاطعی "یکی بیرون" و اعتبار سنجی خارجی استفاده شد. اعتبار سنجی خارجی با استفاده از ضرایب رگرسیونی مجموعه آزمون انجام گردید. نتایج اعتبار سنجی و کیفیت بالای ضرایب مدل ها نشان می دهد که مدل های GA-MLR به دست آمده مدل های قابل قبول QSAR می باشند .این مدل ها می توانند جهت شناسایی توصیف گر های مناسب و پیشگویی فعالیت های آن ها به کار گرفته شوند. تفاصيل المقالة

حرية الوصول المقاله

136 - مطالعه رابطه ساختار – خاصیت برای پیش بینی logP مشتقات پیرتروئید با استفاده از مدل رگرسیون خطی چندگانه
مصطفی صادقی عصمت محمدی نسب طاهره مومنی اصفهانی

در این مطالعه، قدرت پیش بینی ضریب تقسیم آب-اکتانل (logP) برای34 نوع از مشتقات پیرتروئیدی با استفاده از رابطه کمی ساختار–خاصیت مورد مطالعه قرار گرفت. مقدار logP پیرتروئیدهای مورد مطالعه با کمک الگوریتم ژنتیک بر اساس روش رگرسیون خطی چندگانه(GA-MLR) مدل‌سازی شد و معل أکثر

در این مطالعه، قدرت پیش بینی ضریب تقسیم آب-اکتانل (logP) برای34 نوع از مشتقات پیرتروئیدی با استفاده از رابطه کمی ساختار–خاصیت مورد مطالعه قرار گرفت. مقدار logP پیرتروئیدهای مورد مطالعه با کمک الگوریتم ژنتیک بر اساس روش رگرسیون خطی چندگانه(GA-MLR) مدل‌سازی شد و معلوم گردید که سه توصیفگر موثر GATS4P ، PW3و ZM1V همبستگی معقولی با logP دارند و منجر به ایجاد مدلی با ضریب رگرسیون بالا و خطای کم شدند. ارزیابی توانایی پیش‌بینی logP با مدل (GA-MLR) توسط پارامترهای آماری: R2 = 0.862، R2adj = 0.848، F=62.296و MSE = 0.503 برای مجموعه آزمایشی انجام شد. همچنین مقدار Q2LOO= 0.861 در روش اعتبارسنجی تقاطعی و نیز مقادیر R2 برابر با 0.880 و 0.929 به ترتیب برای سری های آموزش و آزمایش در روش اعتبارسنجی خارجی, همبستگی بسیار خوبی را بین مقادیر تجربی و مقادیر پیش بینی نشان داد. مشخص گردید که مدل MLR در پیش‌بینی logP حشره‌کش‌های پیرتروئیدی قابل اعتماد بوده و با در نظر داشتن خطای بسیار کم از دقت کافی برخوردار است. تفاصيل المقالة

حرية الوصول المقاله

137 - Intelligent prediction of heating value of coal
A. K. Verma T. N. Singh M. Monjezi

The gross calorific value (GCV) or heating value of a sample of fuel is one of the important properties which defines the energy of the fuel. Many researchers have proposed empirical formulas for estimating GCV value of coal. There are some known methods like Bomb Calor أکثر

The gross calorific value (GCV) or heating value of a sample of fuel is one of the important properties which defines the energy of the fuel. Many researchers have proposed empirical formulas for estimating GCV value of coal. There are some known methods like Bomb Calorimeter for determining the GCV in the laboratory. But these methods are cumbersome, costly and time consuming. In this paper, multivariate regression analysis and Co-active neuro-fuzzy inference system (CANFIS) backed by genetic algorithm technique is used for the prediction of GCV, taking all the major constituents of the proximate and ultimate analyses properties as input parameters and the suitability of one technique over the other has been proposed based on the results. Correlations have been developed using multivariate regression analysis that are simple to use based on the proximate and ultimate analysis of data sets from 25 different states of USA because a very through study has been done and the data available is less variable. Also, CANFIS backed by genetic algorithm model is designed to predict the GCV of 4540 US coal samples from the abovementioned datasets. Optimization of the network architecture is done using a systematic approach (genetic algorithm). The network was trained with 4371, cross validation with 100, predicted with rest 69 datasets and the predicted results were compared with the observed values. The mean average percentage error in prediction is found to be negligible (0.2913%) and the generalization capability of the model was established to be excellent. A useful concept of sensitivity analysis is adopted to set the hierarchy of influence of input factors. The results of the present investigation provide functional and vital information for prediction of GCV of any type of coal in USA. تفاصيل المقالة

حرية الوصول المقاله

138 - Using Genetic Algorithm to Robust Multi Objective Optimization of Maintenance Scheduling Considering Engineering Insurance
Somayeh Molaei Mir Mahdi Seyed Esfahani Akbar Esfahanipour

Efficient and on-time maintenance plays a crucial role inreducing cost and increasing the market share of an industrial unit. Preventivemaintenance is a broad term that encompasses a set of activitiesaimed at improving the overall reliability and availability of a syste أکثر

Efficient and on-time maintenance plays a crucial role inreducing cost and increasing the market share of an industrial unit. Preventivemaintenance is a broad term that encompasses a set of activitiesaimed at improving the overall reliability and availability of a systembefore machinery breakdown. The previous studies have addressed thescheduling of preventive maintenance. These studies have computed thetime and the type of preventive maintenance by modeling the total costrelated to it. Todays the engineering insurance is an appropriate anddurable protection for reducing the risks related to the industrial machinery.This kind of insurance covers a part of maintenance costs. Previousresearches did not consider the effect of engineering insuranceon maintenance scheduling while it affects the total cost function of maintenance scheduling seriously. Given the above-mentioned remarks,this paper introduces for the first time a new scheduling of preventivemaintenance with considering total cost and total reliability of the systemin which the effect of engineering insurance has been taken intoaccount. Due to the uncertainty in the input parameters, which arevery common in application, the paper proposed the application of robustdesign approaches. To solve this multi objective model, first it hasbeen transformed into a single objective model by using global criterionand the resultant model is solved through genetic algorithm. Theresults show the magnitude effect of engineering insurance on maintenancescheduling. Therefore, neglecting the importance of engineeringinsurance leads to an inefficient scheduling maintenance. تفاصيل المقالة

حرية الوصول المقاله

139 - A Genetic Algorithm with Modified Crossover Operator for a Two-Agent Scheduling Problem
Maziyar Yazdani Fariborz Jolai

The problem of scheduling with multi agent has been studiedfor more than one decade and significant advances have been madeover the years. However, most work has paid more attention to the conditionthat machines are available during planning horizon. Motivatedby the obs أکثر

The problem of scheduling with multi agent has been studiedfor more than one decade and significant advances have been madeover the years. However, most work has paid more attention to the conditionthat machines are available during planning horizon. Motivatedby the observations, this paper studies a two-agent scheduling modelwith multiple availability constraint. Each agent aims at minimizing afunction which depends only on the completion times of its jobs. Theproblem is to find a schedule that minimizes the objective function ofone agent, subject to the objective function of the other agent does notexceed a given threshold Q. some new dominance properties for thisproblem percent and next, using these properties, we develop a geneticalgorithm with modified crossover for the problem. Computational resultsare also presented to determine the performance of the proposedgenetic algorithms. تفاصيل المقالة

حرية الوصول المقاله

140 - 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

141 - 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

142 - 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

143 - Application of Genetic Algorithm in Development of Bankruptcy Predication Theory Case Study: Companies Listed on Tehran Stock Exchange
Mohsen Hajiamiri Mohammad Reza Shahraki Seyyed Masoud Barakati

The bankruptcy prediction models have long been proposedas a key subject in finance. The present study, therefore, makes aneffort to examine the corporate bankruptcy prediction through employmentof the genetic algorithm model. Furthermore, it attempts to evaluatethe str أکثر

The bankruptcy prediction models have long been proposedas a key subject in finance. The present study, therefore, makes aneffort to examine the corporate bankruptcy prediction through employmentof the genetic algorithm model. Furthermore, it attempts to evaluatethe strategies to overcome the drawbacks of ordinary methods forbankruptcy prediction through application of genetic algorithms. Thesample under investigation in this research includes 70 pairs of bankruptand non-bankrupt companies during 2001-2011. Having examined theobtained data from financial statements of the companies under study,5 financial independent variables were identified so as to be used in themodel. The results indicated that employment of genetic algorithm in predicting financial bankruptcy is highly effective, to the extent it managedto correctly predict the financial bankruptcy of companies twoyears before the base year, one year before the base year and the baseyear at accuracies of 96.44, 97.94 and 95.53, respectively. تفاصيل المقالة

حرية الوصول المقاله

144 - Optimization of Dez dam reservoir operation using genetic algorithm
عمادالدین شیرالی علیرضا نیکبخت شهبازی نرگس ظهرابی

Water reservoir programming studies aim to determine the final cultivated land area based on predefined agricultural models and water requirements. Dam utilization rule curve is also provided in such studies. The system of Dez dam water resources was simulated applying أکثر

Water reservoir programming studies aim to determine the final cultivated land area based on predefined agricultural models and water requirements. Dam utilization rule curve is also provided in such studies. The system of Dez dam water resources was simulated applying the basic information in order to determine the capability of its reservoir to provide the objectives of the performed plan. As a meta-exploratory method, genetic algorithm was applied in order to provide utilization rule curves (intersecting the reservoir volume). The significance of using rule curves and the decrease in decision making variables in the system was determined through system simulation and comparing the results with optimization results (Standard Operating Procedure). One of the most essential issues in optimization of a complicated water resource system is the increasing number of variables. Water reservoir programming studies has been performed based on basic information, general hypotheses and standards and applying monthly simulation technique for a statistical period of 30 years. Results indicated that application of rule curve prevents the extreme shortages and decrease the monthly shortages. تفاصيل المقالة

حرية الوصول المقاله

145 - Determining water quality along the river with using evolutionary artificial neural networks (Case Study, Karoon River , Shahid Abbaspur-Arab Asad reach)
محمد نیکو مهدی نیکو تیمور بابائی نژاد آزاده امیری قدرت الله رستم پور

Rivers are important as the main source of supply for drinking, agriculture and industry.However, drinking water quality in terms of qualitative parameters, is the most important variable. Studias and predicting changes in quality parameters along a river, are one of th أکثر

Rivers are important as the main source of supply for drinking, agriculture and industry.However, drinking water quality in terms of qualitative parameters, is the most important variable. Studias and predicting changes in quality parameters along a river, are one of the goals of water resources planners and managers. In this regard, many water quality models in order to maintain better water quality management are developed. The artificial neural network models that are inspired by the structure of the human brain, as the best option will be investigated and evaluated. In this research was done on the Karoon River, the largest river in the country and using the parameters in the stations along the river (Shahid Abbaspur-Arab Asad reach). To this end , discharge , month , along river and electrical conductive in the measured in Shahid Abbaspur , Pole Shalu , Gotvand and Arab Asad station were considered as the input model and using neural network model , sodium adsorption ratio (SAR) and total dissolve salts (TDS) were measured in the same stations.Including those in this study as a new method has been used to determine water quality parameters are simultaneously at several stations.In order to optimize each of evolutionary artificial neural network models was used genetic algorithm.The results showed that chosen artificial neural network model to station non-linear regression model of skills , flexibility and more accurate in productivity water quality in rivers is capable. تفاصيل المقالة

حرية الوصول المقاله

146 - Forecasting and Sensitivity Analysis of Monthly Evaporation from Siah Bisheh Dam Reservoir using Artificial neural Networks combined with Genetic Algorithm
آزاده محمدیان شوئیلی حسن فتحیان مهدی اسدی لور

Evaporation process, the main component of the water cycle in nature, is essential in agricultural studies, hydrology and meteorology, the operation of reservoirs, irrigation and drainage systems, irrigation scheduling and management of water resources. Various methods أکثر

Evaporation process, the main component of the water cycle in nature, is essential in agricultural studies, hydrology and meteorology, the operation of reservoirs, irrigation and drainage systems, irrigation scheduling and management of water resources. Various methods have been presented for estimating evaporation from free surface including water budget method, evaporation from pan and experimental equations that each of these methods is coupled with the restriction and measurement error. Early the new technique using Artificial Neural Networks (ANNs) based on artificial intelligence has been widely used in various scientific fields, particularly water engineering. In this study, the amount of monthly evaporation from the Siah Bisheh dam reservoir was forecasted up 3 next month using Multi-Layer Perceptron (MLP), Radial Basis Function (RBF) and Feed Forward (FF), of ANNs. The genetic algorithm was used for efficient input variables selection and number of neurons in hidden layer of ANNs. The results showed that the correlation coefficient between measured and computed outputs using RBF, MLP and FF models were 0.92%, 0.90% and 0.88% respectively in the estimation and forecasting of evaporation from the dam reservoir. Therefore the RBF model had more precision rather than MLP and FF models in the estimation and forecasting of monthly evaporation. The results of sensitivity analysis showed that the monthly evaporation from the dam reservoir up 3 next month had most sensitivity to the time of evaporation per month, air pressure on ground surface in 2, 3 and 1 months ago, wind speed on 1000mb pressure in 3 and 2 months ago and air temperature on 300mb pressure in current time respectively. تفاصيل المقالة

حرية الوصول المقاله

147 - Evaluation of the efficiency of AWBM model using genetic algorithm and shuffled complex evolution algorithm in simulation of rainfall-runoff process (Case study: Qarasu basin)
آتنا خلیلی نفت چالی محسن پوررضا بیلوندی

In arid region in Iran with the shortage of water in a large part of the country, given the importance of controlling surface water, it is needed to identify and model the basin response to rainfall for long-term planning of the potential of the basin. In this study, th أکثر

In arid region in Iran with the shortage of water in a large part of the country, given the importance of controlling surface water, it is needed to identify and model the basin response to rainfall for long-term planning of the potential of the basin. In this study, the AWBN is employed to model rainfall-runoff process, using genetic and shuffled complex evolution algorithms as optimization approaches in Qarasu basin located in the northwest of Karkheh basin. For this purpose, rainfall, potential evapotranspiration and runoff data were used. To compare the results, the statistics of root mean square error, correlation coefficient and Nash–Sutcliffe efficiency were assessed. The results showed that both optimization methods in this basin have acceptable evaluation criteria, but the genetic algorithm method with correlation coefficient 0.7, Nash-Sutcliffe efficiency 0.67 and an root mean square error 8.75 in the validation period give a better solution. It was also observed that this algorithm performs better in simulating low flows than high flows. تفاصيل المقالة

حرية الوصول المقاله

148 - Prediction of Longitudinal Dispersion Coefficient of Pollution in Rivers Using a Modified of Neural Networksby Genetic Algorithm
عباس پارسایی امیر حمزه حقی آبی امیر مرادی نژاد

Reductionof Surface water quality and pollution in the environment is majorproblems. This issuewill become more important because the rivers are as a source for supplied for drinking water forpeople, industrial and agriculture. Prediction and modeling of hydraulic pheno أکثر

Reductionof Surface water quality and pollution in the environment is majorproblems. This issuewill become more important because the rivers are as a source for supplied for drinking water forpeople, industrial and agriculture. Prediction and modeling of hydraulic phenomenon is one of themost importantactivities of Hydraulic Engineering. Neural network is one of the most usefulmethods of data processing which capable of modeling the complex relationships between inputand output. In this study, for prediction of the dispersion coefficient of pollution in rivers andthedevelopment of neural network (ANN) and empirical formulas wasstudied. Best accuracy ofthem is related to the Tavakollizadeh and Kashefipur, formula which its error index R 2 􀀠 0.77 .To increase in the perdition of the dispersion coefficient, the multi-layer perceptron (MLP) wasdeveloped. Training process and simulation MLP model was conducted in the Matlabsoftwareenvironment.To increase the performance of the MLP, genetic algorithm for training process isused. The results showed that the MLP are more accurate in comparison with otherempiricalequations.Using genetic algorithms for neural network training the neural networkmodel will further increase its accuracy about the 19 percent. تفاصيل المقالة

حرية الوصول المقاله

149 - بکارگیری الگوریتم ژنتیک برای بهینه سازی میزان انتشار گازهای گلخانه ای حاصل از حمل و نقل و هزینه های زنجیره تامین سرد
rasoul rezaei Davood Gharakhani Reza Ehtesham Rasi

زنجیره تامین سرد با توجه به مصرف انرژی بالا و نشت گازهای مبرد، سطوح بالایی از انتشار گازهای گلخانه ای را به همراه دارد و یکی از بزرگترین انتشار دهنده های کربن است. در زنجیره تامین سرد محصولات باید در دمای پایین و نزدیک یا زیر نقطه انجماد ذخیره شوند؛ برای این منظور از ان أکثر

زنجیره تامین سرد با توجه به مصرف انرژی بالا و نشت گازهای مبرد، سطوح بالایی از انتشار گازهای گلخانه ای را به همراه دارد و یکی از بزرگترین انتشار دهنده های کربن است. در زنجیره تامین سرد محصولات باید در دمای پایین و نزدیک یا زیر نقطه انجماد ذخیره شوند؛ برای این منظور از انبارهای سردخانه ای و کامیون های یخچال دار ضروری است، بنابراین این پژوهش به طراحی یک مدل تصمیم‌گیری چند هدفه خطی مدیریت زنجیره تامین سرد می پردازد که هدف آن کاهش هزینه کلی زنجیره تامین، شامل هزینه های ظرفیت، حمل و نقل، موجودی و نیز هزینه های مربوط به تاثیر گرم شدن کره زمین به دلیل انتشار گازهای گلخانه ای است . جهت تحلیل مسئله تحقیق، یک مدل ریاضی در زمینه بهینه سازی زنجیره تامین سرد طراحی شده و برای حل این مسئله از الگوریتم ژنتیک استفاده شده است. نتایج تابع اول تحقیق نشان می‌دهد که مدل در حالت ‌تعداد مشتری بالا ‌و هنگامی که تعداد توزیع کننده با تعداد تولید کننده برابر می باشد، بهترین حالت ممکن است. از تحلیل تابع دوم نتیجه گرفته می شود که کاهش زمان ترمیم تسهیلاتی در حداقل نمودن تابع نخست، کاهش هزینه ها و کاهش انتشار گازهای گلخانه ای موثر است. بنابراین با توجه به مطالب بیان شده و نیز نتایج بدست آمده در این تحقیق، می‌توان عنوان نمود که با بهینه سازی وسایل نقیله و نیز استفاده مناسب از تعداد بهینه‌ای از وسایل حمل و نقل می توان انتظار داشت که آلودگی و تکثیر گازهای گلخانه ای به حداقل ممکن برسد. تفاصيل المقالة

حرية الوصول المقاله

150 - 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

151 - قیمت گذاری کاهشی محصولات فسادپذیر در شرایط وابستگی تقاضا به قیمت و موجودی در معرض نمایش
Ameneh Jeihouni Hossein Safari Ameneh Jeihouni Mohammad Reza Sadeghi Moghadam Farzad Bahrami

10.30495/imj.2021.682760

در این مقاله برای دستیابی به حداکثر سود حاصل از فروش محصولات فسادپذیر سیاست کاهش قیمت یا تخفیف به کار گرفته شده است. به دلیل اینکه محصولات فسادپذیر پس از یک بازه زمانی دچار افت کیفیت شده و فساد در آنها شکل می‌گیرد ، بنابراین نزد مشتری از جذابیت لازم برخوردار نیستند و تق أکثر

در این مقاله برای دستیابی به حداکثر سود حاصل از فروش محصولات فسادپذیر سیاست کاهش قیمت یا تخفیف به کار گرفته شده است. به دلیل اینکه محصولات فسادپذیر پس از یک بازه زمانی دچار افت کیفیت شده و فساد در آنها شکل می‌گیرد ، بنابراین نزد مشتری از جذابیت لازم برخوردار نیستند و تقاضا برای خرید این محصولات کاهش می یابد، با سیاست کاهش قیمت می توان تقاضا را افزایش داد همچنین با بالارفتن میزان فروش، ضایعات نیز کاهش خواهد یافت و کاهش هزینه خواهیم داشت ؛بنابراین سود کل افزایش خواهد یافت. حال مسأله اینست که اگر تخفیف در زمان مناسب و مقدار بهینه ارائه نشود به هدف رسیدن به حداکثر سود نخواهیم رسید. لذا، در این مقاله به دنبال تعیین زمان بهینه تخفیف و مقدار بهینه تخفیف هستیم با هدف ماکزیمم کردن سود کل بنگاه مفروضات این مقاله تابع تقاضا وابسته به دو عامل قیمت فروش و موجودی در معرض نمایش، سطح موجودی نهایی غیر صفر و نرخ فساد ثابت می باشد. پس از حل مدل از رویکرد دقیق و مثال عددی، مثال با استفاده از الگوریتم ژنتیک، الگوریتم تبرید شبیه‌سازی‌شده حل شده و نتایج مقایسه شد و سپس تحلیل حساسیت پارامترهای اصلی سیستم انجام گردید. تفاصيل المقالة

حرية الوصول المقاله

152 - 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

153 - بهینه سازی شبکه زنجیره تامین زیست توده در چهار ‏سطح ‏
Davod Dehghan Kiamars Fathi Hafshejani Jalal Haghighat Monfared

10.30495/imj.2023.1988071.1851

آلایندگی بر اثر دفن زیست توده ها، امکان تولید انرژی پاک از زیست تودهها و تقاضای زیاد برای دریافت انرژی، بهینه سازی شبکه زنجیره تامین زیست توده را مهم و ضروری ساخته است. هدف این مقاله، &lrm; &lrm;بهینه سازی شبکه&lrm; &lrm;زنجیره&lrm; &lrm;تامین&lrm; &lrm;زیست&lrm; &lr أکثر

آلایندگی بر اثر دفن زیست توده ها، امکان تولید انرژی پاک از زیست تودهها و تقاضای زیاد برای دریافت انرژی، بهینه سازی شبکه زنجیره تامین زیست توده را مهم و ضروری ساخته است. هدف این مقاله، &lrm; &lrm;بهینه سازی شبکه&lrm; &lrm;زنجیره&lrm; &lrm;تامین&lrm; &lrm;زیست&lrm; &lrm;توده&lrm; &lrm;در چهار سطح به منظور کاهش هزینه های اقتصادی و زیست محیطی است. مهم ترین&lrm; &lrm;شکاف&lrm; &lrm;پژوهشی&lrm; &lrm;برطرف&lrm; &lrm;شده&lrm; &lrm;در&lrm; &lrm;این&lrm; &lrm;مقاله،&lrm; &lrm;تعیین&lrm; &lrm;خروجیهای&lrm; &lrm;مطلوب&lrm; &lrm;و&lrm; &lrm;نامطلوب زیست&lrm; &lrm;توده ها در&lrm; &lrm;مراکز&lrm; &lrm;تفکیک&lrm; &lrm;سازی و در نظرگرفتن حالت چند دوره ای، چندمحصولی با وسایل حمل و نقل ناهمگن است. مدل پژوهش، دو هدفه برنامهریزی خطی&lrm; &lrm;عدد&lrm; &lrm;صحیح&lrm; &lrm;مختلط&lrm; &lrm;با عدم&lrm; &lrm;قطعیت&lrm; &lrm;و&lrm; &lrm;اختلال است &lrm; &lrm;بدین منظور چهار سناریو، طراحی گردید. مدل با روش الگوریتم ژنتیک و MOPSO و با نرم افزار پایتون حل گردید.اعتبارسنجی&lrm; &lrm;مدل،&lrm; &lrm;در&lrm; &lrm;یک&lrm; &lrm;مورد مطالعه ای&lrm; &lrm;واقعی&lrm; &lrm;در&lrm; &lrm;استان&lrm; &lrm;فارس&lrm; &lrm;بررسی&lrm; &lrm;شده&lrm; &lrm;است. مدل پیشنهادی توانسته است پایداری و تاب آوری را همزمان، پیاده سازی نماید که موجب کاهش هزینه ها، کاهش انتشار کربن و افزایش تجاری شدن تولید انرژی از زیست توده ها شده است از اینرو سبب افزایش تمایل سرمایه گذاران به سرمایه گذاری در این شبکه از زنجیره تامین میشود مدل پیشنهادی میزان تولید انرژی را 1/2 درصد نسبت به زمانی که خروجیهای مطلوب و نامطلوب در نظر گرفته نشوند کمتر تشان می دهد یعنی به واقعیت بسیار نزدیکتر می کند. با انجام تحلیل حساسیت بر روی داده های واقعی، کارایی مدل اثبات گردید. تفاصيل المقالة

حرية الوصول المقاله

154 - 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

155 - حداقلسازی توابع هدف غیرنزولی برای مسئله زمان‌بندی واحد زمان کارگاه باز با الگوریتم ژنتیک
Ghorbanali Mohammadi Taher Daali Matoorian

در عصر حاضر، برنامه ریزی فعالیتی ضروری و اجتناب ناپذیر در تمام امور فردی، اجتماعی و سازمانی محسوب میشود. به نحوی که بدون توجه به آن هیچ فعالیتی به صورت کارآمد و موثر تحقق نخواهد گرفت. یکی از مسائل مهم مورد بحث در علم تحقیق در عملیات راجع به موضوع زمان‌بندی است. این مطال أکثر

در عصر حاضر، برنامه ریزی فعالیتی ضروری و اجتناب ناپذیر در تمام امور فردی، اجتماعی و سازمانی محسوب میشود. به نحوی که بدون توجه به آن هیچ فعالیتی به صورت کارآمد و موثر تحقق نخواهد گرفت. یکی از مسائل مهم مورد بحث در علم تحقیق در عملیات راجع به موضوع زمان‌بندی است. این مطالعه به مسئله کارگاه باز میپردازد، زیرا در سالهای اخیر، کاربرد مدل‌های ریاضیاتی برای حل بهینه ای مسائل زمانبندی توجه بسیاری از محققین را به خود جلب کرده است. در این راستا، بسیاری از تحقیقات درباره مدلسازی کار کارگاهی و جریان کارگاهی بوده و روی فرمول‌بندی مسئله زمان‌بندی کارگاه باز انجام شده است. هدف این تحقیق یافتن راه حلی ساده و بهینه برای مسئله زمان‌بندی کارگاه باز با تابع هدف تفکیکپذیر با استفاده از روش فراابتکاری الگوریتم ژنتیک می باشد. در الگوریتم این مسئله، عملگر تقاطع PMX و عملگر جهش جابهجایی استفاده شد. در ادامه نیز مقایسهای میان جوابهای به دست آمده به سه روش انتخاب متفاوت در کدبندی الگوریتم ژنتیک شامل روشهای انتخاب برتر، انتخاب تورنمنتی و انتخاب چرخ رولت صورت می گیرد. اطلاعات مورد نیاز برای این پژوهش بهصورت کتابخانهای و مراجعه به اسناد، مدارک و سایتهای معتبر جمع آوری شد. نتایج پژوهش حاضر حاکی از آن بود که مسئله زمانبندی کارگاه باز با استفاده از الگوریتم فراابتکاری ژنتیک راحت تر و سریعتر به جواب می رسد و روش انتخاب برتر جواب بهتری را نسبت به دو روش دیگر نشان میدهد. تفاصيل المقالة

حرية الوصول المقاله

156 - ارائه ی یک الگوریتم ژنتیک جدید برای حل مسئله ی مسیریابی چند انباره با وسایل نقلیه چند ظرفیتی
Hossien Afzali Gholam Reza Einy Sarkalleh Mojtba Khademy Nejad Elnaz Miandoabchi

امروزه مسیریابی وسایل نقلیه یکی از مسائل پرکاربردترین موضوعات و مدل ها در لجستیک و مدیریت زنجیره تامین و به تبع آن در برنامه ریزی حمل و نقل می باشد که تا کنون مقالات و پژوهش های کاربردی و آکادمیک بسیار زیادی در این زمینه انجام شده و به چاپ رسیده است در این مقاله ما به ا أکثر

امروزه مسیریابی وسایل نقلیه یکی از مسائل پرکاربردترین موضوعات و مدل ها در لجستیک و مدیریت زنجیره تامین و به تبع آن در برنامه ریزی حمل و نقل می باشد که تا کنون مقالات و پژوهش های کاربردی و آکادمیک بسیار زیادی در این زمینه انجام شده و به چاپ رسیده است در این مقاله ما به ارائه یک الگوریتم ابتکاری جدید برای حل مساله ی مسیر یابی وسایل نقلیه با ظرفیت های متفاوتی از وسایل نقلیه پرداخته شده است که هدف اساسی این مقاله تخصیص نقاط تقاضا به هر مرکز و تعیین بهترین مسیر بین نقاط تخصیص یافته به هر مرکز و همچنین تعیین بهترین وسیله حمل و نقل برای هر مرکز است و در یک مطالعه موردی این مدل مورد تحلیل و بررسی قرار گرفته است و در ادامه نتایج بدست آمده که توسط الگوریتم جدید استخراج شده است را با الگوریتم های ابتکاری مقایسه گردیده و نتایج بدست آمده نشان می دهد که این الگوریتم توانایی رقابت با الگوریتم های ابتکاری و فراابتکاری های دیگر را نیز خواهد داشت. تفاصيل المقالة

حرية الوصول المقاله

157 - حل مسأله برنامه ریزی دو سطحی خطی با استفاده از الگوریتم ژنتیک
Hashem Omrani

مسأله برنامه ریزی دو سطحی (BLP) یکی از مسائل مهم در تئوری تصمیم گیری می باشد که زیر مجموعه مسائل برنامه ریزی چند سطحی به شمار می رود. این مسأله دارای دو سطح بیرونی و داخلی می باشد که فضای جواب مسأله بیرونی یا سطح اول توسط مسأله داخلی یا سطح دوم معین می شود. با توجه به ا أکثر

مسأله برنامه ریزی دو سطحی (BLP) یکی از مسائل مهم در تئوری تصمیم گیری می باشد که زیر مجموعه مسائل برنامه ریزی چند سطحی به شمار می رود. این مسأله دارای دو سطح بیرونی و داخلی می باشد که فضای جواب مسأله بیرونی یا سطح اول توسط مسأله داخلی یا سطح دوم معین می شود. با توجه به اینکه BLP یک مسأله NP-hard می باشد، حل آن توسط روشهای سنتی به راحتی امکان پذیر نیست. در این مقاله ابتدا مسأله BLP و کاربردهای آن بررسی و سپس برای یافتن نقطه بهینه مسأله از روش شمارش نقاط رأسی استفاده می شود. در این مقاله برای جستجوی فضای اطراف نقاط رأسی و یافتن جواب بهینه از الگوریتم ژنتیک استفاده می گردد. همچنین با استفاده از یک پارامتر کنترلی، شعاع فضایی را که باید جستجو شود کنترل می شود تا از افزایش زمان حل مسأله اجتناب گردد. نتایج خروجی نشان می دهد که جواب بدست آمده از الگوریتم ژنتیک پیشنهادی در مقایسه با مطالعات قبلی قابل قبول می باشد. تفاصيل المقالة

حرية الوصول المقاله

158 - بهینه‌سازی مبدل حرارتی پوسته-لوله با بافل منفذدار کواترفویل با استفاده از الگوریتم‌های فراابتکاری
سید ایمان هاشمی مرغملکی هادی اسکندری

در این پژوهش، مشخصه های حرارتی و هیدرولیکی سمت پوسته مبدل حرارتی پوسته-لوله با بافل منفذدار کواترفویل به وسیله الگوریتم های فراابتکاری گرگ خاکستری و ژنتیک به صورت تک هدفه و چند هدفه بهینه سازی می شود. تابع های هدف، ظرفیت انتقال حرارت برای مقدار بیشینه و اتلاف فشار أکثر

در این پژوهش، مشخصه های حرارتی و هیدرولیکی سمت پوسته مبدل حرارتی پوسته-لوله با بافل منفذدار کواترفویل به وسیله الگوریتم های فراابتکاری گرگ خاکستری و ژنتیک به صورت تک هدفه و چند هدفه بهینه سازی می شود. تابع های هدف، ظرفیت انتقال حرارت برای مقدار بیشینه و اتلاف فشار برای مقدار کمینه می باشد. متغیرهای مبدل حرارتی پوسته-لوله برای بهینه سازی عبارتند از: قطر و تعداد لوله ها، عدد رینولدز، فاصله بین بافل ها و ارتفاع منفذ کواترفویل. مقادیر بهینه شده برای آرایش مربع و مثلث دسته لوله ها به دست آمده است. نتایج نشان داده است که برای بیشترین انتقال حرارت بافل کواترفویل مقادیر قطر لوله 03/0 متر، تعداد لوله ها 30 عدد، مقدار عدد رینولدز 20000، ارتفاع منفذ 0018/0 متر و فاصله بین بافل ها 15/0 متر است. برای کمترین مقدار افت فشار قطر لوله ها 03/0 متر برای آرایش مربع و 01/0 متر برای آرایش مثلث، عدد رینولدز 5000، ارتفاع منفذ 003/0 متر و فاصله بین بافل ها 25/0 متر است. در بهینه سازی چند هدفه قطر لوله ها 03/0 متر و تعداد لوله ها 30 عدد حاصل شده است. بهینه سازی به وسیله الگوریتم گرگ خاکستری والگوریتم ژنتیک نتایج یکسانی برای مبدل حرارتی پوسته-لوله با بافل کواتر فویل در بر داشته است. تفاصيل المقالة

حرية الوصول المقاله

159 - Performance Improvement of the RFM Estimation by Modifying the Initial Population in the Genetic based Optimization
Mojtaba Akhoundi Khezrabad Mohammad Javad Valadan Zoej Alireza Safdarinezhad

Rational Function Models (RFMs) are known as the most famous mathematical transformations used in geometric correction of satellite images. Considering the lack of enough and well-distributed Ground Control Points (GCPs), the structure optimization is a critical step in أکثر

Rational Function Models (RFMs) are known as the most famous mathematical transformations used in geometric correction of satellite images. Considering the lack of enough and well-distributed Ground Control Points (GCPs), the structure optimization is a critical step in the terrain-dependent RFM estimation strategy. Heretofore, the binary encoding Genetic Algorithm (GA) optimization method has been used to find the optimal structure of RFMs. However, randomized generation of initial population can directly impact the convergence and also computational costs. In this paper, an approach has been proposed to modify the initial population of the GA algorithm based on the correlations of the column vectors of the least square design matrix. In this approach, probability of the presence of each RFM term in the GA initial population is linearly dependent on its correlation with other terms. Although this method slightly decreases the geometric accuracy, it can fall the processing time by 37.02% on average. تفاصيل المقالة

حرية الوصول المقاله

160 - Proposing a New Method to Optimize the Routing in the Distribution of Vendors' Goods Using the Internet of Things (IoT)
Mohammad Sadegh Jahan

Distribution systems are a chain of businesses or intermediaries through which a product or commodity delivers to the customer. One of the most important concerns of customers and manufacturers is the improper distribution of the product to the right place and target cu أکثر

Distribution systems are a chain of businesses or intermediaries through which a product or commodity delivers to the customer. One of the most important concerns of customers and manufacturers is the improper distribution of the product to the right place and target customers, and it can be boldly said that the cost of each product for the customer largely depends on the costs of distribution of the product. On the other hand, the increase in transfers and movements of goods and the demand for speeding up these transfers, along with the reduction of costs related to these transfers, has caused many complexities and problems in this regard in the transportation network. Among the most important problems at present are the increase in traffic volume on various routes, increasing fuel consumption, wasting long time on high-traffic routes, increasing air pollution, and so on. In this study, a new stochastic algorithm to optimally select the route to prevent increased costs and reduce time and air pollution caused by traffic on busy routes while transporting goods. And we offer products from the place of production / factories to places of distribution. In this algorithm, IoT will be used to select the optimal path. By implementing the proposed algorithm, it can be concluded that the attention of the product production team to strategic issues can be increased in the long run. The number of customers and increasing the share of the company's products in the market will play an effective role. تفاصيل المقالة

حرية الوصول المقاله

161 - مکان یابی و اندازه یابی بهینه منابع تولید پراکنده با هدف کاهش تلفات سالیانه
میثم امیراحمدی علیرضا خانبابا

در این مقاله با در نظر گرفتن مزایای متعدد منابع تولید پراکنده و همچنین توجه به اهمیت مکان‌یابی مناسب و ظرفیت‌یابی مطلوب این منابع جهت دستیابی به مزایای آن، به تعیین مکان و ظرفیت بهینه منابع تولید پراکنده در شبکه توزیع پرداخته شده است. عدم مکان‌یابی مناسب منابع تولید پرا أکثر

در این مقاله با در نظر گرفتن مزایای متعدد منابع تولید پراکنده و همچنین توجه به اهمیت مکان‌یابی مناسب و ظرفیت‌یابی مطلوب این منابع جهت دستیابی به مزایای آن، به تعیین مکان و ظرفیت بهینه منابع تولید پراکنده در شبکه توزیع پرداخته شده است. عدم مکان‌یابی مناسب منابع تولید پراکنده در شبکه‌های توزیع منجر به وقوع معایبی چون افزایش تلفات، تخریب پروفیل ولتاژ و قابلیت اطمینان شبکه، کاهش پایداری و افزایش هارمونیک‌ها می‌شود. بهینه‌سازی مدنظر در این مقاله توسط ارائه یک ضریب حساسیت به کاهش تلفات انرژی سالیانه شبکه و هزینه‌ی سالیانه منابع تولید پراکنده صورت گرفته است. از روش الگوریتم ژنتیک به عنوان ابزار حل مسئله بهینه‌سازی و از سیستم تست 33 شینه IEEE به عنوان سیستم تست مورد مطالعه استفاده شده است. به منظور محاسبه تلفات انرژی سالیانه شبکه از پخش بار جاروب رفت و برگشت و مدل بار میانگین 288 ساعته استفاده شده است. تفاصيل المقالة

حرية الوصول المقاله

162 - بهینه سازی دمای راکتور و وزن کاتالیست در فرآیند تبدیل ضایعات پلیمری به سوخت
سیدحسین هاشمی سیدعبدالرسول هاشمی محمود دین محمد عباس نیکنام

امروزه باتوجه به افزایش چشمگیر در تولید محصولات پلیمری با توجه به پیشرفت تکنولوژی در صنایع پلاستیکی، اهمیت مدیریت دفع ضایعات پلاستیکی دوچندان شده است. از راهکارهای کارآمد در این زمینه، می توان به بازیافت این ضایعات و تبدیل به سوخت های مایع و گاز اشاره کرد. این راهکار می أکثر

امروزه باتوجه به افزایش چشمگیر در تولید محصولات پلیمری با توجه به پیشرفت تکنولوژی در صنایع پلاستیکی، اهمیت مدیریت دفع ضایعات پلاستیکی دوچندان شده است. از راهکارهای کارآمد در این زمینه، می توان به بازیافت این ضایعات و تبدیل به سوخت های مایع و گاز اشاره کرد. این راهکار می تواند علاوه بر حفاظت از محیط زیست، جای گزینی مناسب برای سوخت های طبیعی باشد. به همین دلیل در این پژوهش، در راستای افزایش راندمان سوخت و بهبود کیفیت محصولات تولیدی حاصل از تبدیل زباله های پلاستیکی در فرآیند پیرولیز کاتالیستی، یک مدل توسعه یافته ریاضی ارائه می شود و با استفاده از دو روش پاسخ سطح و الگوریتم ژنتیک، مدل مورد نظر و پارامترهای آن(دمای راکتور و وزن کاتالیست) به منظور ارائه بهترین حالت بهینه مورد مطالعه قرارمی گیرد. طبق تحلیل آنالیز واریانس، میزان انحراف معیار براساس مدل توسعه یافته، برای بازده سوخت مایع و گاز به ترتیب 9641/0 و 9655/0 می باشد. تفاصيل المقالة

حرية الوصول المقاله

163 - رویکرد جدید ارزیابی قابلیت اطمینان برای عملیات سیستم انرژی واحد
مجتبی جمعیتی

در این مقاله، پس از معرفی سیستم های یکپارچه انرژی، با توجه به شاخص های قابلیت اطمینان به دلیل ایستایی ناشی از توسعه جوامع ، رشد مصرف انرژی و مصرف بهینه و همزمان انرژی مورد بررسی قرار گرفته است. سیستم های انرژی مرتباً دچار اختلالات عمده ای می‌شوند که بر فعالیت‌های اقتصاد أکثر

در این مقاله، پس از معرفی سیستم های یکپارچه انرژی، با توجه به شاخص های قابلیت اطمینان به دلیل ایستایی ناشی از توسعه جوامع ، رشد مصرف انرژی و مصرف بهینه و همزمان انرژی مورد بررسی قرار گرفته است. سیستم های انرژی مرتباً دچار اختلالات عمده ای می‌شوند که بر فعالیت‌های اقتصادی ، عملکرد زیرساخت ها و کل جامعه تأثیر می گذارد. ارزیابی قابلیت اطمینان شبکه توزیع بخش مهمی از سیستم قدرت است. تنها چند رویکرد ارزیابی قابلیت اطمینان در مورد تاثیر چند گسل وجود دارد. داشتن روشی که بتواند هم دقت و هم کارایی را تضمین کند، ضروری است. همچنین با استفاده از الگوریتم ژنتیک (GA) ، بهترین حالت نصب عناصر در زمان‌های مختلف به شکل مدل استاتیک و میزان دقیق انرژی های ورودی با توجه به ارزش انرژی‌های الکتریکی و حرارتی تعیین می شود. استفاده از راندمان‌ها و قیمتهای مختلف حامل انرژی در ساعات مختلف در سال مورد توجه است. در نهایت ، با دوره تمدید ، مدت زمان کارکرد سیستم در یک نمونه اولیه مورد ارزیابی قرار می گیرد. تفاصيل المقالة

حرية الوصول المقاله

164 - بهینه‌سازی فرکانس پایه پوسته‌های استوانه‌ای کامپوزیتی تقویت‌شده محتوی مایع
جعفر اسکندری‌جم محمد علی نیکجو

در این مقاله ارتعاشات آزاد پوسته استوانه‌ای کامپوزیتی تقویت شده محتوی مایع مورد بررسی قرار گرفته است. پوسته مذکور از کامپوزیت چند لایه تشکیل شده است و تقویت کننده‌ها شامل رینگ‌ها و استرینگر‌ها می باشد. برای پوسته و تقویت کننده‌ها از تئوری برشی مرتبه اول استفاده شده است أکثر

در این مقاله ارتعاشات آزاد پوسته استوانه‌ای کامپوزیتی تقویت شده محتوی مایع مورد بررسی قرار گرفته است. پوسته مذکور از کامپوزیت چند لایه تشکیل شده است و تقویت کننده‌ها شامل رینگ‌ها و استرینگر‌ها می باشد. برای پوسته و تقویت کننده‌ها از تئوری برشی مرتبه اول استفاده شده است و رینگها و استرینگر‌ها بصورت عناصر مجزا وارد روابط شده‌اند. برای حل، از روش ریلی ریتزاستفاده شده است. برای حل، روابط انرژی پتانسیل و جنبشی مربوط به پوسته و تک تک تقویت کننده‌ها به همراه انرژی جنبشی سیال بدست آمده و در تابع پتانسیل انرژی قرار می‌گیرند. تمامی تقویت‌کننده‌ها دارای مقطع مستطیلی هستند. سیال ایده‌آل فرض شده و از اثر موجهای سطحی سیال صرف نظر شده است. در نهایت برای رسیدن به بهترین و بالاترین فرکانس‌های طبیعی پایه، با استفاده از الگوریتم ژنتیک بهینه‌سازی انجام شده است. با استفاده از الگوریتم ژنتیک مناسب‌ترین زوایای الیاف کامپوزیت لایه‌ای، برای رسیدن به حداکثر فرکانس طبیعی بدست آمد. همچنین بهترین نسبت ارتفاع به عرض برای استرینگر نیز بدست آمده و در آخر تعداد رینگ‌ها و استرینگر‌ها و همچنین شکل مقطع آنها به نحوی که فرکانس پایه ماکزیمم شود بدست آمده است. تفاصيل المقالة

حرية الوصول المقاله

165 - تحلیل دینامیکی اثرات سرعت‌گیر و سرعت‌کاه‌ها روی آسایش سرنشینان خودروی پراید با مدل یک چهارم خودرو و بهینه‌سازی شکل سرعت‌گیر و سرعت‌کاه
حامد قربانیان احسان جمشیدی محمد رضا آشوری

ارتقاء سطح ایمنی در شبکه معابر شهری نقش مهمی در افزایش اعتمادپذیری و کارایی شبکه حمل و نقل دارد و یکی از مهم ترین پارامترهای مؤثر در افزایش ایمنی، کنترل سرعت وسایل نقلیه می باشد، به طوری که موجب کاهش تعداد و شدت تصادفات بین وسایل نقلیه و افزایش ایمنی عبور عابر پیاده می أکثر

ارتقاء سطح ایمنی در شبکه معابر شهری نقش مهمی در افزایش اعتمادپذیری و کارایی شبکه حمل و نقل دارد و یکی از مهم ترین پارامترهای مؤثر در افزایش ایمنی، کنترل سرعت وسایل نقلیه می باشد، به طوری که موجب کاهش تعداد و شدت تصادفات بین وسایل نقلیه و افزایش ایمنی عبور عابر پیاده می گردد. در این راستا سرعت گیر و سرعت کاه هانقش مهمی در کاهش سرعت وسایل نقلیه در سطح شهر ایفا می کنند. متأسفانه در ایران به دلایل بسیاری از جمله طراحی های نادرست، استفاده بیش از حد و بی مورد از سرعت گیرها و همچنین تعیین محل نصب به صورت سلیقه ای بدون رعایت استانداردهای جهانی باعث شده تا این ابزار در کنترل سرعت خودروها، کم اثر باشد و این امر موجب شده تا آسیب به سیستم تعلیق خودروها به حداکثر برسد و به تبع آن ناراحتی سرنشینان همه خودروها را از جمله خودروهایی که هنگام عبور از روی سرعت گیرها با سرعت مجاز در حال حرکت هستند، به دنبال داشته باشد. یکی از مهم ترین ایراداتی که به سرعت گیرها وارد است نیز تأخیر در خدمات رسانی خودروهای اورژانس و آتش نشانی است. در این مقاله ابتدا انواع سرعت گیرهای موجود معرفی شده و با ساخت مدل یک چهارم خودروی پراید با جعبه ابزارسیمولینک در نرم افزار متلب، اثرات آن ها روی خودرو و سرنشینان آن بررسی شده است. سپس با استفاده از استاندارد ISO 2631-1، شتاب های عمودی که سرنشینان خودرو در آن احساس راحتی می کنند به دست آمده و با استفاده از الگوریتم ژنتیک، طرحی جدید که با این استاندارد سازگار باشد برای سرعت گیر و سرعت کاه به دست آمده است. با استفاده از طرح بهینه سرعت گیر و سرعت کاه در سطح شهر، خودروهایی که با سرعت مجاز از روی آن ها عبور می کنند سرنشینان آن در منطقه راحتی کامل و خودروهایی که با سرعت غیر مجاز از روی آن ها می گذرند سرنشینان آن در منطقه ناراحتی کامل قرار دارند. تفاصيل المقالة

حرية الوصول المقاله

166 - بهینه‌سازی ضرایب منطقه‌ای فرمول تجربی فولر با برنامه ریزی خطی و الگوریتم ژنتیک در حوزه‌های فاقد آمار به کمک داده‌های مکانی
ابراهیم یوسفی مبرهن ابراهیم کریمی سنگچینی بهروز ارسطو سید علی اصغر هاشمی

برای محاسبه دبی اوج سیلاب در حوضه‌های فاقد آمار یکی از روش‌های مورد استفاده، روش‌های تجربی است. از روش-های‌ تجربی که در این تحقیق استفاده شده است، روش فولر بوده که محاسن آن نسبت به سایر روش‌های تجربی ارائه دوره‌های مختلف سیلاب می‌باشد. در این تحقیق، مقایسه تکنیک‌های بهی أکثر

برای محاسبه دبی اوج سیلاب در حوضه‌های فاقد آمار یکی از روش‌های مورد استفاده، روش‌های تجربی است. از روش-های‌ تجربی که در این تحقیق استفاده شده است، روش فولر بوده که محاسن آن نسبت به سایر روش‌های تجربی ارائه دوره‌های مختلف سیلاب می‌باشد. در این تحقیق، مقایسه تکنیک‌های بهینه‌سازی برنامه‌ریزی خطی و الگوریتم ژنتیک در بهینه‌‌سازی ضرایب فرمول تجربی فولر بترتیب در محیط برنامه‌نویسی اکسل و متلب برای حوضه‌های منتخب منطقه هدف قرار داده شده است. بدین منظور آمار دبی حداکثر 24 ساعته 9 ایستگاه موجود در استان آذربایجان غربی با طول دوره آماری 21 سال مورد بررسی قرار گرفت. مقایسه نتایج برتری روش الگوریتم ژنتیک و سپس برنامه‌ریزی خطی را نشان داد. همچنین نتایج نشان می‌دهد که استفاده از روش‌های جستجوی هوشمند عملکرد روش‌های مرسوم را به میزان قابل توجهی بهبود می‌بخشد. تفاصيل المقالة

حرية الوصول المقاله

167 - 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

168 - ارائه مدلی جهت انتخاب پورتفولیو تامین کننده تاب آور در زنجیره تامین صنعت ساختمان تحت شرایط رکود با استفاده از ارزیابی فازی
تقی ترابی رضا رادفر محمدرضا معتدل نازنین پیله وری امیرمحمد محتشم

10.30495/qrm.2023.1992331.1036

هدف این پژوهش ارائه ی یک روش جدید برای انتخاب سبد سهام با استفاده از روش ارزیابی فازی ترکیبی و الگوریتم ژنتیک می باشد. انتخاب سبد سهام یک مسئله ی چند هدفه/معیاره در مدیریت مالی است. این روش در دو مرحله سبد سهام را انتخاب می کند. در مرحله ی اول به کمک ارزیابی فازی ترکیبی أکثر

هدف این پژوهش ارائه ی یک روش جدید برای انتخاب سبد سهام با استفاده از روش ارزیابی فازی ترکیبی و الگوریتم ژنتیک می باشد. انتخاب سبد سهام یک مسئله ی چند هدفه/معیاره در مدیریت مالی است. این روش در دو مرحله سبد سهام را انتخاب می کند. در مرحله ی اول به کمک ارزیابی فازی ترکیبی و الگوریتم ژنتیک، وزن معیار ها محاسبه می شود. در مرحله ی دوم به کمک ارزیابی فازی ترکیبی ، سبد سهام رتبه بندی می شوند. از الگوریتم ژنتیک چند هدفه برای تعیین مرز کارا بین ریسک و بازده استفاده شده است. در این پژوهش از عملکرد صنایع عمرانی، ساختمانی، سرمایه گذاری و تولیدکنندگان مصالح و ابزارآلات ساختمانی در بازه ی 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، می باشد، عملکرد خود شرکت ها در بازار سهام و انتخاب سبد سهام به نظر خبرگان و متخصصان وابسته نمی باشد . تفاصيل المقالة

حرية الوصول المقاله

169 - مدل‌سازی روش تکامل طبیعی برای حل مسائلی در حسابان فازی
غلام حسن شیردل

در این مقاله با داشتن مقادیر یک تابع وزن‌ در n نقطه، یک اندازه فازی پارامتری تعریف می‌کنیم. با استفاده از خواص اندازه فازی یک معادله طراحی کرده که با حل آن پارامتر اندازه فازی بدست می‌آید. معادله طراحی شده را با یک الگوریتم ژنتیک حل کرده و بدینوسیله امکان حل انتگرال‌های أکثر

در این مقاله با داشتن مقادیر یک تابع وزن‌ در n نقطه، یک اندازه فازی پارامتری تعریف می‌کنیم. با استفاده از خواص اندازه فازی یک معادله طراحی کرده که با حل آن پارامتر اندازه فازی بدست می‌آید. معادله طراحی شده را با یک الگوریتم ژنتیک حل کرده و بدینوسیله امکان حل انتگرال‌های فازی را ایجاد می‌کنیم. تفاصيل المقالة

حرية الوصول المقاله

170 - Design of PID Controller for Teleopration System with Genetic Algorithm
Mohammad Esmaeil akbari

This paper presents a novel teleoperation controller for a nonlinear master–slave robotic system with constant time delay in communication channel. The proposed controller enables the teleoperation system to compensate human and environmental disturbances, while a أکثر

This paper presents a novel teleoperation controller for a nonlinear master–slave robotic system with constant time delay in communication channel. The proposed controller enables the teleoperation system to compensate human and environmental disturbances, while achieving master and slave position coordination in both free motion and contact situation. The current work basically extends the passivity based architecture upon the earlier work of Lee and Spong (2006) [14] to improve position tracking and consequently transparency in the face of disturbances and environmental contacts. The proposed controller employs a PID controller in each side to overcome some limitations of a PD controller and guarantee an improved with genetic algorithm is investigated. We wanted to build on the controller can be designed as desired, and the optimal coefficients are obtained. تفاصيل المقالة

حرية الوصول المقاله

171 - 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

172 - A Risk-Averse Energy Management in Micro-grids on Information Gap Decision Theory Using the Genetic Algorithm
Abdolreza Sadighmanesh sarang ezazi

In this paper, energy management in a Micro-grid connected to the distribution network has been done with the aim of reducing the cost of operating the Micro-grids and reducing the environmental pollution index. The Genetic Algorithm method is used to optimize the objec أکثر

In this paper, energy management in a Micro-grid connected to the distribution network has been done with the aim of reducing the cost of operating the Micro-grids and reducing the environmental pollution index. The Genetic Algorithm method is used to optimize the objective function and find Pareto solutions. The Information Gap Decision-making Method has been used to select the appropriate answers from Pareto's set of answers. In the meanwhile, the participation rate of each of the distributed generator sources and the charge and discharge planning of the energy storage system to provide the Micro-grids load has been calculated. In addition, the interaction between the Micro-grids and the distribution network is important. To analyze the proposed method, a planning problem using multi-priced electricity tariffs is presented as an advantage of the energy storage system. To demonstrate the effectiveness of the multivariate optimization method presented in this thesis, modeling and simulation of diesel generators and energy storage in a Micro-grid have been performed. Mathematical models based on probability density functions, renewable energy sources and consumer load have been investigated. Minimizing the cost of fuel to generate power in the Micro-grids, uncertainty related to renewable sources and Micro-grids load consumption has been modeled using the Information Gap Decision-making Method of maximum uncertainty radius for renewable units and load consumption. The results of the Information Gap Decision Method are compared with conventional methods based on probabilistic function analysis such as the scenario tree method. The results presented in this dissertation show the advantages of the proposed method to improve the overall performance of independent and connected Micro-grids to the distribution network. تفاصيل المقالة

حرية الوصول المقاله

173 - Presenting a Novel Algorithm to Optimal Designing Power Distribution Network in the Presence of DG
Amir Rahimi Hossein Nasiraghdam

Regarding the nature of non-linear discrete placement, and in order to determine the optimal capacity of the substation, the goal in the present study will be a number of local optimum points. In this research, the problem of optimal placement posts to reduce power loss أکثر

Regarding the nature of non-linear discrete placement, and in order to determine the optimal capacity of the substation, the goal in the present study will be a number of local optimum points. In this research, the problem of optimal placement posts to reduce power losses by considering Distributed Generation (DG). In formulating the objective function, geographical distribution density in the study period and places constraints on electric posts and geographic terms were investigated. The proposed technique would be based on testing a sample network. تفاصيل المقالة

حرية الوصول المقاله

174 - Optimal Trajectory Generation for a Robotic Worm via Parameterization by B-Spline Curves
Mohammad Reza Sayyed Noorani Pouya Nourfar

In this paper we intend to generate some set of optimal trajectories according to the number of control points has been applied for parameterizing those using B-spline curves. The trajectories are used to generate an optimal locomotion gait in a crawling worm-like robot أکثر

In this paper we intend to generate some set of optimal trajectories according to the number of control points has been applied for parameterizing those using B-spline curves. The trajectories are used to generate an optimal locomotion gait in a crawling worm-like robot. Due to gait design considerations it is desired to minimize the required torques in a cycle of gait. Similar to caterpillars, progress in our crawling robot is achieved by propagating a trapezoidal wave from tail to head in the vertical plane. According to this model, the optimization problem has been solved via parameterization of joint trajectories, and consequently cost function, using cubic B-spline curves versus variant numbers of control points (CPs) needed in building those. Indeed, it is tried to find the best number of the CPs, of which the cost function obtains a minimum dynamical effort. To this end, the Genetic Algorithm is employed to find the minimal cost value once a nominated number of CPs is considered. Furthermore, since a complete period of this locomotion gait is composed of separated stages called sub-motions, thus the optimal trajectories for each sub-motion is examined independently. The results show choosing the number of CPs between 8 to 12 points constructs the optimized trajectories that reduce the dynamical effort of crawl in comparison with ones are reported by previous researches. تفاصيل المقالة

حرية الوصول المقاله

175 - Raising Power Quality and Improving Reliability by Distribution Network Reconfiguration in the Presence of Renewable Energy Sources
Mohamad Taghi Babajani BaghmisheZad Hosein NasirAghdam

In this paper, reconfiguration problem of distribution network has been investigated toimprove reliability and reduce power loss by placement of renewable energy sources; i.e. solarcell and wind turbine. For this, four reliability indices are considered in objective fun أکثر

In this paper, reconfiguration problem of distribution network has been investigated toimprove reliability and reduce power loss by placement of renewable energy sources; i.e. solarcell and wind turbine. For this, four reliability indices are considered in objective function;which are as follows: System Average Interruption Frequency Index (SAIFI), System AverageInterruption Duration Index (SAIDI), Cost of Energy Not Supplied (CENS), and MomentaryAverage Interruption Frequency Index (MAIFI). By using a novel technique, the target functionwas normalized. Simulation has been performed on IEEE 69-bus test system. A genetic algorithmcould solve this nonlinear problem. تفاصيل المقالة

حرية الوصول المقاله

176 - Land-Use Modification based on Transit-Oriented Development adjacent to Historical Context (Case Study: Qazvin City)
Hamid Mirzahossein Amir Abbas Rassafi Kaveh Sadeghi Pooyan Najafi

10.22094/soij.2021.1929092.1416

Nowadays, improving public transport alone is not enough to solve urban traffic congestion, and a proper land-use planning scheme should accompany it. One of the approaches to solve this problem is mutual interaction between land-use and transportation called Transit-Or أکثر

Nowadays, improving public transport alone is not enough to solve urban traffic congestion, and a proper land-use planning scheme should accompany it. One of the approaches to solve this problem is mutual interaction between land-use and transportation called Transit-Oriented Development (TOD). Since Qazvin, as a historical city that was Iran's medieval capital in the Safavid dynasty (1555-1598), was selected as a pilot to implement TOD by the Ministry of Roads and Urban Development (MRUD), knowing the various aspects of this issue is essential. This paper presents the best-generated plan for land use modification around the concerned TOD stations adjacent to Qazvin city's historical areas. In this regard, a mathematical model with four objectives is developed to preserve historical context and signify optimized mixed-use using the Genetic Algorithm (GA) based on Python programming. First, maximize the density of commercial, residential, and mixed land use. Secondly, minimize the TOD skyline border to preserve the zone's historical identity. Thirdly, minimize land-use changes as much as possible to save the regions' context, and finally, increase the density of the land use allocation based on the TOD rules. In station 6, the most change related to residential decreased by about 30 percent, but at station 19, the most remarkable change related to commercial decreased about 10 percent. تفاصيل المقالة

حرية الوصول المقاله

177 - Optimization of windows in order to enhance daylight and thermal performance based on genetic algorithm Case study: A residential building with a common plan in Tabriz, Iran
Farhad Ahmadnejad Niloofar Mollayi Fatemeh Mostajer Haghighi Hasti ValiollahPour Reyhaneh Ghadiri

10.22094/soij.2022.1951323.1478

In residential buildings, good daylight is critical in maintaining key aspects of our psychological and physiological health, and windows have a key role in the daylight performance. However, achieving successful window design in the term of daylight is rather problemat أکثر

In residential buildings, good daylight is critical in maintaining key aspects of our psychological and physiological health, and windows have a key role in the daylight performance. However, achieving successful window design in the term of daylight is rather problematic, it can cause thermal discomfort in summer or winter. The balancing of different interrelated window factors is particularly challenging for Tabriz climate. Fortunately, because of advancements in building optimization methods in recent years, genetic algorithms used to explore for design solutions have shown their efficiency in solving complicated architectural problems. The aim of this current study is to determine the applicability of a genetic algorithm for the optimization of windows for a typical residential building in the cold climate of Tabriz considering daylight and thermal performance. Using a parametric algorithm and evolutionary multi-objective optimization via Wallacei X plug-in for Grasshopper, various windows-to-wall ratios and sill height were combined, to find potential solutions that achieve a good performance in terms of thermal comfort and daylight. The survey has shown that in optimal conditions, the increase in useful daylight illuminance towards the base cases for south and north facade is 3.2% - 10.3% and the reduction rate of discomfort hours is 1.1%-23.8% through modification of window-to-wall ratios and still height in a residential building with a common plan in this climate.The results illustrated how an optimization methodology can be applied in the early stages of building design to understand how the windows can be tailored to ensure a good balance between daylight and thermal performance. تفاصيل المقالة

حرية الوصول المقاله

178 - 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

179 - Effects of an Optimization Method to Determine Optimal Complementary Learning Clusters on Iranian EFL Learners' Language Proficiency
Zahra khashei

Cooperative learning has widely been used as a teaching method in English class around the world,and has attracted worldwide attention for its remarkable achievement. This study was an attemptto investigate the effects of an optimization method named genetic algorithm t أکثر

Cooperative learning has widely been used as a teaching method in English class around the world,and has attracted worldwide attention for its remarkable achievement. This study was an attemptto investigate the effects of an optimization method named genetic algorithm to determine optimalcomplementary learning clusters on Iranian EFL learners' English proficiency. The subjects of thismixed method study were 40 male students at intermediate level with the age of 12-17, and thestudy was done in winter, 2016, in a private language institute in Isfahan, Iran. They were dividedin two groups, the experimental group (EG) who were taught cooperative learning with optimalclustering, and the control group (CG) who were thought traditional cooperative learning. At thequantitative phase, an Independent Samples T-test was used to compare the means of pre andposttests. The results indicated that, in listening, speaking, and vocabulary, the subjects'performances in EG were significantly better than CG. At the qualitative phase, the findings of theinterviews revealed that Iranian EFL learners had positive attitudes towards using cooperativelearning in improving their English knowledge. This study could benefit teachers, students, andEnglish private institutes in teaching and learning process. It could also help language designers,policy makers, and administrators employing optimization methods to facilitate teaching Englishskills, and components. تفاصيل المقالة

حرية الوصول المقاله

180 - 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

181 - Providing a Recommendation System for Recommending Articles to users using Data Mining Methods
Reza Molaee fard Payam Yarahmadi

10.22094/jcr.2022.1966472.1278

Due to the growing number of articles and books available on the web, it seems necessary to have a system that can extract users' articles and books from the vast amount of information that is increasing day by day. One of the best ways to do this is to use referral sys أکثر

Due to the growing number of articles and books available on the web, it seems necessary to have a system that can extract users' articles and books from the vast amount of information that is increasing day by day. One of the best ways to do this is to use referral systems. In this research, a method is provided to improve the recommender systems in the field of article recommendation to the user. In this research, DBSCAN clustering algorithm is used for data clustering. Then we will optimize our data using the firefly algorithm, then the genetic algorithm is used to predict the data, and finally the recommender system based on participatory filtering provides a list of different articles that can be of interest to the user. Be him. The results of the evaluation of the proposed method indicate that this recommending system has a score of 94% in the accuracy of the system. And in the call section, it obtained a score of 91%, which according to the obtained statistics, it can be said that this system can correctly suggest up to 90% of the user's favorite articles to the user. تفاصيل المقالة

حرية الوصول المقاله

182 - A Novel Classification Method: A Hybrid Approach Based on Large Margin Nearest Neighbor Classifier
Alieh Ashoorzadeh Abbas Toloie Eshlaghy Mohammad Ali Afshar Kazemi

10.22094/jcr.2023.1981975.1309

Classification is the operation of dividing various data into multiple classes where they share quantitative and qualitative similarities. Classification has many use cases in engineering fields such as cloud computing, power distribution, and remote sensing. The accura أکثر

Classification is the operation of dividing various data into multiple classes where they share quantitative and qualitative similarities. Classification has many use cases in engineering fields such as cloud computing, power distribution, and remote sensing. The accuracy of many classification techniques such as k-nearest neighbor (k-NN) is highly dependent on the method used in the calculation of distances between samples. It is assumed that samples close to each other belong to the same class while samples that belong to different classes have a large distance between them. One of the popular distance calculation methods is the Mahalanobis distance. Many methods, including large margin nearest neighbor (LMNN), have been proposed to improve the performance of k-NN in recent years. Our proposed method aims to introduce a cost function to calculate data similarities while solving the local optimum pitfall of LMNN and optimizing the cost function determining distances between instances. Although k-NN is an efficient classification technique that is simple to comprehend and use, it is costly to compute for large datasets and sensitive to outlier data. Another difficult feature of k-NN is that it can only measure distance in Euclidean space. The distance metric should ideally be modified to fit the specific needs of the application. Due to the disadvantages in k-NN and LMNN methods, to optimize the objective function to calculate distances for the test data and to improve classification accuracy, we initially use the genetic algorithm to reduce the range of the solution space and then by using the gradient descent the optimal values of parameters in the cost function is obtained. Our method is carried out on different benchmark datasets with varying numbers of attributes and the results are compared to k-NN and LMNN methods. Misclassification rate, precision, f1 score, and kappa score are calculated for different values of k, mutation rate, and crossover rate. Overall, our proposed method shows superior performance with an average accuracy rate of 87.81% which is the highest among all methods. The average precision, f1 score, and kappa score of our method are 0.8453, 0.8513, and 0.6976 respectively. تفاصيل المقالة

حرية الوصول المقاله

183 - 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

184 - A New Approach to Software Cost Estimation by Improving Genetic Algorithm with Bat Algorithm
Sakineh Asghari Agcheh Dizaj Farhad Soleimanian Gharehchopogh

Because of the low accuracy of estimation and uncertainty of the techniques used in the past to Software Cost Estimation (SCE), software producers face a high risk in practice with regards to software projects and they often fail in such projects. Thus, SCE as a complex أکثر

Because of the low accuracy of estimation and uncertainty of the techniques used in the past to Software Cost Estimation (SCE), software producers face a high risk in practice with regards to software projects and they often fail in such projects. Thus, SCE as a complex issue in software engineering requires new solutions, and researchers make an effort to make use of Meta-heuristic algorithms to solve this complicated and sensitive issue. In this paper, we propose a new method by improving Genetic Algorithm (GA) with Bat Algorithm (BA), considering the effect of qualitative factors and false variables in the relations concerning the total estimation of the cost. The proposed method was investigated and assessed on four various datasets based on seven criteria. The experimental results indicate that the proposed method mainly improves accuracy in the SCE and it reduced errors' value in comparison with other models. In the results obtained, Mean Magnitude of Relative Error (MMRE) on NASA60, NASA63, NASA93, and KEMERER is 17.91, 34.80, 41.97, and 95.86, respectively. In addition, the experimental results on datasets show that the proposed method significantly outperforms GA and BA and also many other recent SCE methods. تفاصيل المقالة

حرية الوصول المقاله

185 - Optimized Joint Trajectory Model with Customized Genetic Algorithm for Biped Robot Walk
Mostafa Salehi Mostafa Azarkaman Mohammad Aghaabbasloo

Biped robot locomotion is one of the active research areas in robotics. In this area, real-time stable walking with proper speed is one of the main challenges that needs to be overcome. Central Pattern Generators (CPG) as one of the biological gait generation models, ca أکثر

Biped robot locomotion is one of the active research areas in robotics. In this area, real-time stable walking with proper speed is one of the main challenges that needs to be overcome. Central Pattern Generators (CPG) as one of the biological gait generation models, can produce complex nonlinear oscillation as a pattern for walking. In this paper, we propose a model for a biped robot joint trajectory in order to be able to walk straight, exploiting polynomial equations for the support leg’s joints and Truncated Fourier (TFS) Series equations for the swing leg’s joints in the sagittal plane and frontal plane. Four customized genetic algorithms (GA-1 to GA-4) with different implementations for the crossover steps are used as evolutionary algorithms to optimize equation parameters and achieve the best speed and performance in walking motion. These four GAs differ in crossover step and parent selection parts. After a primary evaluation to make sure the next generation is better off than before, we consider a clever comparison feature between the best of two generations (parent and child) in GA-4. The algorithms have been tested on the Darwin humanoid robot in the Webots simulator environment where the results show that the GA-4 model has the best performance and achieves the desired fitness value. تفاصيل المقالة

حرية الوصول المقاله

186 - مدل یکپارچه تأمین، تولید و توزیع محصولات در زنجیره تأمین ناب و حل آن با الگوریتم های ژنتیک و پرش قورباغه
مرتضی جبله حسین علی حسن پور

زنجیره تأمین توالی مراحل مربوط به فرآیند تولید را بیان می کند، از تهیه مواد اولیه تا عرضه محصولات نهایی به بازار مشتری. در این پژوهش، مدل یکپارچه ریاضی برای برنامه ریزی، تأمین، تولید و توزیع محصولات در یک شبکه زنجیره تأمین ناب ارائه ‌شده است. مدل پیشنهادی با در نظر گرفت أکثر

زنجیره تأمین توالی مراحل مربوط به فرآیند تولید را بیان می کند، از تهیه مواد اولیه تا عرضه محصولات نهایی به بازار مشتری. در این پژوهش، مدل یکپارچه ریاضی برای برنامه ریزی، تأمین، تولید و توزیع محصولات در یک شبکه زنجیره تأمین ناب ارائه ‌شده است. مدل پیشنهادی با در نظر گرفتن سطح نگهداری موجودی محصولات و عقد و فسخ قراردادها، هزینه های کل زنجیره تأمین را کاهش می دهد. زنجیره تأمین موردمطالعه شامل چند محصول و چندین ماده اولیه با چهار سطح تأمین کنندگان، تولیدکنندگان، توزیع کنندگان و مشتریان در چند دوره زمانی است. مدل پیشنهادی، عقد و فسخ قرارداد برای تأمین کنندگان و تولیدکنندگان را برنامه ریزی می کند و نشان می دهد در چه دوره‌‌هایی باید عقد و فسخ قرارداد صورت گیرد. برای اعتبارسنجی مدل ریاضی از نرم افزار گمز استفاده ‌شده است. سپس دو الگوریتم فراابتکاری شامل الگوریتم ژنتیک و پرش قورباغه ارائه‌ شده است و برای اعتبارسنجی، نتایج آن‌‌ها با نرم‌‌افزار دقیق مقایسه شده است. در پایان با تحلیل حساسیت، رفتار مدل به ازای تغییر در پارامترهای اساسی مسئله مورد واکاوی قرار گرفته است. تفاصيل المقالة

حرية الوصول المقاله

187 - 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

188 - ارائه ی یک مدل ریاضی چند هدفه برای بهینه‌سازی زنجیره‌تامین حلقه بسته تحت شرایط عدم قطعیت با الگوریتم ژنتیک
سجاد جلالی فر رضا احتشام راثی علی محتشمی

10.22094/jdem.2023.1995754.3153

بهینه سازی زنجیره تامین بر یکپارچه ‌سازی فعالیتهای زنجیره تامین و نیز جریانهای اطلاعاتی مرتبط با آنها از طریق بهبود در روابط زنجیره در جهت دستیابی به مزیت رقابتی قابل اتکا و مستدام ، اشاره دارد. در این پژوهش بهینه سازی زنجیره تامین به این دلیل انتخاب شده است که برای ارا أکثر

بهینه سازی زنجیره تامین بر یکپارچه ‌سازی فعالیتهای زنجیره تامین و نیز جریانهای اطلاعاتی مرتبط با آنها از طریق بهبود در روابط زنجیره در جهت دستیابی به مزیت رقابتی قابل اتکا و مستدام ، اشاره دارد. در این پژوهش بهینه سازی زنجیره تامین به این دلیل انتخاب شده است که برای ارائه کالا و خدمات در اقتصاد، یک ساز و کار و سیستمی باید وجود داشته باشد تا کارایی و بهره وری اقتصادی به حداکثر برسد و کالاها و خدمت بازگشتی به صورت کم هزینه و آسان جمع آوری شود. اقتصاد مدور که بحث اصلی آن در مورد بازیافت کالاهای برگشتی و کالاهایی که نیاز به تعمیرات دارند تا دوباره از آن ها استفاده شوند است. در این تحقیق بر لزوم استفاده از قطعات و اجزاء سالم در باز تولید محصولات تاکید می شود و این باز تولید از همه کالاها در هر بخش از زنجیره تامین است که قابل استفاده نباشد و به بخش باز تولید منتقل می شود و باز تولید می گردد. نتایج اجرای مدل ارائه شده در الگوریتم ژنتیک نشان می دهد که الگوریتم در زمان معقول به جواب نزدیک به جواب بهینه رسیده است. الگوریتم پیشنهادی در حل مسائل با ابعاد خیلی کوچک به زمان محاسباتی بیشتری نسبت به نرم افزار بهینه سازی لینگو نیاز دارد. در حالی که در حل مسائل با افزایش ابعاد مسأله زمان محاسباتی الگوریتم پیشنهادی در قیاس با لینگو به مراتب کمتر می شود. تفاصيل المقالة

حرية الوصول المقاله

189 - طراحی مدل ریاضی برای بهینه سازی فرآیند برنامه ریزی تولید و کنترل موجودی در زنجیره تامین معکوس
عباس طلوعی اشلقی رضا احتشام راثی ، جمشید ناظمی محمود البرزی

در این پژوهش، برنامه ریزی تولید و کنترل میزان موجودی به عنوان عوامل موثر در فرآیند زنجیره تامین معکوس در جریان برگشت محصول از مصرف کنندگان به تولیدکنندگان ابتدایی در جریان بوده و از آنجاکه عامل مقدار اقلام قابل بازیافت و انهدامی محصولات برگشتی، پیوسته در شرایط عدم قطعی أکثر

در این پژوهش، برنامه ریزی تولید و کنترل میزان موجودی به عنوان عوامل موثر در فرآیند زنجیره تامین معکوس در جریان برگشت محصول از مصرف کنندگان به تولیدکنندگان ابتدایی در جریان بوده و از آنجاکه عامل مقدار اقلام قابل بازیافت و انهدامی محصولات برگشتی، پیوسته در شرایط عدم قطعیت و احتمالی قرار دارند، بنابراین می بایست مدلی طراحی شود که قادر به تامین سفارشات رسیده مشتریان با حداقل زمان تاخیر و با انعطاف پذیری بالا و حداقل هزینه های زنجیره تامین باشد. پژوهش حاضر در صدد است با طراحی مدل ریاضی چند هدفه و بهینه سازی آن به گونه ای عمل نماید که هزینه موجودی و تولید، میزان ضایعات و مدت زمان فرآیند بر روی محصولات برگشتی حداقل گردد و در نهایت رضایت مشتریان و سودآوری سازمان را به حداکثر برساند. مساله برنامه ریزی تولید و کنترل موجودی پژوهش به دلیل قرارگیری در گروه مسائلNP-Hard، با روش های گرادیان مبنا به راحتی قابل حل نبوده و از این رو الگوریتم ژنتیک برای حل مدل ریاضی آرمانی – فازی پژوهش استفاده شده است. تفاصيل المقالة

حرية الوصول المقاله

190 - 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

191 - بهینه سازی شبکه عصبی ELM در مسئله پیش‌بینی
جلال رضایی نور منصوره یاری ایلی اسماعیل هداوندی محمدحسین روزیهانی

برای محیط همیشه در حال تغییر این دوران و تغییر در شیوه تعاملات شرکت ها با تامین کنندگان و مشتریان و پیچیدگی بازارها، کاهش دوره عمر محصولات و اهمیت یافتن زمان پاسخگویی به مشتریان، پیش بینی تقاضای محصول عامل حیاتی برای رقابت پذیری سازمان ها می باشد. با پیش بینی دقیق الگوه أکثر

برای محیط همیشه در حال تغییر این دوران و تغییر در شیوه تعاملات شرکت ها با تامین کنندگان و مشتریان و پیچیدگی بازارها، کاهش دوره عمر محصولات و اهمیت یافتن زمان پاسخگویی به مشتریان، پیش بینی تقاضای محصول عامل حیاتی برای رقابت پذیری سازمان ها می باشد. با پیش بینی دقیق الگوهای تقاضا، دولت و تولیدکنندگان می توانند براساس میزان و جهت جریان آتی تولید، برنامه ریزی ها را سازماندهی کنند و زیرساخت بهتری در رشد صنعت مهیا سازند. با هدف ارائه یک ابزار دقیق پیش بینی در صنعت فولاد، این مطالعه، به بهینه سازی شبکه عصبی ELM به کمک الگوریتم ژنتیک می پردازد. که در آن پارامترهای شبکه، از قبیل تعداد و توابع فعالسازی نورون ها در لایه مخفی، وزن های اتصالی بین ورودی ها و نورون های لایه مخفی، بایاس نورون های لایه مخفی و (پارامتر تنظیم سازی)، به کمک الگوریتم ژنتیک تعیین می شود. برای پیش بینی تقاضا فولاد خام کشور، داده های مرتبط با تولید و مصرف فولاد خام و محصولات فولادی کشور، بصورت ماهیانه و در بازه زمانی دی ماه 88 تا مرداد ماه 92 (جمعاً 44 نمونه و 22 مشخصه) جمع آوری گردید. داده های دی ماه 88تا بهمن91 در آموزش شبکه و داده های مربوط به اسفند91 تا مرداد 92 در آزمون شبکه استفاده شد. برای نشان دادن کارایی مدل پیش بینی کننده،مقایسه ی عملکرد از لحاظ دقت پیش بینی و سرعت یادگیری بین الگوریتم ELM بهینه شده باالگوریتم ELM و سایر شبکه های عصبی صورت گرفته است. معیارهای پیش بینی نشان دهنده ی عملکرد خوب ELM بهینه شده نسبت به سایر شبکه های عصبی می باشد. براساس آزمون های آماری و خطاهای RMSE و MAPE نتایج نشان می دهد که دقت ELM به مراتب بهتر از سایر روش های شبکه عصبی است. به علاوه، مدل ELM دو بار سریعتر از شبکه های عصبی کلاسیک است. براساس یافته ها می توان به یقین گفت که بین الگوریتم های مورد بررسی، ELM ابزار دقیق تر و قوی تری در مسئله تقاضای فولاداست.اﻟﺒﺘﻪ نوع بهینه یافته شبکه عصبی ELM دقت بهتری در مدل سازی تابع تقاضا داشته است ، وﻟﯽ روش ELM از نظرزمانی بهینه تر بوده است. تفاصيل المقالة

حرية الوصول المقاله

192 - 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

193 - A cost-oriented model for multi-manned assembly line balancing problem
Abolfazl Kazemi Abdolhossein Sedighi

In many real world assembly line systems which the work-piece is of large size more than one worker work on the same work-piece in each station. This type of assembly line is called multi-manned assembly line (MAL). In the classical multi-manned assembly line balancing أکثر

In many real world assembly line systems which the work-piece is of large size more than one worker work on the same work-piece in each station. This type of assembly line is called multi-manned assembly line (MAL). In the classical multi-manned assembly line balancing problem (MALBP) the objective is to minimize the manpower needed to manufacture one product unit. Apart from the manpower, other cost drivers like wage rates or machinery are neglected in this classical view of the problem. However due to the high competition in the current production environment, reducing the production costs and increasing utilization of available resources are very important issues for manufacturing managers. In this paper a cost-oriented approach is used to model the MALBP with the aim of minimizing total cost per production unit. A mathematical model is developed to solve the problem. Since the proposed model is NP-hard, several heuristic algorithms and a genetic algorithm (GA) are presented to efficiently solve the problem. Parameters and operators of the GA are selected using the design of experiments (DOE) method. Several examples are solved to illustrate the proposed model and the algorithms. تفاصيل المقالة

حرية الوصول المقاله

194 - Optimization of Plastic Injection Molding Process by Combination of Artificial Neural Network and Genetic Algorithm
MOHAMMAD SALEH MEIABADI abbas Vafaei Fatemeh Sharifi

Injection molding is one of the most important and common plastic formation methods. Combination of modeling tools and optimization algorithms can be used in order to determine optimum process conditions for the injection molding of a special part. Because of the compli أکثر

Injection molding is one of the most important and common plastic formation methods. Combination of modeling tools and optimization algorithms can be used in order to determine optimum process conditions for the injection molding of a special part. Because of the complication of the injection molding process and multiplicity of parameters and their interactive effects on one another, analytical modeling of the process is either impossible or difficult. Therefore Artificial Neural Network (ANN) is used for modeling the process. Process conditions data is needed for modeling the process by the neural network. After modeling step, the model is combined with the Genetic Algorithm (GA). Based on the injection molding goals that have been turned into fitness function, the optimized conditions are obtained. تفاصيل المقالة

حرية الوصول المقاله

195 - A Comparative Study of Four Evolutionary Algorithms for Economic and Economic-Statistical Designs of MEWMA Control Charts
سید تقی اخوان نیاکی مهدی Malaki محمد جواد ارشادی

The multivariate exponentially weighted moving average (MEWMA) control chart is one of the best statistical control chart that are usually used to detect simultaneous small deviations on the mean of more than one cross-correlated quality characteristics. The economic de أکثر

The multivariate exponentially weighted moving average (MEWMA) control chart is one of the best statistical control chart that are usually used to detect simultaneous small deviations on the mean of more than one cross-correlated quality characteristics. The economic design of MEWMA control charts involves solving a combinatorial optimization model that is composed of a nonlinear cost function and traditional linear constraints. The cost function in this model is a complex nonlinear function that formulates the cost of implementing the MEWMA chart economically. An economically designed MEWMA chart to possess desired statistical properties requires some additional statistical constraints to be an economic-statistical model. In this paper, the efficiency of some major evolutionary algorithms that are employed in economic and economic-stati stical design of a MEWMA control chart are discussed comparatively and the results are presented. Theinvestigated evolutionary algorithms are simulated annealing (SA), differential evolution (DE), genetic algorithm (GA), and particle swarm optimization (PSO), which are the most well known algorithms to solve complex combinatorial optimization problems. The major metrics to evaluate the algorithms are (i) the quality of the best solution obtained, (ii) the trends of responses in approaching the optimum value, (iii) the average objective-function-value in all trials, and (iv) the computer processing time to achieve the optimum value. The result of the investigation for the economic design shows that while GA is the most powerful algorithm, PSO is the second to the best, and then DE and SA come to the picture. For economic-statistical design, while PSO is the best and GA is the second to the best, DE and SA have similar performances. تفاصيل المقالة

حرية الوصول المقاله

196 - The project portfolio selection and scheduling problem: mathematical model and algorithms
Bahman Naderi

This paper investigates the problem of selecting and scheduling a set of projects among available projects. Each project consists of several tasks and to perform each one some resource is required. The objective is to maximize total benefit. The paper constructs a mathe أکثر

This paper investigates the problem of selecting and scheduling a set of projects among available projects. Each project consists of several tasks and to perform each one some resource is required. The objective is to maximize total benefit. The paper constructs a mathematical formulation in form of mixed integer linear programming model. Three effective metaheuristics in form of the imperialist competitive algorithm, simulated annealing and genetic algorithm are developed to solve such a hard problem. The proposed algorithms employ advanced operators. The performance of the proposed algorithms is numerically evaluated. The results show the high performance of the imperialist competitive algorithm outperforms the other algorithms. تفاصيل المقالة

حرية الوصول المقاله

197 - Green Vehicle Routing Problem with Safety and Social Concerns
arghavan sharafi Mahdi Bashiri

10.22094/joie.2016.264

Over the two last decades, distribution companies have been aware of the importance of paying attention to the all aspects of a distribution system simultaneously to be successful in the global market. These aspects are the economic, the environmental, the social and th أکثر

Over the two last decades, distribution companies have been aware of the importance of paying attention to the all aspects of a distribution system simultaneously to be successful in the global market. These aspects are the economic, the environmental, the social and the safety aspects. In the Vehicle Routing Problem (VRP) literature, the economic issue has often been used, while the environmental, the safety and the social concerns have been less proportion of studies. The Green vehicle routing problem (GVRP) is one of the recent variants of the VRP, dealing with environmental aspects of distribution systems. In this paper, two developed mixed integer programming models are presented for the GVRP with social and safety concerns. Moreover, a Genetic Algorithm (GA) is developed to deal efficiently with the problem in large size. Different numerical analyses have performed to validate the presented algorithm in comparison to exact solutions and investigate the influence of several key factors like the effect of increasing the cost of safety aspect on route balancing, and customer waiting time. The results confirm that the proposed algorithm performs well and has more social and safety benefits (such as more balanced tours and fewer customers waiting time than the classic GVRP. تفاصيل المقالة

حرية الوصول المقاله

198 - Modeling and scheduling no-idle hybrid flow shop problems
Mehdi Yazdani Bahman Naderi

10.22094/joie.2016.261

Although several papers have studied no-idle scheduling problems, they all focus on flow shops, assuming one processor at each working stage. But, companies commonly extend to hybrid flow shops by duplicating machines in parallel in stages. This paper considers the prob أکثر

Although several papers have studied no-idle scheduling problems, they all focus on flow shops, assuming one processor at each working stage. But, companies commonly extend to hybrid flow shops by duplicating machines in parallel in stages. This paper considers the problem of scheduling no-idle hybrid flow shops. A mixed integer linear programming model is first developed to mathematically formulate the problem. Using commercial software, the model can solve small instances to optimality. Then, two metaheuristics based on variable neighborhood search and genetic algorithms are developed to solve larger instances. Using numerical experiments, the performance of the model and algorithms are evaluated.Although several papers have studied no-idle scheduling problems, they all focus on flow shops, assuming one processor at each working stage. But, companies commonly extend to hybrid flow shops by duplicating machines in parallel in stages. This paper considers the problem of scheduling no-idle hybrid flow shops. A mixed integer linear programming model is first developed to mathematically formulate the problem. Using commercial software, the model can solve small instances to optimality. Then, two metaheuristics based on variable neighborhood search and genetic algorithms are developed to solve larger instances. Using numerical experiments, the performance of the model and algorithms are evaluated. تفاصيل المقالة

حرية الوصول المقاله

199 - Cell forming and cell balancing of virtual cellular manufacturing systems with alternative processing routes using genetic algorithm
Adib Hosseini Mohammad Mahdi Paydar Iraj Mahdavi Javid Jouzdani

10.22094/joie.2016.249

Cellular manufacturing (CM) is one of the most important subfields in the design of manufacturing systems and as a recently emerged field of study and practice, virtual cellular manufacturing (VCM) inherits the importance from CM. One type of VCM problems is VCM with al أکثر

Cellular manufacturing (CM) is one of the most important subfields in the design of manufacturing systems and as a recently emerged field of study and practice, virtual cellular manufacturing (VCM) inherits the importance from CM. One type of VCM problems is VCM with alternative processing routes from which the route for processing each part should be selected. In this research, a bi-objective mathematical programming model is designed in order to obtain optimal routing of parts, the layout of machines and the assignment of cells to locations and to minimize the production costs and to balance the cell loads. The proposed mathematical model is solved by multi-choice goal programming (MCGP). Since CM models are NP-Hard, a genetic algorithm (GA) is utilized to solve the model for large-sized problem instances and the results obtained from both methods are compared. Finally, a conclusion is made and some visions for future works are offered.Cellular manufacturing (CM) is one of the most important subfields in the design of manufacturing systems and as a recently emerged field of study and practice, virtual cellular manufacturing (VCM) inherits the importance from CM. One type of VCM problems is VCM with alternative processing routes from which the route for processing each part should be selected. In this research, a bi-objective mathematical programming model is designed in order to obtain optimal routing of parts, the layout of machines and the assignment of cells to locations and to minimize the production costs and to balance the cell loads. The proposed mathematical model is solved by multi-choice goal programming (MCGP). Since CM models are NP-Hard, a genetic algorithm (GA) is utilized to solve the model for large-sized problem instances and the results obtained from both methods are compared. Finally, a conclusion is made and some visions for future works are offered. تفاصيل المقالة

حرية الوصول المقاله

200 - Designing an integrated production/distribution and inventory planning model of fixed-life perishable products
Javad Rezaeian keyvan Shokoufi Sepide Haghayegh Iraj Mahdavi

10.22094/joie.2016.229

This paper aims to investigate the integrated production/distribution and inventory planning for perishable products with fixed life time in the constant condition of storage throughout a two-echelon supply chain by integrating producers and distributors. This problem a أکثر

This paper aims to investigate the integrated production/distribution and inventory planning for perishable products with fixed life time in the constant condition of storage throughout a two-echelon supply chain by integrating producers and distributors. This problem arises from real environment in which multi-plant with multi-function lines produce multi-perishable products with fixed life time into a lot sizing to be shipped with multi-vehicle to multi-distribution-center to minimize multi-objective such as setup costs between products, holding costs, shortage costs, spoilage costs, transportation costs and production costs. There are many investigations which have been devoted on production/distribution planning area with different assumption. However, this research aims to extend this planning by integrating an inventory system with it in which for each distribution center, net inventory, shortage, FIFO system and spoilage of items are calculated. A mixed integer non-linear programming model (MINLP) is developed for the considered problem. Furthermore, a genetic algorithm (GA) and a simulated annealing (SA) algorithm are proposed to solve the model for real size applications. Also, Taguchi method is applied to optimize parameters of the algorithms. Computational characteristics of the proposed algorithms are examined and tested using t-tests at the 95% confidence level to identify the most effective meta-heuristic algorithm in term of relative percentage deviation (RPD). Finally, Computational results show that the GA outperforms SA although the computation time of SA is smaller than the GA. تفاصيل المقالة

حرية الوصول المقاله

201 - A New Dynamic Random Fuzzy DEA Model to Predict Performance of Decision Making Units
Ali Yaghoubi Maghsoud Amiri Azamdokht Safi Samghabadi

10.22094/joie.2016.252

Data envelopment analysis (DEA) is a methodology for measuring the relative efficiency of decision making units (DMUs) which â€Žconsume the same types of inputs and producing the same types of outputs. Believing that future planning and predicting the â أکثر

Data envelopment analysis (DEA) is a methodology for measuring the relative efficiency of decision making units (DMUs) which â€Žconsume the same types of inputs and producing the same types of outputs. Believing that future planning and predicting the â€Žefficiency are very important for DMUs, this paper first presents a new dynamic random fuzzy DEA model (DRF-DEA) with â€Žcommon weights (using multi objective DEA approach) to predict the efficiency of DMUs under mean chance constraints and â€Žexpected values of the objective functions. In the initial proposedâ€ â€DRF-DEA model, the inputs and outputs are assumed to be â€Žcharacterized by random triangular fuzzy variables with normal distribution, in which data are changing sequentially. Under this â€Žassumption, the solution process is very complex. So we then convert the initial proposed DRF-DEA model to its equivalent multi-â€Žobjective stochastic programming, in which the constraints contain the standard normal distribution functions, and the objective â€Žfunctions are the expected values of functions of normal random variables. In order to improve in computational time, we then â€Žconvert the equivalent multi-objective stochastic model to one objective stochastic model with using fuzzy multiple objectives â€Žprogramming approach. To solve it, we design a new hybrid algorithm by integrating Monte Carlo (MC) simulation and Genetic â€ŽAlgorithm (GA). Since no benchmark is available in the literature, one practical example will be presented. The computational results â€Žshow that our hybrid algorithm outperforms the hybrid GA algorithm which was proposed by Qin and Liu (2010) in terms of â€Žruntime and solution quality. â€Ž تفاصيل المقالة

حرية الوصول المقاله

202 - Trajectory Planning Using High Order Polynomials under Acceleration Constraint
Hossein Barghi Jond Vasif V. Nabiyev Rifat Benveniste

10.22094/joie.2016.255

The trajectory planning, which is known as a movement from starting to end point by satisfying the constraints along the path is an essential part of robot motion planning. A common way to create trajectories is to deal with polynomials which have independent coefficien أکثر

The trajectory planning, which is known as a movement from starting to end point by satisfying the constraints along the path is an essential part of robot motion planning. A common way to create trajectories is to deal with polynomials which have independent coefficients. This paper presents a trajectory formulation as well as a procedure to arrange the suitable trajectories for applications. Created trajectories aimed to be used for safe and smooth navigation in mobile robots. First, a trajectory problem is formulized by considering a border on the robotâ€™s acceleration as the constraint. Also, initial and final conditions for the robotâ€™s velocity along the straight path are settled. To investigate that suggested trajectories perform motions with continuous velocity and smooth acceleration, three trajectory problems are formulated using 3rd, 4th and 5th degree of polynomials. The high-degree polynomials are used because of providing of smoothness, but there is complexity in the calculation of additional coefficients. To reduce the complexity of finding the high-degree polynomial coefficients, the acceleration constraint is simplified and this process is based on a certain scenarios. Afterwards, the coefficients of the used polynomials are found by taking into account the acceleration constraint and velocity conditions. Additionally, to compare the obtained solutions through proposed scenarios, the polynomials` coefficients are solved numerically by Genetic Algorithm (GA). The computer simulation of motions shows that as well as acceleration constraint, the velocity conditions at the beginning and at the end of motion are fulfilled. تفاصيل المقالة

حرية الوصول المقاله

203 - Presenting a Joint Replenishment-location Model Under all-units Quantity Discount and Solving by Genetic Algorithm and Harmony Search Algorithm
Reza Abdollahi Sharbabaki Seyed Hamidreza Pasandideh

10.22094/joie.2017.445.0

In this paper a model is proposed for distribution centers location and joint replenishment of a distribution system that is responsible for orders and product delivery to distribution centers. This distribution centers are under limitedwarehouse space and this can dete أکثر

In this paper a model is proposed for distribution centers location and joint replenishment of a distribution system that is responsible for orders and product delivery to distribution centers. This distribution centers are under limitedwarehouse space and this can determine amount of requirement product by considering proposed discount.The proposed model is develop to minimize total costs consists of location, ordering, purchaseunder All-units quantity discount condition and items maintenance by adjustment Frequency of replenishment in each distribution center. To solve this model, first we solve the model with genetic algorithm by confining the time between too replenishments then by use of the Quantity Discount RAND algorithm method the upper and lower limits of the time between two replenishments will be determined. After obtaining the optimal upper and lower limits, the model will be resolved by harmony search and genetic algorithms. The results show that the presented chromosome structure is so efficient so that the statistical experiments result indicates there isn’t much difference between solution means after finding the optimal upper and lower limits. We used response surface methodology for tune proposed algorithms parameters. Efficiency of proposed algorithms is examined by diverse examples in different dimensions. Results of these experiments are compared by using of ANOVA and TOPSIS with indexes of objective function value and algorithms runtime. In both comparisons harmony search algorithm has more efficiency than genetic algorithm. تفاصيل المقالة

حرية الوصول المقاله

204 - A Honey Bee Algorithm To Solve Quadratic Assignment Problem
mohamad mirzazadeh غلام حسن شیردل behrooz masoumi

Assigning facilities to locations is one of the important problems, which significantly is influence in transportation cost reduction. In this study, we solve quadratic assignment problem (QAP), using a meta-heuristic algorithm with deterministic tasks and equality in f أکثر

Assigning facilities to locations is one of the important problems, which significantly is influence in transportation cost reduction. In this study, we solve quadratic assignment problem (QAP), using a meta-heuristic algorithm with deterministic tasks and equality in facilities and location number. It should be noted that any facility must be assign to only one location. In this paper, first of all, we have been described exact methods and heuristics, which are able to solve QAP; then we have been applied a meta-heuristic algorithm for it. QAP is a difficult problem and is in NP-hard class, so we have been used honey bee mating optimization (HBMO) algorithm to solve it.This method is new and have been applied and improved NP-hard problems. It’s a hybrid algorithm from Honey-Bee Mating system, simulated annealing and genetic algorithm. تفاصيل المقالة

حرية الوصول المقاله

205 - Design of a Hybrid Genetic Algorithm for Parallel Machines Scheduling to Minimize Job Tardiness and Machine Deteriorating Costs with Deteriorating Jobs in a Batched Delivery System
Mohammad Saidi-Mehrabad Samira Bairamzadeh

10.22094/joie.2018.272

This paper studies the parallel machine scheduling problem subject to machine and job deterioration in a batched delivery system. By the machine deterioration effect, we mean that each machine deteriorates over time, at a different rate. Moreover, job processing times a أکثر

This paper studies the parallel machine scheduling problem subject to machine and job deterioration in a batched delivery system. By the machine deterioration effect, we mean that each machine deteriorates over time, at a different rate. Moreover, job processing times are increasing functions of their starting times and follow a simple linear deterioration. The objective functions are minimizing total tardiness, delivery, holding and machine deteriorating costs. The problem of total tardiness on identical parallel machines is NP-hard, thus the under investigation problem, which is more complicated, is NP-hard too. In this study, a mixed-integer programming (MILP) model is presented and an efficient hybrid genetic algorithm (HGA) is proposed to solve the concerned problem. A new crossover and mutation operator and a heuristic algorithm have also been proposed depending on the type of problem. In order to evaluate the performance of the proposed model and solution procedure, a set of small to large test problems are generated and results are discussed. The related results show the effectiveness of the proposed model and GA for test problems. تفاصيل المقالة

حرية الوصول المقاله

206 - Hub Covering Location Problem Considering Queuing and Capacity Constraints
Mehdi Seifbarghy Mojtaba Hemmati Sepideh Soltan Karimi

10.22094/joie.2017.351.0

In this paper, a hub covering location problem is considered. Hubs, which are the most congested part of a network, are modeled as M/M/C queuing system and located in placeswhere the entrance flows are more than a predetermined value.A fuzzy constraint is considered in أکثر

In this paper, a hub covering location problem is considered. Hubs, which are the most congested part of a network, are modeled as M/M/C queuing system and located in placeswhere the entrance flows are more than a predetermined value.A fuzzy constraint is considered in order to limit the transportation time between all origin-destination pairs in the network.On modeling, a nonlinear mathematical program is presented.Then, the nonlinear constraints are convertedto linear ones.Due to the computational complexity of the problem,genetic algorithm (GA),particle swarm optimization (PSO)based heuristics, and improved hybrid PSO are developedto solve the problem. Since the performance of the given heuristics is affected by the corresponding parameters of each, Taguchi method is appliedin order to tune the parameters. Finally,the efficiency ofthe proposed heuristicsis studied while designing a number of test problems with different sizes.The computational results indicated the greater efficiency of the heuristic GA compared to the other methods for solving the problem تفاصيل المقالة

حرية الوصول المقاله

207 - Analysing Price, Quality and Lead Time Decisions with the Hybrid Solution Method of Fuzzy Logic and Genetic Algorithm
amin mahmoudi hassan shavandi khashayar nouhi

In this paper, the problem of determining the quality level, lead time for order delivery and price of a product produced by a manufactureris considered. In this problem the demand for the product is influenced by all three decision variables: price, lead time and quali أکثر

In this paper, the problem of determining the quality level, lead time for order delivery and price of a product produced by a manufactureris considered. In this problem the demand for the product is influenced by all three decision variables: price, lead time and quality level. Toformulate the demand function, a fuzzy rule base that estimates the demand value based on the three decision variables is developed. To doso, the linguistic knowledge of experts in the form of if-then rules is used to establish the fuzzy system. Moreover, in order to solve theproblem, a genetic algorithm integrating the fuzzy rule base is proposed. Finally, to support the validity of the proposed solution, anumerical study is provided. تفاصيل المقالة

حرية الوصول المقاله

208 - Three Hybrid Metaheuristic Algorithms for Stochastic Flexible Flow Shop Scheduling Problem with Preventive Maintenance and Budget Constraint
Sadigh Raissi Ramtin Rooeinfar Vahid Reza Ghezavati

10.22094/joie.2018.242.1532

Stochastic flexible flow shop scheduling problem (SFFSSP) is one the main focus of researchers due to the complexity arises from inherent uncertainties and also the difficulty of solving such NP-hard problems. Conventionally, in such problems each machine’s job pr أکثر

Stochastic flexible flow shop scheduling problem (SFFSSP) is one the main focus of researchers due to the complexity arises from inherent uncertainties and also the difficulty of solving such NP-hard problems. Conventionally, in such problems each machine’s job process time may encounter uncertainty due to their relevant random behaviour. In order to examine such problems more realistically, fixed interval preventive maintenance (PM) and budget constraint are considered.PM activity is a crucial task to reduce the production efficiency. In the current research we focused on a scheduling problem which a job is processed at the upstream stage and all the downstream machines get busy or alternatively PM cost is significant, consequently the job waits inside the buffers and increases the associated holding cost. This paper proposes a new more realistic mathematical model which considers both the PM and holding cost of jobs inside the buffers in the stochastic flexible flow shop scheduling problem. The holding cost is controlled in the model via the budget constraint. In order to solve the proposedmodel, three hybrid metaheuristic algorithms are introduced. They include a couple of well-known metaheuristic algorithms which have efficient quality solutions in the literature. The two algorithms of them constructed byincorporationof the particle swarm optimization algorithm (PSO) and parallel simulated annealing (PSA) methods under different random generation policies. The third one enriched based on genetic algorithm (GA) with PSA. To evaluate the performance of the proposed algorithms, different numerical examples are presented. Computational experiments revealed that the proposed algorithms embedboth desirable accuracy and CPU time. Among them, the PSO-PSAП outperforms than other algorithms in terms of makespan and CPU time especially for large size problems. تفاصيل المقالة

حرية الوصول المقاله

209 - Optimal Localization of Shopping Centers Using Metaheuristic Genetic Algorithm
Mahmoud Samadi Mahmoud Nouraei Mohammad Mahdi Mozaffari Babak Haji Karimi

10.22094/joie.2019.363.0

Efficiency and effectiveness is of importance for selection and localization. There should be regular methodology for targeting in the market by several methods. There is a necessity to have clear study for selection. In the current research, it has been studied the opt أکثر

Efficiency and effectiveness is of importance for selection and localization. There should be regular methodology for targeting in the market by several methods. There is a necessity to have clear study for selection. In the current research, it has been studied the optimal localization at shopping centers. If there is not accuracy and validity, there will be achieved negative results for these centers such as high costs. Nowadays, these centers have turned into a part of consumer life. Today, they have penetrated consumers behavior and impacted on marketing mix. We can understand the importance of them from real shopping to window -shopping. As a meta-heuristic algorithm that inspired by natural systems, genetic algorithm has been used for problem salving as a mathematic model. The nature of genetic algorithm, which has created a relationship between humanity science and mathematics, is the reason for using it in the research. Given developed indices, Selected Iranian cities were selected for this study. Findings of the research showed that we can achieve accurate results with metaheuristic methods. The research is an applied research in terms of purpose, which is to develop applied knowledge in a certain field. تفاصيل المقالة

حرية الوصول المقاله

210 - 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

211 - A New School Bus Routing Problem Considering Gender Separation, Special Students and Mix Loading: A Genetic Algorithm Approach
Alireza Rashidi Komijan Peiman Ghasemi Kaveh Khalili-Damghani Fakhrosadat HashemiYazdi

10.22094/joie.2020.1891023.1722

In developing countries, whereas the urban bus network is a major part of public transportation system, it is necessary to try to find the best design and routing for bus network. Optimum design of school bus routes is very important. Non-optimal solutions for this prob أکثر

In developing countries, whereas the urban bus network is a major part of public transportation system, it is necessary to try to find the best design and routing for bus network. Optimum design of school bus routes is very important. Non-optimal solutions for this problem may increase traveling time, fuel consumption, and depreciation rate of the fleet. A new bus routing problem is presented in this study. A multi-objective mixed integer model is proposed to handle the associated problem. Minimization of transportation cost as well as traveling time is the main objectives. The main contributions of this paper are considering gender separation as well as mixed-loading properties in the school bus routing problem. Moreover, special and handicapped students are considered in this problem. The proposed model is applied in a real case study including 4 schools in Tehran. The results indicate the efficiency of the proposed model in comparison with the existing system. This comparison shows that the students’ travelling time is reduced by 28% for Peyvand middle smart school, 24% for Tehran international school, 13% for Hemmat School and 21% for Nikan High school. A customized Genetic Algorithm (GA) is proposed to solve the model. Penalty functions are used to handle the several constraints of the problem in Genetic Algorithm. The results justify the applicability and efficacy of the both proposed model and solution approach. تفاصيل المقالة

حرية الوصول المقاله

212 - Solving a Multi-Item Supply Chain Network Problem by Three Meta-heuristic Algorithms
Amir Fatehi Kivi Esmaeil Mehdizadeh Reza Tavakkoli-Moghaddam Seyed Esmaeil Najafi

10.22094/joie.2020.1866273.1648

The supply chain network design not only assists organizations production process (e.g.,plan, control and execute a product’s flow) but also ensure what is the growing need for companies in a longterm. This paper develops a three-echelon supply chain network probl أکثر

The supply chain network design not only assists organizations production process (e.g.,plan, control and execute a product’s flow) but also ensure what is the growing need for companies in a longterm. This paper develops a three-echelon supply chain network problem including multiple plants, multiple distributors, and multiple retailers with amulti-mode demand satisfaction policy inside of production planning and maintenance. The problem is formulated as a mixed-integer linear programming model. Because of its NP-hardness, three meta-heuristic algorithms(i.e., tabu search, harmony search and genetic algorithm) are used to solve the given problem. Also, theTaguchi method is used to choose the best levels of the parameters of the proposedmeta-heuristic algorithms. The results show that HS has abetter solution quality than two other algorithms. تفاصيل المقالة

حرية الوصول المقاله

213 - Multimodal Transportation p-hub Location Routing Problem with Simultaneous Pick-ups and Deliveries
Saeed Zameni Jafar Razmi

Centralizing and using proper transportation facilities cut down costs and traffic. Hub facilities concentrate on flows to cause economic advantage of scale and multimodal transportation helps use the advantage of another transporter. A distinctive feature of this paper أکثر

Centralizing and using proper transportation facilities cut down costs and traffic. Hub facilities concentrate on flows to cause economic advantage of scale and multimodal transportation helps use the advantage of another transporter. A distinctive feature of this paper is proposing a new mathematical formulation for a three-stage p-hub location routing problem with simultaneous pick-ups and deliveries on time. A few studies have been devoted to this problem; however, many people are still suffering from the problems of commuting in crowded cities. The proposed formulation controlled the tumult of each node by indirect fixed cost. Node-to-node traveling cost was followed by a vehicle routing problem between nodes of each hub. A couple of datasets were solved for small and medium scales by GAMS software. But, for large-scale instances, a meta-heuristic algorithm was proposed. To validate the model, datasets were used and the results demonstrated the performance suitability of the proposed algorithm. تفاصيل المقالة

حرية الوصول المقاله

214 - 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

215 - A Multi-Periodic Multi-Product Inventory Control Problem with Discount: GA Optimization Algorithm
Seyed Mohsen Mousavi Seyed Hamidreza Pasandideh

In this article, a finite horizon, multi product and multi period economic order quantity like seasonal items is considered where demand rate is deterministic and known but variable in each period. The order quantities of items come in batch sizes and the end of the per أکثر

In this article, a finite horizon, multi product and multi period economic order quantity like seasonal items is considered where demand rate is deterministic and known but variable in each period. The order quantities of items come in batch sizes and the end of the period order quantity and, consequently, demand of customers are zero. In addition, storage space is constrained and the problem was considered under all units discount (AUD) policy. The modeling technique used for this problem is mixed binary integer programming. The objective was to find the minimization optimal order quantities under time value of money over the finite horizon. The inventory control system costs include three costs: ordering cost, holding cost, and purchase cost. In order to solve the proposed model, a genetic algorithm (GA) is applied. Finally, we provide a number of examples in order to illustrate the algorithms further. تفاصيل المقالة

حرية الوصول المقاله

216 - A Bi-objective Optimization for Vendor Managed Inventory Model
Amir Hossein Niknamfar Seyed Hamid Reza Pasandideh

Vendor managed inventory is a continuous replenishment program that is designed to provide major cost saving benefits for both vendors and retailers. Previous research on this area mainly included single objective optimization models where the objective is to minimize t أکثر

Vendor managed inventory is a continuous replenishment program that is designed to provide major cost saving benefits for both vendors and retailers. Previous research on this area mainly included single objective optimization models where the objective is to minimize the total supply chain costs or to maximize the total supply chain benefits. This paper presents a bi-objective mathematical model for single-manufacture multi-retailer with multi-product in order to maximize their benefits. It is assumed that demand is a decreasing and convex function of the retail price. In this paper, common replenishment cycle is considered for the manufacturer and its retailers. Then, the proposed model converts to the single-objective optimization problem using a weighted sum method. A genetic algorithm (GA) is applied to solve it and response surface methodology is employed to tune the GA parameters. Finally, several numerical examples are investigated to demonstrate the applicability of the proposed model and solution approach. تفاصيل المقالة

حرية الوصول المقاله

217 - Layout of Cellular Manufacturing System in Dynamic Condition
amir hossein kamali dolatabadi seyed hamid reza pasandideh mehrzad abdi khalife

Cellular manufacturing system (CMS) is highly important in modern manufacturing methods. Given the ever increasing market competition in terms of time and cost of manufacturing, we need models to decrease the cost and time of manufacturing. In this study, CMS is conside أکثر

Cellular manufacturing system (CMS) is highly important in modern manufacturing methods. Given the ever increasing market competition in terms of time and cost of manufacturing, we need models to decrease the cost and time of manufacturing. In this study, CMS is considered in condition of dynamic demand in each period. The model is developed for facing dynamic demand that increases the cost of material flow. This model generates the cells and location facilities at the same time and it can move the machine(s) from one cell to another cell and can generate the new cells for each period. Cell formation is NP-Complete and when this problem is considered in dynamic condition, surly, it is strongly NP- Complete. In this study, genetic algorithm (GA) is used as a meta-heuristic algorithm for solving problems and evaluating the proposed algorithm, Branch and Bound (B & B) is used as a deterministic method for solving problems. Ultimately, the time and final solution of both algorithms are compared. تفاصيل المقالة

حرية الوصول المقاله

218 - Vendor Managed Inventory of a Supply Chain under Stochastic Demands
Tahereh Poorbagheri Seyed Taghi akhavan niaki

In this research, an integrated inventory problem is formulated for a single-vendor multiple-retailer supply chain that works according to the vendor managed inventory policy. The model is derived based on the economic order quantity in which shortages with penalty cost أکثر

In this research, an integrated inventory problem is formulated for a single-vendor multiple-retailer supply chain that works according to the vendor managed inventory policy. The model is derived based on the economic order quantity in which shortages with penalty costs at the retailers` level is permitted. As predicting customer demand is the most important problem in inventory systems and there are difficulties to estimate it, a probabilistic demand is considered to model the problem. In addition, all retailers are assumed to share a unique number of replenishments where their demands during lead-time follow a uniform distribution. Moreover, there is a vendor-related budget constraint dedicated to each retailer. The aim is to determine the near optimal or optimal order quantity of the retailers, the order points, and the number of replenishments so that the total inventory cost of the system is minimized. The proposed model is an integer nonlinear programming problem (NILP); hence, a meta-heuristic namely genetic algorithm (GA) is employed to solve it. As there is no benchmark available in the literature to validate the results obtained, another meta-heuristic called firefly algorithm (FA) is used for validation and verification. To achieve better solutions, the parameters of both meta-heuristics are calibrated using the Taguchi method. Several numerical examples are solved at the end to demonstrate the applicability of the proposed methodology and to compare the performance of the solution approaches. تفاصيل المقالة

حرية الوصول المقاله

219 - A parameter-tuned genetic algorithm for vendor managed inventory model for a case single-vendor single-retailer with multi-product and multi-constraint
javad sadeghi ahmad sadeghi mohammad Saidi mehrabad

This paper develops a single-vendor single-retailer supply chain for multi-product. The proposed model is based on Vendor Managed Inventory (VMI) approach and vendor uses the retailer's data for better decision making. Number of orders and available capital are the cons أکثر

This paper develops a single-vendor single-retailer supply chain for multi-product. The proposed model is based on Vendor Managed Inventory (VMI) approach and vendor uses the retailer's data for better decision making. Number of orders and available capital are the constraints of the model. In this system, shortages are backordered; therefore, the vendor’s warehouse capacity is another limitation of the problem. After the model formulation, an Integer Nonlinear Programming problem will be provided; hence, a genetic algorithm has been used to solve the model. Consequently, order quantities, number of shipments received by a retailer and maximum backorder levels for products have been determined with regard to cost consideration. Finally, a numerical example is presented to describe the sufficiency of the proposed strategy with respect to parameter-tuned by response surface methodology (RSM). تفاصيل المقالة

حرية الوصول المقاله

220 - The Capacitated Location-Allocation Problem with Interval Parameters
Hassan Shavandi

In this paper, we develop a capacitated location-covering model considering interval values for demand and service parameters. We also consider flexibility on distance standard for covering demand nodes by the servers. We use the satisfaction degree to represent the con أکثر

In this paper, we develop a capacitated location-covering model considering interval values for demand and service parameters. We also consider flexibility on distance standard for covering demand nodes by the servers. We use the satisfaction degree to represent the constraint of service capacity. The proposed model belongs to the class of mixed integer programming models. Our model can be reduced to the p-median problem in polynomial time so it is NP-Hard. A genetic algorithm is proposed to solve the developed model and experimental results of solving the model are presented. تفاصيل المقالة

حرية الوصول المقاله

221 - Fuzzy Programming for Parallel Machines Scheduling: Minimizing Weighted Tardiness/Earliness and Flow Time through Genetic Algorithm
Mohammad Asghari Samaneh Nezhadali

Appropriate scheduling and sequencing of tasks on machines is one of the basic and significant problems that a shop or a factory manager encounters; this is why in recent decades extensive studies have been done on scheduling issues. One type of scheduling problems is j أکثر

Appropriate scheduling and sequencing of tasks on machines is one of the basic and significant problems that a shop or a factory manager encounters; this is why in recent decades extensive studies have been done on scheduling issues. One type of scheduling problems is just-in-time (JIT) scheduling and in this area, motivated by JIT manufacturing, this study investigates a mathematical model for appraising a multi-objective programing that minimize total weighted tardiness, earliness and total flowtime with fuzzy parameters on parallel machines, simultaneously with respect to the impact of machine deterioration. Besides, in this paper attempted to present a defuzzification approach and a heuristic method based on genetic algorithm (GA) to solve the proposed model. Finally, several dominant properties of optimal solutions are demonstrated in comparison with the results of a state-of-the-art commercial solver and the simulated annealing method that is followed by illustrating some instances for indicating validity and efficiency of the method. تفاصيل المقالة

حرية الوصول المقاله

222 - Genetic Algorithm and Simulated Annealing for Redundancy Allocation Problem with Cold-standby Strategy
Aida Karimi Mani Sharifi Amirhossain Chambari

This paper presents a new mathematical model for a redundancyallocation problem (RAP) withcold-standby redundancy strategy and multiple component choices.The applications of the proposed model arecommon in electrical power, transformation,telecommunication systems,etc.M أکثر

This paper presents a new mathematical model for a redundancyallocation problem (RAP) withcold-standby redundancy strategy and multiple component choices.The applications of the proposed model arecommon in electrical power, transformation,telecommunication systems,etc.Manystudies have concentrated onone type of time-to-failure, butin thispaper, two components of time-to-failures which follow hypo-exponential and exponential distributionare investigated. The goal of the RAP is to select available components and redundancy level for each subsystem for maximizing system reliability under cost and weight constraints.Sincethe proposed model belongs to NP-hard class, we proposed two metaheuristic algorithms; namely, simulated annealing and genetic algorithm to solve it. In addition, a numerical example is presented to demonstrate the application of the proposed solution methodology. تفاصيل المقالة

حرية الوصول المقاله

223 - A Tunned-parameter Hybrid Algorithm for Dynamic Facility Layout Problem with Budget Constraint using GA and SAA
Hani Pourvaziri Parham Azimi

A facility layout problem is concerned with determining the best position of departments, cells, or machines on the plant. An efficient layout contributes to the overall efficiency of operations. It’s been proved that, when system characteristics change, it can ca أکثر

A facility layout problem is concerned with determining the best position of departments, cells, or machines on the plant. An efficient layout contributes to the overall efficiency of operations. It’s been proved that, when system characteristics change, it can cause a significant increase in material handling cost. Consequently, the efficiency of the current layout decreases or is lost and it does necessitate rearrangement. On the other hand, the rearrangement of the workstations may burden a lot of expenses on the system. The problem that considers balance between material handling cost and the rearrangement cost is known as the Dynamic Facility Layout Problem (DFLP). The objective of a DFLP is to find the best layout for the company facilities in each period of planning horizon considering the rearrangement costs. Due to the complex structure of the problem, there are few researches in the literature which tried to find near optimum solutions for DFLP with budget constraint. In this paper, a new heuristic approach has been developed by combining Genetic Algorithm (GA) and Parallel Simulated Annealing Algorithm (PSAA) which is the main contribution of the current study. The results of applying the proposed algorithm were tested over a wide range of test problems taken from the literature. The results show efficiency of the hybrid algorithm GA- to solve the Dynamic Facility Layout Problem with Budget Constraint (DFLPBC). تفاصيل المقالة

حرية الوصول المقاله

224 - Reliability Modelling of the Redundancy Allocation Problem in the Series-parallel Systems and Determining the System Optimal Parameters
Mani Sharifi Mohsen Yaghoubizadeh

Considering the increasingly high attention to quality, promoting the reliability of products during designing process has gained significant importance. In this study, we consider one of the current models of the reliability science and propose a non-linear programming أکثر

Considering the increasingly high attention to quality, promoting the reliability of products during designing process has gained significant importance. In this study, we consider one of the current models of the reliability science and propose a non-linear programming model for redundancy allocation in the series-parallel systems according to the redundancy strategy and considering the assumption that the failure rate depends on the number of the active elements. The purpose of this model is to maximize the reliability of the system. Internal connection costs, which are the most common costs in electronic systems, are used in this model in order to reach the real-world conditions. To get the results from this model, we used meta-heuristic algorithms such as genetic algorithm and simulation annealing after optimizing their operators’ rates by using response surface methodology. تفاصيل المقالة

حرية الوصول المقاله

225 - An Effective Genetic Algorithm for Solving the Multiple Traveling Salesman Problem
Mohammad Sedighpour Majid Yousefikhoshbakht Narges Mahmoodi Darani

The multiple traveling salesman problem (MTSP) involves scheduling m > 1 salesmen to visit a set of n > m nodes so that each node is visited exactly once. The objective is to minimize the total distance traveled by all the salesmen. The MTSP is an example of combi أکثر

The multiple traveling salesman problem (MTSP) involves scheduling m > 1 salesmen to visit a set of n > m nodes so that each node is visited exactly once. The objective is to minimize the total distance traveled by all the salesmen. The MTSP is an example of combinatorial optimization problems, and has a multiplicity of applications, mostly in the areas of routing and scheduling. In this paper, a modified hybrid metaheuristic algorithm called GA2OPT for solving the MTSP is proposed. In this algorithm, at the first stage, the MTSP is solved by the modified genetic Algorithm (GA) in each iteration, and, at the second stage, the 2-Opt local search algorithm is used for improving solutions for that iteration. The proposed algorithm was tested on a set of 6 benchmark instances from the TSPLIB and in all but four instances the best known solution was improved. For the rest instances, the quality of the produced solution deviates less than 0.01% from the best known solutions ever. تفاصيل المقالة

حرية الوصول المقاله

226 - 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

227 - A Mathematical Modeling for Plastic Analysis of Planar Frames by Linear Programming and Genetic Algorithm
Leila Shahryari

In this paper, a mathematical modeling is developed for plastic analysis of planar frames. To this end, the researcher tried to design an optimization model in linear format in order to solve large scale samples. The computational result of CPU time requirement is shown أکثر

In this paper, a mathematical modeling is developed for plastic analysis of planar frames. To this end, the researcher tried to design an optimization model in linear format in order to solve large scale samples. The computational result of CPU time requirement is shown for different samples to prove efficiency of this method for large scale models. The fundamental concept of this model is obtained from moment distribution method which is a safe theorem based method, so in this mathematical modeling, the objective is finding the largest load which ensures equilibrium and yield conditions. Contrary to moment distribution method, calculation of load factor and the value of moments in the elements are completely automatic and not to need user decision. As the objective function and constraints of this model are linear so it can be solved by linear programming (LP) software such as LINGO that is shown in this paper and also the model is solved by genetic algorithm (GA) to compare two solutions تفاصيل المقالة

حرية الوصول المقاله

228 - Prediction of mechanical and fresh properties of self-consolidating concrete (SCC) using multi-objective genetic algorithm (MOGA)
Reza Jelokhani Niaraki Reza Farokhzad

Compressive strength and concrete slump are the most important required parameters for design, depending on many factors such as concrete mix design, concrete material, experimental cases, tester skills, experimental errors etc. Since many of these factors are unknown, أکثر

Compressive strength and concrete slump are the most important required parameters for design, depending on many factors such as concrete mix design, concrete material, experimental cases, tester skills, experimental errors etc. Since many of these factors are unknown, and no specific and relatively accurate formulation can be found for strength and slump, therefore, the concrete properties can be improved to an acceptable level using the neural networks and genetic algorithm. In this research, having results of experimental specimens including soil classification parameters, water to cement ratio, cement content, super-lubricant content, compressive strength, and slump flow, using the MATLAB software, the perceptron neural network training, general regression neural network, and radial base function neural network are considered, and then, with regard to coefficient of determination (R2) criteria and mean absolute error, the above network تفاصيل المقالة

حرية الوصول المقاله

229 - Optimization of composite structures in vibration view
SM. azizisough MH. Yas MM. Najafi Zadeh

Two dimensional analysis of fluid flow and heat transfer through the trapezoidal microchannel has been done. The energy and Nervier stokes equations have been solved considering the wall slip velocity and temperature jump using the Lattice Boltzmann method (LBM). The re أکثر

Two dimensional analysis of fluid flow and heat transfer through the trapezoidal microchannel has been done. The energy and Nervier stokes equations have been solved considering the wall slip velocity and temperature jump using the Lattice Boltzmann method (LBM). The relation between relaxation times and Knudsen number has been derive in LBM. The effects of Reynolds number, Nusslelt number, temperature jump and velocity slip on different Knudsen number (0.001<Kn<0.1) and different aspect ratios (0.2<AR<1.2) were investigated. The good agreement between results and earlier studies were found. Results show the important effect of AR and Knudsen number on Nusselt number in trapezoidal microchannel. At low Reynolds number the significant influence on Nusselt number has been seen. تفاصيل المقالة

حرية الوصول المقاله

230 - ارائه یک مدل ترکیبی مبتنی بر یادگیری ماشینی برای طبقه بندی مشتریان مشترک صنعت بانکداری و بیمه
حمیدرضا امیرحسنخانی عباس طلوعی اشلقی رضا رادفر علیرضا پورابراهیمی

10.30495/qjopm.2021.1939511.3221

رقابت¬های جهانی، صنابع پویا و چرخه¬های نوآوری و فناوری که به سرعت در حال کوتاه شدن هستند همگی چالش¬های مهمی را برای صنعت مالی، بانکداری و بیمه ایجاد کرده¬اند و نیاز به تجزیه و تحلیل داده¬ها جهت بهبود فرآیندهای تصمیم¬گیری- در این سازمان¬ها بیش از پیش اهمیت پیدا کرده است؛ أکثر

رقابت¬های جهانی، صنابع پویا و چرخه¬های نوآوری و فناوری که به سرعت در حال کوتاه شدن هستند همگی چالش¬های مهمی را برای صنعت مالی، بانکداری و بیمه ایجاد کرده¬اند و نیاز به تجزیه و تحلیل داده¬ها جهت بهبود فرآیندهای تصمیم¬گیری- در این سازمان¬ها بیش از پیش اهمیت پیدا کرده است؛ در این میان، داده¬هایی که در پایگاه-های اطلاعاتی این سازمان¬ها نگهداری می¬شوند به عنوان منابع ارزشمند اطلاعات و دانش مورد نیاز جهت تصمیم-گیری¬های سازمانی مطرح می¬باشند؛ در این تحقیق بر روی مشتریان مشترک صنعت بانکداری و بیمه تمرکز شده است. هدف از این تحقیق، ارائۀ روشی جهت پیش¬بینی عملکرد مشتریان جدیدالورود بر مبنای رفتار مشتریان پیشین است؛ برای این منظور، از یک مدل ترکیبی مبتنی بر ماشین بردار پشتیبان و الگوریتم ژنتیک استفاده شده است؛ بدین ترتیب که ماشین بردار پشتیبان، وظیفه مدل‌سازی رابطه بین عملکرد مشتریان و اطلاعات هویتی آنها را بر عهده دارد و الگوریتم ژنتیک، وظیفه تنظیم و بهینه‌سازی پارامترهای ماشین بردار پشتیبان را عهده‌دار است. نتایج به دست آمده از طبقه بندی مشتریان- با استفاده از مدل پیشنهادی در این تحقیق- طبقه بندی مشتریان با دقت بالای ۹۹ درصد است. تفاصيل المقالة

حرية الوصول المقاله

231 - ارائه مدلی جهت ارزیابی ریسک‌های ایمنی به‌ منظور افزایش مدیریت بهره‌وری در پروژه‌های ساختمانی با به‌کارگیری سیستم خبره فازی و الگوریتم ژنتیک
مهدی وکیل زاده محسنعلی شایانفر مسعود ذبیحی سامانی مهدی روانشادنیا

10.30495/qjopm.2021.1929803.3145

امروزه صنعت ساختمان سهم قابل‌توجهی در اقتصاد دارد و به‌عنوان صنعت پیشران و اشتغال‌زا محسوب می‌شود. با توجه به فعالیت‌های متنوع و گاهی خطرآفرین در طول انجام عملیات ساختمانی، احتمال وقوع خطرات و آسیب‌هایی جانی و مالی وجود دارد که کنترل و کاهش این خطرات می‌تواند در موفقیت أکثر

امروزه صنعت ساختمان سهم قابل‌توجهی در اقتصاد دارد و به‌عنوان صنعت پیشران و اشتغال‌زا محسوب می‌شود. با توجه به فعالیت‌های متنوع و گاهی خطرآفرین در طول انجام عملیات ساختمانی، احتمال وقوع خطرات و آسیب‌هایی جانی و مالی وجود دارد که کنترل و کاهش این خطرات می‌تواند در موفقیت پروژه بسیار تأثیرگذار باشد. در پژوهش حاضر، مدلی جهت ارزیابی ریسک‌های ایمنی پروژه‌های ساختمانی ارائه گردیده و از ابزارهای نو و قدرتمندی همچون سیستم خبره فازی بهبود یافته با الگوریتم ژنتیک بهره گرفته شده است. ازاین‌رو در ابتدا عوامل اصلی تأثیرگذار در ایمنی پروژه‌های ساختمانی با مطالعه پیشینة موضوع و مشاوره با افراد خبره به دست آمد. سپس پرسش‌نامه‌ای جهت کسب نظرات خبرگان و جهت ارزیابی میزان شدت اثر ریسک و احتمال وقوع هر یک از ریسک‌ها در اختیار خبرگان قرار گرفت. بر اساس نظرات خبرگان، سیستم خبره‌ای جهت ارزیابی ریسک‌ها به دست آمد که به‌جای استفاده از منطق صفر و یکی حاکم بر سیستم‌های خبره، از منطق فازی استفاده گردیده است. در مدل پیشنهادی جهت بهبود عملکرد سیستم خبره فازی، از الگوریتم ژنتیک به‌عنوان یک بهینه‌ساز استفاده‌شده است. نتایج تحقیق حاکی از کارایی مطلوب مدل پیشنهادی در ارزیابی ریسک‌های ایمنی پروژه‌های ساختمانی بوده، به‌نحوی‌که میزان خطای مدل قابل قبول است. همچنین مدل می‌تواند ابزاری کارآمد برای مدیران پروژه در ارزیابی و پالایش وضعیت ایمنی در کارگاه ساختمانی را ارائه نماید. با افزایش ایمنی و سازماندهی آن، ریسک تعطیلی کارگاه‌ها به علت فقدان ایمنی کم شده و مدیریت بهره‌وری در کارگاه‌های ساختمانی افزایش می‌یابد. تفاصيل المقالة

حرية الوصول المقاله

232 - تدوین روشی جامع برای تحلیل سلسله مراتبی فازی ( با تاکید بر اصلاح ماتریس مقایسات زوجی ناسازگار فازی)
علیرضا بافنده مرتضی محمودزاده

در این مقاله روش جدیدی برای اصلاح ماتریس مقایسات زوجی فازی ناسازگار ارائه شده است. این روش، فازی شده یِ مستقیمِ روش ارائه شده توسط زی شوی و همکاران برای اصلاح ماتریس مقایسات زوجی ناسازگار در حالت قطعی است. همچنین با تلفیق برخی روشهای موجود، یک روش جامع برای تحلیل سلسله أکثر

در این مقاله روش جدیدی برای اصلاح ماتریس مقایسات زوجی فازی ناسازگار ارائه شده است. این روش، فازی شده یِ مستقیمِ روش ارائه شده توسط زی شوی و همکاران برای اصلاح ماتریس مقایسات زوجی ناسازگار در حالت قطعی است. همچنین با تلفیق برخی روشهای موجود، یک روش جامع برای تحلیل سلسله مراتبی فازی ارائه گردیده است. این روش شامل تست ناسازگاری فازی، اصلاح ماتریس مقایسات زوجی ناسازگار، محاسبه اوزان نسبی، محاسبه اوزان نهائی و رتبه بندی آنها می باشد. کلیه مراحل فوق در قالب یک برنامه کامپیوتری در نرم افزارMATLAB پیاده سازی شده است. تفاصيل المقالة

حرية الوصول المقاله

233 - بررسی مقایسه‌ای الگوریتم‌های فرا ابتکاری برای مسیریابی وسیله نقلیه پویا به منظور بهره‌وری وکارایی سیستم‌های حمل ‌و نقل
نازیلا مصیب زاده فرزین مدرس خیابانی

مسأله مسیریابی وسیله نقلیه (VRP) یکی از معروف ترین مسائل بهینه سازی است که در دهه ها‌ی اخیر کاربرد های زیادی به منظور بهره‌وری و کارایی سیستم‌های حمل‌ و نقل داشته است. مسأله مسیریابی وسائل نقلیه با بارگیری و تحویل همزمان، که توزیع و جمع آوری همزمان کالا از مبدأ به مقصد أکثر

مسأله مسیریابی وسیله نقلیه (VRP) یکی از معروف ترین مسائل بهینه سازی است که در دهه ها‌ی اخیر کاربرد های زیادی به منظور بهره‌وری و کارایی سیستم‌های حمل‌ و نقل داشته است. مسأله مسیریابی وسائل نقلیه با بارگیری و تحویل همزمان، که توزیع و جمع آوری همزمان کالا از مبدأ به مقصد (مشتریان) را انجام می دهد یکی از انواع کلاسیک مسأله مسیریابی می باشد که در آن مشتریان نیازمند تکمیل فرآیند بارگیری و تحویل در انبار در یک پنجره زمانی خاص می باشند. کاربرد های این مسأله در بسیاری از مسائل روزمره واقعی همچون حمل و نقل و بهینه سازی برنامه ریزی منطقی مشهود می باشد. این مقاله از الگوریتم های فرا ابتکاری برای این منظور استفاده کرده است. روش پیشنهادی برای حل مسأله مسیریابی وسیلۀ نقلیه ظرفیت دار جهت بهبود بهره وری و کارایی توزیع (با کمینه کردن فاصله کل طی شده در هر مسیر) و با در نظر گرفتن ظرفیت مسیر های مختلف به کار گرفته شده است. این مسأله، ذاتاً یک مسألهNP-Hard می باشد بنابراین هیچ روش بهینه با زمان چند جمله ای برای آن وجود ندارد. روش پیشنهادی که برمبنای الگوریتم ژنتیک می باشد، بر روی برخی از مسائل آزمون استاندارد با درنظر گرفتن بهره وری محاسباتی و کیفیت جواب آزمون شده است. عملکرد روش ارائه شده با سایر الگوریتم های ابتکاری موجود بر روی همان مسأله مقایسه شده است. نتایج عددی نشان دهندۀ موفقیت رویکرد پیشنهادی برای مسائل مقید سخت می باشد و مکانیزم جواب ساده و پایداری را برای کاربردهای دنیای واقعی بویژه بهینه سازی مسیر یابی وسائل نقلیه را ارائه می دهد. تفاصيل المقالة

حرية الوصول المقاله

234 - Optimizing the Production Output Function in Dynamic Manufacturing Systems Using Genetic Algorithm
Amir Najafi Amirfoad Sateie Hossein Ghazanfari

One of the main problems of the industrial society today is the low quality of products, the failure of products and systems, which causes problems at various levels of production and even causes catastrophic events for society and the environment. Weakness in dynamic m أکثر

One of the main problems of the industrial society today is the low quality of products, the failure of products and systems, which causes problems at various levels of production and even causes catastrophic events for society and the environment. Weakness in dynamic manufacturing and production systems and weakness in optimizing these systems is an issue that needs to be addressed. Therefore, the main purpose of the present study is to answer some of these issues and problems in the statistical community. The researcher intends to analyze the issue as the main solution in the optimization of the output function of manufacturing systems. The problem was modeled by considering the constraints and assumptions set as nonlinear integer programming (MINLP). Then, to achieve the optimal global solution, using linearization techniques, the mathematical model of the problem was converted to linear integer linear programming (MILP). Based on this, the target function was examined using the genetic algorithm in MATLAB software and its results were presented for small, medium, and large dimensions for problem factories with different dimensions (sensitivity analysis). تفاصيل المقالة

حرية الوصول المقاله

235 - Determining the Sequence and Schedule of Job-shop Production Systems using Genetic Algorithm by considering Possible Values
seyed ahmad shayan nia mostafa mohammadi Mohammad Reza lotfi Javad Rezaeian

Sequencing and scheduling of production in jobshop production systems was investigated in this article. Each operation specific to a job has a random duration with a mean and variance, taking into account this uncertainty in the assumptions of the model, the adaptation أکثر

Sequencing and scheduling of production in jobshop production systems was investigated in this article. Each operation specific to a job has a random duration with a mean and variance, taking into account this uncertainty in the assumptions of the model, the adaptation of the model to the real conditions of the production environment. Each job has the operating costs of the machine during processing, the cost of equipment idle for each unit of time delay in receiving the work. In this study, the optimal scheduling is Reduction of costs. The algorithm used to solve the problem is a genetic algorithm. The efficiency of the proposed algorithms has been tested and analyzed with a number of selected problems from the literature. This study was performed in a situation where the time of operation is uncertain and follows a specific statistical distribution (normal, exponential and uniform). The performance of the genetic algorithm was evaluated based on time criteria and objective function. The results obtained from the genetic algorithm were compared with the results obtained from the combined algorithm (neural network and SA algorithm) and the results obtained from the optimal solving procedures using Lingo software version 6 for 5 sample production scheduling problems. The results show that the integrated algorithm performed better than the genetic algorithm تفاصيل المقالة

حرية الوصول المقاله

236 - Enabling Link Prediction Optimization on Social Networks
banafshe poorsoltani fariba salahi Amir Daneshvar

Virtual social networks are a modern age of spaces that play an important role in the world today. They are highly dynamic networks with a complex structure. This is why it is very difficult to predict communication in this field. The prediction has recently caught the أکثر

Virtual social networks are a modern age of spaces that play an important role in the world today. They are highly dynamic networks with a complex structure. This is why it is very difficult to predict communication in this field. The prediction has recently caught the attention of various researchers as one of the most important aspects of data mining. In addition to understanding the relationship between groups in social communities, the connection prediction in social networks also ensures that networks are popular. Link prediction is the prediction of the probability that two entities will interact based on some unique and common characteristics between them. Link prediction is intended to generate and propose a list of persons to whom the user communicates. This study introduces a prediction approach used to combine a genetic algorithm with an algorithm from Louvain. Data are first chosen from the default dataset as binary in this process. Then the best nodes are extracted and chosen based on merit using the genetic algorithm. Lastly, the modularity of the networks is obtained by using the Louvain algorithm. The findings indicated the optimal performance of this approach. تفاصيل المقالة

حرية الوصول المقاله

237 - Presenting a super-heuristic genetic algorithm for investment in project resource
nooshin hafezi zadeh

Developing a suitable plan and optimal use of available facilities are considered important factors in today's competitive world. The aim of this research is to provide an innovative genetic algorithm for the problem of investment in project resources. In terms of the p أکثر

Developing a suitable plan and optimal use of available facilities are considered important factors in today's competitive world. The aim of this research is to provide an innovative genetic algorithm for the problem of investment in project resources. In terms of the purpose, this research is an applied and, in terms of data collection, it is of a mathematical analytical type. According to the positive experiences of using genetic algorithm to solve the problems of the specification in limited resources, this research aims to create two genetic algorithms for a type of allocation problem called investment problem in resources. Genetic algorithm designed was tested on the problems investigated by Mohring representing that the above problems are not complicated enough, because genetic algorithm has obtained optimal solution for the problems rapidly. So, more problems were generated by Progen software through more tests, and, in general, more than 15,000 problems tested by genetic algorithm. Then, by making changes in the above algorithm and using Akpan method and modifying this method, genetic algorithm has been improved. The method developed has also been compared with the previous method during the tests. After setting the parameters on 20 activity problems, the tests were conducted on 10 and 14 activity problems. It represented that new algorithm works more efficiently on these problems. On 30 activity problems in Dergzel and Kims, new and previous genetic algorithms were compared by using multivariate variance analysis and Duncan's test indicating a significant improvement in the answers. تفاصيل المقالة

حرية الوصول المقاله

238 - 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

239 - 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

240 - Prediction of Corrosion Rate for Carbon Steel in Soil Environment by Artificial Neural Network and Genetic Algorithm
Amir Akhtari-Goshayeshi Moslem Ghobadi Ehsan Saebnoori Alireza Zarezadeh Mohammad Rostami Mohammad Nematollahi

In this study, the corrosion rates for St37 carbon steel in some soil types with different conditions were measured. The effects of the parameters of moisture amount, soil’s particle size and salt’s concentration were determined by the mass loss method. An A أکثر

In this study, the corrosion rates for St37 carbon steel in some soil types with different conditions were measured. The effects of the parameters of moisture amount, soil’s particle size and salt’s concentration were determined by the mass loss method. An Artificial Neural Network (ANN) model with three inputs and one output was established to simulate the experimental data. It was observed that Levenberg–Marquardt algorithm with hyperbolic tangent sigmoid transfer function provided the best results in training with the lowest MSE and MAE compared to the other methods in the model. The R values for training, validation, and test were presented and the value of 0.98684 was achieved for the complete data set which demonstrate a high level of ANN performance. The Genetic Algorithm (GA) was also used to find optimum inputs for the target of minimum corrosion rate value. The results showed a good agreement between the model prediction and experimental values. تفاصيل المقالة

حرية الوصول المقاله

241 - تحلیل توزیع مکانی میزان تاب آوری شهر در برابر مخاطرات طبیعی با تاکید بر سیل(مطالعه موردی: شهر قائمشهر)
حمزه بهروزی محمد رضا زندمقدم سعید کامیابی

با توسعه شهرنشینی،شهرها به مراکز توجه تبدیل شده اند و تقاضا برای منابع طبیعی و توجه به تأثیرات محیطی جهانی آنها افزایش یافته است.فعالیت های شهرسازی و برنامه ریزی شهری موجب افزایش فشار بر طبیعت و تضعیف تاب آوری آن شده است که اغلب پیامدهای مخربی برای شهرها و ساکنان آن درپ أکثر

با توسعه شهرنشینی،شهرها به مراکز توجه تبدیل شده اند و تقاضا برای منابع طبیعی و توجه به تأثیرات محیطی جهانی آنها افزایش یافته است.فعالیت های شهرسازی و برنامه ریزی شهری موجب افزایش فشار بر طبیعت و تضعیف تاب آوری آن شده است که اغلب پیامدهای مخربی برای شهرها و ساکنان آن درپی داشته است.هدف ازاین پژوهش مدل سازی میزان تاب آوری شهر در برابر مخاطرات طبیعی با تاکید بر سیل درشرایط بحرانی می‌باشد.روش بکار رفته دراین پژوهش,بهره گیری از نرم افزارGIS به منظور تعیین نقاط دارای تاب آوری بیشتر و استفاده از روش های الگوریتم ژنتیک(GA)و هوش ازدحامی ذرات(PSO)وبرنامه نویسی آنهادرمحیط MATLAB می باشد,تا با‌‌ استفاده ازآن مهمترین مولفه‌های تاب‌آوری شهرو راهکارهای موثر در تقویت تاب‌آوری مشخص گردند.پژوهش حاضر طی2مرحله صورت گرفته که در مرحله اول,ابتدا با استفاده ازمدلAHP میزان تاب آوری نقاط شهری در برابر سیل تعیین گردید و پس از آن با ترکیب همه مولفه های ذکر شده نقشه نهایی مخاطره تهیه شد.در مرحله دوم جهت تعیین مهمترین مولفه‌های تاب‌آوری شهر این بار32 شاخص از مولفه های تاب آوری براساس4 معیار(کالبدی–فضایی،اقتصادی،اجتماعی،نهادی)تدوین و با استفاده از روش الگوریتم ژنتیک مورد بررسی قرار گرفت که در نهایت5 نقطه از شهر به ترتیب(استادیوم شهید وطنی ، پارک ولیعصر ، فضای سبز نساجی)،به عنوان مناطق دارای تاب‌آوری بیشتر انتخاب و اولویت‌بندی شدند.سپس به منظور تایید و مقایسه یافته های تحقیق توسط الگوریتم ژنتیکGAاز روش PSO بهره گرفته شد.درمرحله پایانی پیشنهادمی گرددکه افزایش میزان تاب آوری شهرقائمشهردرمرحله اول نیازمند تقویت و اصلاح ساختارهای محیط طبیعی و سپس حفظ و نگهداشت محیط ایمن است. تفاصيل المقالة

حرية الوصول المقاله

242 - بهینه‌سازی کاربری زمین با استفاده از الگوریتم فرا ابتکاریِ جست‌و‌جوی هارمونیک (مطالعه موردی: محله‌ی بابلدشت شهر اصفهان)
علیرضا صاحبقرانی

برنامه ریزی کاربری زمین به دنبال تخصیص کاربری های مختلف به منبع ارزشمند و محدود زمین به طور بهینه بوده که با استفاده ی حداکثری از آن بیش ترین مطلوبیت را برآورده کرده و اهداف برنامه ریزی کاربری زمین را تا بالاترین میزان محقق سازد. با توجه به تعدد اهداف مطرح در تخصیص کار أکثر

برنامه ریزی کاربری زمین به دنبال تخصیص کاربری های مختلف به منبع ارزشمند و محدود زمین به طور بهینه بوده که با استفاده ی حداکثری از آن بیش ترین مطلوبیت را برآورده کرده و اهداف برنامه ریزی کاربری زمین را تا بالاترین میزان محقق سازد. با توجه به تعدد اهداف مطرح در تخصیص کاربری زمین، لازم است تا نوعی سازش میان این اهداف به وجود آمده، به گونه ای که هر یک از اهداف متناسب با اولویت خود تا حد مشخصی تحقق یابند و آرایش بهینه ی کاربری ها حاصل گردد. بهینه‌سازی تخصیص کاربری، روشی است که امکان حل چنین مسائلی را فراهم می‌آورد. به دلیل پیچیدگی بسیار بالای مسئله‌ی بهینه سازی کاربری زمین، چه از نظر تعدادِ اهداف و چه از نظر اندازه و زمانِ حلِ مسئله، حل این مسئله بر الگوریتم‌های فراابتکاری تکیه دارد. در پژوهش حاضر، الگوریتم جست‌وجوی هارمونیک برای بهینه‌سازی تخصیص کاربری زمین توسعه یافته است. اهداف بهینه‌سازی سه هدف: بیشینه‌سازی سازگاری، بیشینه سازی فشردگی، و بیشینه‌سازی تناسب اراضی را در بر می گیرد. قابلیت این الگوریتم در تخصیص بهینه ی هفت گونه ی کاربری، مورد آزمون قرار گرفته و نتایج آن با الگوریتم ژنتیک مقایسه شده است. مقایسه‌ی انجام شده نشان می‌دهد که الگوریتم جست و جوی هارمونیک، از کارآیی (68 درصد) و کیفیت بالاتری (27.7 درصد) نسبت به الگوریتم ژنتیک برخوردار در حل مسئله ی طرح شده در این پژوهش برخوردار است. نتایج نشان می دهند که با به کارگیری الگوریتم پیشنهادی، میزان مطلوبیت کل در گزینه ی بهینه 54.07 درصد بالاتر از وضع موجود کاربری ها در مطالعه ی موردی می باشد. تفاصيل المقالة

حرية الوصول المقاله

243 - PSPGA: A New Method for Protein Structure Prediction based on Genetic Algorithm
Arash Mazidi Fahimeh Roshanfar

Bioinformatics is a new science that uses algorithms, computer software and databases in order to solve biological problems, especially in the cellular and molecular areas. Bioinformatics is defined as the application of tools of computation and analysis to the capture أکثر

Bioinformatics is a new science that uses algorithms, computer software and databases in order to solve biological problems, especially in the cellular and molecular areas. Bioinformatics is defined as the application of tools of computation and analysis to the capture and interpretation of biological data. Protein Structure Prediction (PSP) is one of the most complex and important issues in bioinformatics, and extensive researches has been done to solve this problem using evolutionary algorithms. In this paper, we propose a genetic based method in order to solve protein structure prediction problem with increasing the accuracy of prediction, using a crossover operator based on pattern mask. Further, we compare two genetic based method to evaluate the proposed method. The results of the implementation of our proposed algorithm on five standard test sequences show that the use of a pattern mask-based crossover operator in the genetic algorithm can significantly improve the accuracy compared to previous similar algorithms. تفاصيل المقالة

حرية الوصول المقاله

244 - 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

245 - A Genetic-based Algorithm to Solve Priority-based ‎Target Coverage Problem in Directional Sensor ‎Networks
Leila Ajam Ali Nodehi Hosein Mohamadi

The Directional Sensor Networks (DSNs) have recently drawn considerable attention with respect to their extensive applications in various situations. In this regard, covering a set of targets in a specific region while maximizing network lifetime is considered as a majo أکثر

The Directional Sensor Networks (DSNs) have recently drawn considerable attention with respect to their extensive applications in various situations. In this regard, covering a set of targets in a specific region while maximizing network lifetime is considered as a major problem related to the DSN, which is resulted from limitation in sensing angle and battery power of directional sensors. The problem gets more challenging when the targets have different coverage quality requirements. In the present study, this problem is referred to as Priority-based Target Coverage (PTC) that has been proved to be an NP-complete problem. In this regard, a genetic-based algorithm along with a repair operator is developed, which is able to select a proper subset of directional sensors for providing the coverage quality requirements for all targets. In order to evaluate the performance of the proposed algorithm, several experiments were performed and the results were compared to those of another algorithms already introduced to literature. تفاصيل المقالة

حرية الوصول المقاله

246 - Intelligent and Optimal Control of Air Conditioning ‎Systems by Achieving Comfort and Minimize Energy
Yazdan Daneshvar Majid Sabzehparvar Seyed Amir Hossein Hashemi

In this study, artificial neural networks, artificial neural network combination with genetic algorithm and neural network combination with Kalman filter were used to optimally model and control a real air conditioning system. Using the above methods, the system is firs أکثر

In this study, artificial neural networks, artificial neural network combination with genetic algorithm and neural network combination with Kalman filter were used to optimally model and control a real air conditioning system. Using the above methods, the system is first trained and after verifying the modeling accuracy, the capability of this modeling to predict the future conditions of the system is investigated. In addition to the subsystems investigated in both heating and cooling phases by mass and energy equations in Simulink simulated by Matlab software, the results of this section are finally compared with the optimal modeling results. The most important advantage of artificial neural network modeling over mass and energy equation modeling approaches is that it captures all the uncertainties and nonlinear properties of the air conditioning system due to the use of real data for modeling. It takes. Therefore, this method can optimize energy consumption in air conditioners by predicting the future conditions of the system and by precisely adjusting the time of turning on and off the main energy consuming equipment. The most important achievement of this research is more accurate and realistic modeling of the nonlinear air conditioning system.Comparing the methods used in the research for simulation methods using mass and energy equations, modeling using Bayesian trained neural network, artificial neural network modeling using MLP, modeling using neural network and genetic algorithm, modeling Using neural network and Kalman filter, the square error is equal to 0.006, 0.18, 0.056, 0.1456 and more than 0.5, respectively. تفاصيل المقالة

حرية الوصول المقاله

247 - The Compatibility of Parametric Software ‎Reliability Growth Models in PRGA
Reza Roshani Homayun Motameni Hosein Mohamadi

Software Reliability (SR) is a key non-operational feature measured when evaluating software quality. To enhance this feature, it is important to detect failures and mitigate them in the testing phase. SR can be increased by identifying and removing this failure from th أکثر

Software Reliability (SR) is a key non-operational feature measured when evaluating software quality. To enhance this feature, it is important to detect failures and mitigate them in the testing phase. SR can be increased by identifying and removing this failure from the defect data. The existing literature consists of many models/methods applicable to measuring SR, including the SR Growth Models (SRGMs). Generally, SRGMs are in two main types: parametric and non-parametric. As these models are diverse, when applying to a certain problem, the particular requirements and conditions of that problem should be taken into account. The current paper explains the fundamental concepts of reliability, then reviews the Parametric SR Growth Models (PSRGMs) and evaluates various approaches already proposed in this domain. In addition, this study investigates the SRGMs compatibility by means of a novel Parallel Real-valued Genetic Algorithm (PRGA)-based method. The results achieved under a variety of conditions for each model showed the extent of compatibility with GA. تفاصيل المقالة

حرية الوصول المقاله

248 - 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

249 - 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

250 - تحلیل نظریه بازی تکاملی ایران و عربستان در چارچوب الگوریتم ژنتیک
سمانه خاتمی علیرضا شکیبایی

هدف این مقاله ارائه مدلی جدید از جستجوی استراتژی های بهینه در بازی معمای زندانی تکراری با استفاده از الگوریتم ژنتیک است. بدین منظور با شبیه سازی رقابت بین ایران و عربستان در ائتلاف اوپک نفتی، از 12 نوع استراتژی مطرح در بازی معمای زندانی تکراری طی 20 اجرای الگوریتم ژنتیک أکثر

هدف این مقاله ارائه مدلی جدید از جستجوی استراتژی های بهینه در بازی معمای زندانی تکراری با استفاده از الگوریتم ژنتیک است. بدین منظور با شبیه سازی رقابت بین ایران و عربستان در ائتلاف اوپک نفتی، از 12 نوع استراتژی مطرح در بازی معمای زندانی تکراری طی 20 اجرای الگوریتم ژنتیک به‌منظور حداکثرسازی امتیازات فردی بازیکن و نیز حداقل سازی امتیاز برازندگی رقیب استفاده شده است. نتایج نشان داد استراتژی "عمل متقابل" حائز بالاترین بازدهی متوسط در هر دو رقابت بوده و در رتبه های بعدی استراتژی‌های "اکثریت موافق"، "ماشه" و "عمل متقابل پس از دو بار نقض همکاری رقیب" جای گرفته اند. استراتژی "همواره عدم همکاری" نیز در رقابت ها با کمترین بازدهی به عنوان ناکاراترین استراتژی شناخته شده است. تفاصيل المقالة

حرية الوصول المقاله

251 - مقایسه‌ی پیش‌بینی نرخ ارز بر اساس مدل‌های غیرخطی STAR و مدل‌های رقیب
حسن خداویسی علی وفامند

این مقاله ضمن بررسی و انجام آزمون غیرخطی برای داده‌های ماهیانه‌ی نرخ ارز بازار رسمی ایران، به مدل‌سازی و پیش‌بینی روند سری زمانی نرخ ارز با استفاده از رگرسیون غیرخطی انتقال ملایم[1] می‌پردازد. هم‌چنین به منظور مقایسه عملکرد پیش‌بینی‌های خارج از نمونه، مدل رگرسیون غیرخطی أکثر

این مقاله ضمن بررسی و انجام آزمون غیرخطی برای داده‌های ماهیانه‌ی نرخ ارز بازار رسمی ایران، به مدل‌سازی و پیش‌بینی روند سری زمانی نرخ ارز با استفاده از رگرسیون غیرخطی انتقال ملایم[1] می‌پردازد. هم‌چنین به منظور مقایسه عملکرد پیش‌بینی‌های خارج از نمونه، مدل رگرسیون غیرخطی انتقال ملایم بر اساس بهینه‌سازی الگوریتم ژنتیک و مدل ARIMA برآورد می‌گردد. ارزیابی نتایج این مطالعه تأییدکننده‌ی رفتار غیرخطی نرخ ارز در ایران و عملکرد بهتر مدل‌های غیرخطی نسبت به مدل ARIMA در پیش‌بینی خارج از نمونه نرخ ارز برای افق 12 ماهه بر اساس معیارهایRMSE ، MAE و DAمی‌باشد. [1].Smooth Transition Regression تفاصيل المقالة

حرية الوصول المقاله

252 - ارائه مدل توام قیمت‌گذاری و مسیریابی موجودی در زنجیره تامین دو سطحی حلقه بسته
محمد محمدنژاد عیسی نخعی کمال آبادی رامین صادقیان فردین احمدی زر

چکیده این مقاله مسئله قیمت‌گذاری محصول در زنجیره تامین حلقه بسته چند دوره‌ای چند محصولی با تقاضای وابسته به قیمت را بررسی می‌کند. هدف، اختصاص مکان برای مرکز جمع‌آوری و دمونتاژ، مسیریابی وسایل نقلیه و سفارش‌دهی مواد به منظور به حداکثر رساندن سود است. در این مقاله یک مدل أکثر

چکیده این مقاله مسئله قیمت‌گذاری محصول در زنجیره تامین حلقه بسته چند دوره‌ای چند محصولی با تقاضای وابسته به قیمت را بررسی می‌کند. هدف، اختصاص مکان برای مرکز جمع‌آوری و دمونتاژ، مسیریابی وسایل نقلیه و سفارش‌دهی مواد به منظور به حداکثر رساندن سود است. در این مقاله یک مدل ریاضی غیرخطی برای حل مسائل در ابعاد کوچک ارائه شده است. از آنجا که مسئله حاضر دارای پیچیدگی سخت است، دو روش فراابتکاری الگوریتم ژنتیک و بهینه‌سازی تجمع ذرات برای حل مسائل با ابعاد متوسط و بزرگ استفاده شده است. برای اعتبارسنجی این دو الگوریتم، نتایج آنها با نتایج به دست آمده از مدل ریاضی مورد مقایسه قرار گرفته است. نهایتاً، مقایسه عملکرد دو الگوریتم فراابتکاری از طریق تحلیل‌های آماری نشان داده است که الگوریتم بهینه‌سازی تجمع ذرات عملکرد بهتری نسبت به الگوریتم ژنتیک دارد. تفاصيل المقالة

حرية الوصول المقاله

253 - 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

254 - Solving the Problem of Scheduling Unrelated Parallel Machines with Limited Access to Jobs
Mohammadreza Naghibi Abolfazl Adressi

Nowadays, by successful application of on time production concept in other concepts like production management and storage, the need to complete the processing of jobs in their delivery time is considered a key issue in industrial environments. Unrelated parallel machin أکثر

Nowadays, by successful application of on time production concept in other concepts like production management and storage, the need to complete the processing of jobs in their delivery time is considered a key issue in industrial environments. Unrelated parallel machines scheduling is a general mood of classic problems of parallel machines. In some of the applications of unrelated parallel machines scheduling, when machines have different technological levels and are not necessarily able to process each one of the existing jobs in the group of jobs and in many of the industrial environments, a sequence dependent setup time takes place during exchanging jobs on the machines. In this research, the unrelated parallel machines scheduling problem has been studied considering the limitations of sequence dependent setup time of processing of jobs and limited accessibility to machines and jobs with the purpose of minimizing the total weighting lateness and earliness times. An integer scheduling model is proposed for this problem. Also, a meta-heuristically combined method consisting of Genetic algorithm and Particle swarm optimization (PSO) algorithm for its solutions is proposed. The obtained results of the proposed algorithm show that the proposed algorithm is very efficient especially in problems with large dimensions. تفاصيل المقالة

حرية الوصول المقاله

255 - The Optimization of the Effective Parameters of the Die in Parallel Tubular Channel Angular Pressing Process by Using Neural Network and Genetic Algorithm Methods
Amin Armanian Hassan Khademi Zadeh

One of reasons that researchers in recent years have tried to produce ultrafine grained materials is producing lightweight components with high strength and reliability. There are disparate methods for production of ultra-fine grain materials,one of which is severe plas أکثر

One of reasons that researchers in recent years have tried to produce ultrafine grained materials is producing lightweight components with high strength and reliability. There are disparate methods for production of ultra-fine grain materials,one of which is severe plastic deformation method. Severe plastic deformation method comprises different processes, one of which is Parallel tubular channel angular pressing. The aim of this study is optimizing parameters of the noticed process die just by utilizing neural network and genetic algorithm methods that at first for this purpose, by using ABAQUS finite element software, the numerical analysis of the die parameters is performed and the impact of each die parameter on the force of the process and the equivalent strain is examined. Finally, for gaining optimal parameters, MATLAB and neural network optimization methods and genetic algorithm are used. The use of neural network and genetic algorithm illustrated that to achieve the ideal possible situation in order to achieve a flawless super-fine tube, it is imperative to use the friction coefficient of 0.05, tube length of 40 mm, channel angle of 140 degrees and diameter increase difference of 1.5 mm. With such values, strain fluctuations reach 0.23, lowest value, and also the force reaches 0.49 KN and the amount of applied strain reaches its highest value to 2.37. تفاصيل المقالة

حرية الوصول المقاله

256 - An Optimization on the DIN1.2080 Alloy in the Electrical Discharge Machining Process Using ANN and GA
Masoud Azimi Amin Kolahdooz Seyyed Ali Eftekhari

Electrical Discharge Machining (EDM) process is one of the most widely used methods formachining. This method is used to form parts that conduct electricity. This method of machininghas used for hard materials and therefore selects the correct values of parameters which أکثر

Electrical Discharge Machining (EDM) process is one of the most widely used methods formachining. This method is used to form parts that conduct electricity. This method of machininghas used for hard materials and therefore selects the correct values of parameters which are soeffective on the quality machining of parts. Reaching to optimum condition of the DIN1.2080 alloy(D3) machining is very important due to the rapid and widespread use of different industry such asMolding, lathe tools reamer, broaching, cutting guillotine and etc. Therefore the purpose of thisstudy is to consider the effect of the inlet parameters such as current, voltage, pulse on time andpulse off time on the machining chip rate and optimize the inlet parameters for D3 alloy. So toreach better result after doing some experiments to predict and optimize the rate of removing chip,neural network method and genetic algorithm are used. Then optimizing input parameters tomaximize the rate of removing chip are performed. In this condition by decreasing time, the productcost is decreased. In this condition, the optimum parameters are obtained under the current of 20(A), 160 (V), pulse on time of 100 (ms) and pulse off time of12 (ms). At this condition, the rate ofmachining chip is obtained 0.063 (cm3/min). Also, surveying the level of error and its accuracy areevaluated. According to the obtained error value that is about 5.18%, the used method is evaluatedsuitable for genetic algorithm. تفاصيل المقالة

حرية الوصول المقاله

257 - Scheduling Problem of Virtual Cellular Manufacturing Systems (VCMS); Using Simulated Annealing and Genetic Algorithm based Heuristics
Saeed Taouji Hassanpour Reza Bashirzadeh Abolfazl Adressi Behnam Bahmankhah

In this paper, we present a simulated annealing (SA) and a genetic algorithm (GA) based on heuristics for scheduling problem of jobs in virtual cellular manufacturing systems. A virtual manufacturing cell (VMC) is a group of resources that is dedicated to the manufactur أکثر

In this paper, we present a simulated annealing (SA) and a genetic algorithm (GA) based on heuristics for scheduling problem of jobs in virtual cellular manufacturing systems. A virtual manufacturing cell (VMC) is a group of resources that is dedicated to the manufacturing of a part family. Although this grouping is not reflected in the physical structure of the manufacturing system, but machines are spread on the shop floor physically. In this paper, there are multiple jobs with different manufacturing processing routes. First, we develop the mathematical model for the problem, and then we present the suggested algorithms. The scheduling objective is weighed tardiness and total travelling distance minimization. The problem is divided into two branches: small scale and large scale. For small scale, the results of GA and SA are compared to GAMS. For large scale problems, due to the time limitation of 3600 seconds, the results of GA and SA are compared to each other. Computational results show that both SA ad GA algorithms perform properly but SA is likely to turn out well in finding better solutions in shorter times especially in large scale problems. تفاصيل المقالة

حرية الوصول المقاله

258 - Solving Re-entrant No-wait Flexible Flowshop Scheduling Problem; Using the Bottleneck-based Heuristic and Genetic Algorithm
Sara Habibi Shahin Ordikhani Ahmad Reza Haghighi

In this paper, we study the re-entrant no-wait flexible flowshop scheduling problem with makespan minimization objective and then consider two parallel machines for each stage. The main characteristic of a re-entrant environment is that at least one job is likely to vis أکثر

In this paper, we study the re-entrant no-wait flexible flowshop scheduling problem with makespan minimization objective and then consider two parallel machines for each stage. The main characteristic of a re-entrant environment is that at least one job is likely to visit certain stages more than once during the process. The no-wait property describes a situation in which every job has its own processing sequence with the constraint that no waiting time is allowed among operations within any jobs. This study develops a bottleneck-based heuristic (BBFFL) to solve a flexible flowshop problem including a bottleneck stage. Also, a genetic algorithm (GA) based on heuristics for the problem is presented. First, the mathematical model for the problem is proposed, and then the suggested algorithms are explained. For small-scale, the results of the BBFFL and GA are compared to the results derived from the GAMS. For large-scale problems, the results of the GA and BBFFL are compared with each other. For small-scale problems, the algorithms have a close performance but the BBFFL is likely to generate much better in finding solutions in large-scale problems. تفاصيل المقالة

حرية الوصول المقاله

259 - Development of a New Dynamic Friction Model for Analytical Modeling of Elliptical Vibration Assisted Turning Process
Reza Nosouhi Saeed Behbahani Saeid Amini Mohammad Reza Khosrojerdi

A new dynamic friction model for modeling of elliptical vibration assisted turning (EVAT) was developed in this research. The periodic change of the friction force direction is known to be one of the most important causes of this phenomenon. In modeling of machining pro أکثر

A new dynamic friction model for modeling of elliptical vibration assisted turning (EVAT) was developed in this research. The periodic change of the friction force direction is known to be one of the most important causes of this phenomenon. In modeling of machining processes (including the EVAT process), static Coulomb friction model was employed by most of the researchers. Because of the periodic change in the friction force direction during the elliptical vibration path, the simple Coulomb friction model could not reflect the dynamic friction phenomena between the chip and the tool such as stick-slip and dynamic breakaway. In this research the LuGre dynamic friction model, which had been successfully employed for modeling of EVAT process, was modified in compliance to the machining process. To modify the LuGre model, the LuGre model coefficients were modified so that the effect of the temperature change of the contacting surfaces (which plays a key role in the friction behavior between the chip and the tool) could be reflected by the model. To determine the coefficients, orthogonal machining tests were performed and the Genetic Algorithm optimization method was carried out to derive the coefficients. Afterward, the results achieved from both dynamic models were compared with experimental results and Coulomb model results. The results from the new modified LuGre model were in better agreements with the experimental results. تفاصيل المقالة

حرية الوصول المقاله

260 - 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

261 - نهان نگاری مقاوم تصاویر دیجیتال به کمک تبدیل گراف‌محور و الگوریتم ژنتیک
سیدمحمدرضا موسوی علیرضا نقش

به منظور نهان‌نگاری اطلاعات در تصاویر دیجیتال و همچنین مقاوم‌سازی آنها روش‌های متعددی تاکنون معرفی شده است. در این روش از تبدیل گراف محور استفاده شده است و به کمک الگوریتم ژنتیک بهترین ساختار گراف استخراج می‌شود به طوری که نهان‌نگاری با بیشترین مقاومت در برابر حملات انج أکثر

به منظور نهان‌نگاری اطلاعات در تصاویر دیجیتال و همچنین مقاوم‌سازی آنها روش‌های متعددی تاکنون معرفی شده است. در این روش از تبدیل گراف محور استفاده شده است و به کمک الگوریتم ژنتیک بهترین ساختار گراف استخراج می‌شود به طوری که نهان‌نگاری با بیشترین مقاومت در برابر حملات انجام شود. یکی از روش‌های مرسوم در مقاوم‌سازی نهان‌نگاری استفاده از تبدیل کسینوسی گسسته است. در این تحقیق نشان داده‌ایم که روش پیشنهادی بسیار قدرتمندتر از تبدیل کسینوسی گسسته است برای آزمایش روش پیشنهادی از تصاویر معروف ‌لنا، ‌باربارا، بابون، قایق و فلفل استفاده شده است و نتایج حاصل از شبیه سازی هر دو تبدیل به خوبی نشان می‌دهند که روش پیشنهادی مقاومت بیشتری نسبت به روش‌های مشابه مانند روش‌های مبتنی بر تبدیل کسینوسی گسسته دارد. در این شبیه سازی تصویر نهان نگار یک لوگوی تصادفی با ابعاد 8×8 و 16×16 است. نهان‌نگاری به کمک معیارهای نرخ خطای بیت، معیار اندازه‌گیری شباهت ساختاری و نسبت دامنه سیگنال به نویز و حملات نویز گاوسی با شدت‌های مختلف، فشرده سازی، فیلترمیانه، تاری، تغییر اندازه، چرخش و برش مورد ارزیابی قرار گرفته است. تفاصيل المقالة

حرية الوصول المقاله

262 - کنترل یک برج تقطیر با مدل خطی بهر وش فازی نوع- 2 بهینه سازی شده با الگوریتم ژنتیک
عباس عسگری غلامرضا عرب مارکده عباس چترایی

فرآیند تقطیر از فرآیندهای مهم در صنایع شیمیایی به شمار میرود و کاربرد وسیعی در این صنایع دارد. برج تقطیر به عنوان یک ابزارمحبوب نزد مهندسان شیمی به منظور جداسازی مواد مورد استفاده قرار میگیرد و متداولترین روش در جداسازی مواد میباشد. ثابت نگه داشتنغلظت محصولات در برج تقط أکثر

فرآیند تقطیر از فرآیندهای مهم در صنایع شیمیایی به شمار میرود و کاربرد وسیعی در این صنایع دارد. برج تقطیر به عنوان یک ابزارمحبوب نزد مهندسان شیمی به منظور جداسازی مواد مورد استفاده قرار میگیرد و متداولترین روش در جداسازی مواد میباشد. ثابت نگه داشتنغلظت محصولات در برج تقطیر از دیدگاه کنترلی بسیار مهم است. کنترل این فرآیندهای پیچیده نیاز به روشهای هوشمند دارد تا بتواند بر اساسرفتار سیستم، تصمیم مناسبی را برای کنترل آن اتخاذ کند. از میان روشهای هوشمند، سیستم فازی به دلیل کارآیی این روش در کنترل سیستمهایپیچیده در این تحقیق مورد استفاده قرار گرفته است. در این مقاله، یک کنترلکننده فازی نوع- 1 برای مدل خطی برج تقطیر طراحی شده است. درطراحی این کنترلکننده فازی، از الگوریتم ژنتیک ) GA ( برای بهینهسازی پاسخ، استفاده شده است. نشان داده شده است که کنترلکننده فازیعملکرد بهتری نسبت به کنترلکنندههای PI متداول دارد. سپس کنترلکننده فازی نوع- 2 جایگزین فازی نوع- 1 شده و نشان داده شده است کهعملکرد فازی- 2 از لحاظ مختلف، بهتر از فازی- 1 میباشد. در این تحقیق برای مدلسازی و پیادهسازی روشهای پیشنهادی از نرمافزارMATLAB/SIMULINK استفاده شده است. تفاصيل المقالة

حرية الوصول المقاله

263 - 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

264 - تنظیم داروی انسولین با استفاده از کنترل‌کننده فازی نوع 2 با برش‌های آلفا
شیما نصر حمید محمودیان

کنترل میزان تزریق انسولین در بیماران دیابتی که مجهز به پمپ انسولین می‌باشند چالش‌های بسیاری را برای محققین ایجاد نموده است. وجود نامعینی‌های متعدد که ناشی از تفاوت‌های فیزیولوژیکی در اشخاص متفاوت می‌باشد به همراه فعالیت‌های گوناگونی که هر شخص ممکن است در طول روز انجام د أکثر

کنترل میزان تزریق انسولین در بیماران دیابتی که مجهز به پمپ انسولین می‌باشند چالش‌های بسیاری را برای محققین ایجاد نموده است. وجود نامعینی‌های متعدد که ناشی از تفاوت‌های فیزیولوژیکی در اشخاص متفاوت می‌باشد به همراه فعالیت‌های گوناگونی که هر شخص ممکن است در طول روز انجام دهد می‌تواند چالش‌های تزریق مناسب انسولین را به بدن بیشتر نماید. علاو‌ه بر این، اثرگذاری با تاخیر ورود کربوهیدرات در میزان قند خون بدن، کنترل انسولین را پیچیده‌تر کرده و ممکن است باعث شرایط خطرناک هایپرگلیسمی و یا هیپوگلیسمی شود. در این مقاله جهت کم اثر کردن نامعینی‌های ذاتی در مدل بیمار (مبتنی بر مدل ریاضی هورکا)، کنترل‌کننده‌های فازی نوع 2 عمومی با برش‌های آلفا پیشنهاد شده و برای پیش‌بینی میزان قند خون در ساعت‌های بعدی از یک سیستم شبکه عصبی به همراه یک مدل رگرسیون خطی استفاده گردیده است. برای تنظیم بعضی از پارامترهای کنترل‌کننده نیز الگوریتم ژنتیک استفاده شده است. برای بررسی اثر بخشی کنترل‌کننده، اختلال‌های متعددی در مدل و ورود کربوهیدرات در سیستم حلقه بسته در نظر گرفته شده است. نتایج شبیه‌سازی نشان می‌دهد که کنترل‌کننده طراحی شده می‌تواند در شرایط متفاوت علاوه بر کنترل قند خون از بروز دو حالت خطرناک هایپرگلیسمی و هیپوگلیسمی جلوگیری نماید. تفاصيل المقالة

حرية الوصول المقاله

265 - تعیین مسیر بهینه رؤیتگر در ردیابی دو هدف با استفاده از اندازه‌گیری‌های زاویه سمت
سید احسان رضوی پرستو پور سلطانی ناصر پریز

از مسائل مهم در بسیاری از زمینه های نظارت، مونیتورینگ و سیستم های خدمات ارتباطی مدرن،مکان یابی و ردیابی چندین هدف می باشد که یک تعمیم منطقی از مسئله فیلترینگ تک هدفه است.به همین منظور لازم است از فیلترهایی استفاده شود که جهت یا فاصله نسبی هدف تا رویت گر را اندازه گیری م أکثر

از مسائل مهم در بسیاری از زمینه های نظارت، مونیتورینگ و سیستم های خدمات ارتباطی مدرن،مکان یابی و ردیابی چندین هدف می باشد که یک تعمیم منطقی از مسئله فیلترینگ تک هدفه است.به همین منظور لازم است از فیلترهایی استفاده شود که جهت یا فاصله نسبی هدف تا رویت گر را اندازه گیری می کنند. مزیت کاربردی استفاده از چنین سنسورهایی آن است که موقعیت سنسور را نشان نمی دهند.یکی از مسائل اساسی در زمینه ردیابی هنگامی که حسگر تنها جهت هدف را اندازه گیری می کند،وابستگی دقت تخمین به مسیر حرکت رویت گر است.توجه به مباحث مطرح شده تخمین موقعیت هدف بسیار ضروری است. لذا در این مقاله هدف تعیین مسیر بهینه ی رویت گر در ردیابی دو هدف متحرک می باشد، بطوریکه کارایی ردیابی افزایش یابد.ردیابی هدف توسط یک رویت گر و تنها از روی اندازه گیری جهت هدف نسبت به رویت گر صورت می گیرد. ابتدا مسیر رویت گر بصورت یک پروفایل ریاضی مطرح می شود و ضرایب آن توسط الگوریتم بهینه سازی بدست می آیند که کمترین میزان خطا را در ردیابی هدف با استفاده از فیلتر کالمن توسعه یافته که بعنوان یک تخمین گر بهینه انجام می شود.سپس مسیر دیگری معرفی می شود که بر اساس تخمین های بدست آمده توسط دو فیلتر کالمن توسعه یافته و بعد از آن فیلتر کالمن بدون بو می باشد.با مقایسه این دو روش و نتایج بدست آمده از مسیر بهینه سازی توسط الگوریتم ژنتیک چند هدفه،بهترین آن ها برای ادامه مسیر رویت گر مورد نظر پیشنهاد می شود. تفاصيل المقالة

حرية الوصول المقاله

266 - 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

267 - پیش‌بینی موفقیت در درمان نوروفیدبک برای بیماران اختلال نقص توجه و بیش‌فعالی پیش از شروع درمان
نیکو خان احمدی محمدرضا یوسفی

نورفیدبک بهترین روش ارائه‌شده برای درمان اختلال نقص توجه و بیش فعالی به‌ویژه در کودکان است. در این مقاله روش پیش‌بینی درمان‌پذیری بیماران مبتلابه بیش‌فعالی با آموزش نوروفیدبک به کمک استخراج باند فرکانسی سیگنال EEG و با استفاده از معیار ارزیابی ارتباطات مغزی-عملکردی انجا أکثر

نورفیدبک بهترین روش ارائه‌شده برای درمان اختلال نقص توجه و بیش فعالی به‌ویژه در کودکان است. در این مقاله روش پیش‌بینی درمان‌پذیری بیماران مبتلابه بیش‌فعالی با آموزش نوروفیدبک به کمک استخراج باند فرکانسی سیگنال EEG و با استفاده از معیار ارزیابی ارتباطات مغزی-عملکردی انجام‌شده تا قبل از شروع درمان نوروفیدبک درمان‌پذیری شخص تشخیص داده شود. این الگوریتم شامل چهار مرحله است: در گام اول یک مجموعه داده از ثبت سیگنال EEG حین تحریک نوروفیدبک از 60 دانش‌آموز در رده‌ سنی 7 تا 14 سال مبتلا به بیش‌فعالی در دو کلاس درمان‌پذیر و درمان‌ناپذیر از پایگاه داده مندلی دریافت ‌شده است. در گام بعدی فیلترینگ اولیه برای کاهش نویز مجموعه‌ داده‌ها با استفاده از یک بلوک پیش‌پردازش انجام ‌شده است. در گام سوم توزیع فرکانسی باند آلفا و بتا از سیگنال‌های کاهش نویز شده استخراج‌شده است. در این نوع داده تفاوت در اجزای EEG هر گروه با استفاده از سنجش ارتباطات مغزی-عملکردی و به کمک شاخص قفل فاز قابل‌بیان بوده که برای تشخیص وجود ارتباط بین لوب های مغزی درگیر یک‌بار با استفاده از شاخص مقدار احتمال در آزمون آماری تی تست و برای افزایش صحت، از الگوریتم ژنتیک برای تشخیص الکترودهای مؤثر در درمان استفاده ‌شده است. نتایج نشان میدهند که لوب‌های درگیر هنگام تحریک نوروفیدبک، لوب‌های فرونتال و سنترال هستند و از بین 32 کانال ثبت EEG فقط داده‌های مربوط به 6 کانال C3، FZ، F4، CZ، C4 و F3 تفاوت معناداری در میزان ارتباطات مغزی حین تحریک از خود نشان می دهند. تفاصيل المقالة

حرية الوصول المقاله

268 - میراسازی گشتاورهای پیچشی روی محور توربین- ژنراتور به کمک پایدارسازهای نوین ژنتیکی و فازی
عباس شولایی محمد بیاتی پوده غضنفر شاهقلیان

حضور تنش‌های روی محور توربین- ژنراتور که محصول بروز اغتشاش در سیستم‌های قدرت هستند، باعث کاهش عمر مفید محور می‌شود. در این مقاله میراسازی سریع و کنترل این تنش‌ها، با کمک پایدارسازهای نوین محقق می‌گردد. پایدارساز ترکیبی در این مقاله بر روی سیستم تحریک ولتاژ ژنراتور و سیس أکثر

حضور تنش‌های روی محور توربین- ژنراتور که محصول بروز اغتشاش در سیستم‌های قدرت هستند، باعث کاهش عمر مفید محور می‌شود. در این مقاله میراسازی سریع و کنترل این تنش‌ها، با کمک پایدارسازهای نوین محقق می‌گردد. پایدارساز ترکیبی در این مقاله بر روی سیستم تحریک ولتاژ ژنراتور و سیستم کنترلی خط انتقال جریان مستقیم عمل می‌کند؛ در تنظیم پارامترهای این پایدارساز از الگوریتم ژنتیک با هدف کاهش تنش‌ها، یاری گرفته می‌شود که تاثیر این پایدارساز را چندین برابر می‌نماید. همچنین در کنترل بهتر این پایدارساز از روش کنترل منطق فازی استفاده می‌شود که تاثیر قابل توجهی در کنترل تنش‌های به وجود آمده در سیستم مورد مطالعه دارد. نتایج شبیه‌سازی موید تاثیر پایدارسازهای طراحی شده در کنترل گشتاورهای پیچشی روی محور توربین- ژنراتور است. تفاصيل المقالة

حرية الوصول المقاله

269 - بهینه‌سازی انرژی مصرفی دو موتور الکتریکی تزویج‌شده بر اساس الگوریتم ژنتیک
مهرداد جعفربلند محمود زاده‌باقری

دو موتور الکتریکی تزویج‌شده می‌تواند جانشین تک‌موتور نیروی محرک زیردریایی شود. در این صورت با تغییر سرعت زیردریایی، توان پروانه و متعاقباً توان مکانیکی این دو موتور نیز تغییر می‌کند. یکی از مسایل مهم در کنترل‌کننده سیستم تزویج دو موتور الکتریکی نحوه تقسیم مناسب توان بار أکثر

دو موتور الکتریکی تزویج‌شده می‌تواند جانشین تک‌موتور نیروی محرک زیردریایی شود. در این صورت با تغییر سرعت زیردریایی، توان پروانه و متعاقباً توان مکانیکی این دو موتور نیز تغییر می‌کند. یکی از مسایل مهم در کنترل‌کننده سیستم تزویج دو موتور الکتریکی نحوه تقسیم مناسب توان بار بین دو موتور است. در مقالات گزارش‌شده قبلی توان بار به صورت غیربهینه بین موتورها تقسیم شده است. در این مقاله کنترل‌کننده بهینه‌ای طراحی‌شده که بازده سیستم را حداکثر می‌کند. تخصیص بهینه بار موتورها در سرعت‌های مختلف متفاوت است. کنترل‌کننده پیشنهادی این مقاله مبتنی بر الگوریتم ژنتیک است و قادر است در تمامی سرعت‌ها توان بار را بین موتورها به صورت بهینه تقسیم کند. نتایج شبیه‌سازی رفتار مناسب سیستم و تقسیم بهینه توان بار را نمایش می‌دهد. تفاصيل المقالة

حرية الوصول المقاله

270 - شناسایی پارامترها و کنترل یک سیستم آکروبات ساخته شده
عباس حریفی حسن صیدی امیر زارع شهری

هدف از این مقاله، شناسایی پارامترهای یک سیستم آکروبات (که قبلا توسط مولفان ساخته شده) و طراحی کنترل کننده مناسب برای آن می‌باشد. بدین منظور ابتدا پارامترهای مدل غیرخطی سیستم با استفاده از الگوریتم ژنتیک، در چهار مرحله شناسایی شدند. سپس، یک الگوریتم جدید برای تاب دادن آک أکثر

هدف از این مقاله، شناسایی پارامترهای یک سیستم آکروبات (که قبلا توسط مولفان ساخته شده) و طراحی کنترل کننده مناسب برای آن می‌باشد. بدین منظور ابتدا پارامترهای مدل غیرخطی سیستم با استفاده از الگوریتم ژنتیک، در چهار مرحله شناسایی شدند. سپس، یک الگوریتم جدید برای تاب دادن آکروبات پیشنهاد شد. همچنین با خطی سازی مدل، یک کنترل کننده فیدبک حالت بهینه برای حفظ تعادل آکروبات طراحی گردید. ولی از آنجا که این کنترل کننده تنها در نزدیکی نقطه تعادل ناپایدار حاوی پاسخ مناسب بود، با کمک الگوریتم ژنتیک، ضرایب بهینه یک کنترل کننده فیدبک حالت مناسب برای نقاط دور از نقطه تعادل ناپایدار نیز به دست آمد. نتایج شبیه سازی در هر مرحله بیانگر کارایی مناسب شیوه‌های پیشنهادی می‌باشد. تفاصيل المقالة

حرية الوصول المقاله

271 - یک چینش جدید برای حروف انگلیسی برروی صفحه کلید با استفاده از استراتژی تکاملی
علی‌اصغر پورحاجی‌کاظم کیان نیمگز نقش

از آنجائی که صفحه کلید، اصلی‌ترین وسیله وارد کردن متن به کامپیوتر است، داشتن یک صفحه کلید با چینش مناسب حروف بر روی آن با کارایی بالا امری ضروری می‌باشد. به دست آوردن یک چینش مناسب برای حروف بر روی صفحه کلید، یک مسئله بهینه‌سازی می‌باشد که برای حل آن، روشهای متفاوتی ارا أکثر

از آنجائی که صفحه کلید، اصلی‌ترین وسیله وارد کردن متن به کامپیوتر است، داشتن یک صفحه کلید با چینش مناسب حروف بر روی آن با کارایی بالا امری ضروری می‌باشد. به دست آوردن یک چینش مناسب برای حروف بر روی صفحه کلید، یک مسئله بهینه‌سازی می‌باشد که برای حل آن، روشهای متفاوتی ارائه شده است، به طوری که جواب مسئله، مناسب‌ترین جایگشت حروف برروی صفحه کلید است که برای صفحه کلید انگلیسی، 26 حرف می‌باشد. در این مقاله، یک چینش جدید برای صفحه کلید انگلیسی به روش "استراتژی تکاملی" ارائه شده است که دارای سرعت تایپ بیشتری نسبت به صفحه کلید فعلی بوده و ایرادات عمده آن را نیز برطرف کرده است. بدین منظور، از یک تابع تناسب که شامل پارامترهائی چون فاصله کلیدها، تعویض انگشتها، تناوب استفاده از دو دست و... می‌باشد، استفاده شده است. آزمایشات مختلفی برای ارزیابی رویکرد پیشنهادی انجام شده و نتایج آنها نشان می‌دهد که چینش به دست آمده بهتر از چینش فعلی و سایر چینش‌های پیشنهاد شده عمل می‌کند تفاصيل المقالة

حرية الوصول المقاله

272 - بهینه سازی چند هدفی منبع تغذیه پالسی برای تفنگ ریلی
مهرداد جعفربلند مهدی پیوندی

به طورکلی در طراحی منابع تغذیه پالسی ولتاژ شارژ بانک‌های خازنی و زمان سوئیچ شدن آنها از جمله پارامترهایی هستند که نقش اساسی در شکل و دامنه پالس خروجی ایفا می‌کنند. در این مقاله روشی جدید جهت طراحی منبع تغذیه پالسی پیشنهاد شده است. در این روش با استفاده از الگوریتم ژنتیک أکثر

به طورکلی در طراحی منابع تغذیه پالسی ولتاژ شارژ بانک‌های خازنی و زمان سوئیچ شدن آنها از جمله پارامترهایی هستند که نقش اساسی در شکل و دامنه پالس خروجی ایفا می‌کنند. در این مقاله روشی جدید جهت طراحی منبع تغذیه پالسی پیشنهاد شده است. در این روش با استفاده از الگوریتم ژنتیک تحت محیط نرم‌افزار MATLAB مجموعه‌ای از مقادیر ولتاژهای شارژ بانک‌های خازنی و زمان سوئیچ شدن آنها، برای بهینه سازی چند هدفی منبع تغذیه به دست آمده است. در این میان مطابق با نیازمندی‌های طراح یکی از این مجموعه مقادیر به عنوان بهترین راه حل انتخاب می‌شود. سرعت خروج پرتابه و راندمان کل سیستم اهدافی هستند که در بهینه‌سازی در نظر گرفته شده‌اند با این محدودیت که شتاب آرمیچر به کمتر از 106 متر بر مجذور ثانیه محدود شود. همچنین نتایج بهینه‌سازی با اهداف سرعت پرتابه و راندمان کل سیستم به طور جداگانه بررسی شده‌اند. تفاصيل المقالة

حرية الوصول المقاله

273 - بهبود کنترل‌کنندة PI چندمتغیرة بهرة بالا برای یک سیستم نامنظم به‎کمک الگوریتم ژنتیک
سیدعابد حسینی محمدباقر نقیبی سیستانی

این مقاله یک ساختار بهینة برای کنترل‌کنندة PI چندمتغیرة بهرة بالا برای یک سیستم نامنظم به کمک الگوریتم ژنتیک ارایه می&lrm;دهد. کنترل&lrm;کننده&lrm;های PI بهرة بالا منجر به تجزیة مجانبی به مودهای سریع و کُند در سیستمی حلقه بسته با ویژگی منحصر به فرد می&lrm;شوند. مودهای ک أکثر

این مقاله یک ساختار بهینة برای کنترل‌کنندة PI چندمتغیرة بهرة بالا برای یک سیستم نامنظم به کمک الگوریتم ژنتیک ارایه می&lrm;دهد. کنترل&lrm;کننده&lrm;های PI بهرة بالا منجر به تجزیة مجانبی به مودهای سریع و کُند در سیستمی حلقه بسته با ویژگی منحصر به فرد می&lrm;شوند. مودهای کُند سیستم، به&lrm;طور مجانبی کنترل&lrm;ناپذیر و رؤیت&lrm;ناپذیر می&lrm;شوند و بنابراین در رفتار ورودی و خروجی نقشی ندارند. از این رو پاسخ حلقه بسته تنها از قطب&lrm;های سریع متأثر بوده و بنابراین پاسخ&lrm;دهی سیستم سریع خواهد بود. طراحی این کنترل‌کننده به اولین پارامتر مارکوف سیستم چندمتغیره، یعنی ماتریس CB بستگی دارد؛ در صورتی&lrm;که ماتریس CB رتبة کامل نباشد، از ماتریس اندازه‌گیری M با فیدبک داخلی استفاده می‌شود. در این ساختار، ماتریس اندازه‌گیری به&lrm;کمک الگوریتم ژنتیک طوری انتخاب می‌شود تا سیستم حلقه بسته پایدار و تداخل بین خروجی‌ها حداقل شود. این تحقیق بر روی دو نمونه سیستم پیاده‌سازی شده است. از مقایسه نتایج مشاهده می‌شود، پاسخ زمانی کنترل&lrm;کنندة PI بهرة بالا به&lrm;کمک الگوریتم ژنتیک بهتر از نتایج مقایسه با روش&lrm;های دیگر است. تفاصيل المقالة

حرية الوصول المقاله

274 - پایدار سازی رفتار سیستم تعلیق الکترومغناطیسی با استفاده از الگوریتم ژنتیک
عباس نجار خدابخش محمدرضا مرادیان لیلا نجار خدابخش نوید رضا ابجدی

سیستم تعلیق الکترومغناطیسی که یکی از روش‌های مورد استفاده در قطارهای معلق مغناطیسی است دارای رفتاری ناپایدار و غیرخطی است. در این مقاله ابتدا مدل ریاضی سیستم تعلیق الکترومغناطیسی را به دست آورده و سپس آن را خطی کرده‌ایم. پس از آن جهت پایدار کردن رفتار سیستم از روش فیدبک أکثر

سیستم تعلیق الکترومغناطیسی که یکی از روش‌های مورد استفاده در قطارهای معلق مغناطیسی است دارای رفتاری ناپایدار و غیرخطی است. در این مقاله ابتدا مدل ریاضی سیستم تعلیق الکترومغناطیسی را به دست آورده و سپس آن را خطی کرده‌ایم. پس از آن جهت پایدار کردن رفتار سیستم از روش فیدبک حالت استفاده شده است که ضرایب کنترلی آن با روش ریکاتی به دست آمده است. همچنین جهت ایجاد رفتاری بهتر در سیستم تعلیق از روش هوشمند الگوریتم ژنتیک برای محاسبه ضرایب بهینه سیستم کمک گرفته‌ایم. شبیه‌سازی‌های انجام شده به کمک نرم‌افزار MATLAB نشان می‌دهد که استفاده از روش الگوریتم ژنتیک نسبت به حالتی که ضرایب فیدبک حالت با روش ریکاتی به دست آمده‌اند کارآمدتر بوده و سیستم به ازای تغییر مرجع فاصله هوایی و اعمال نیروی خارجی رفتار بهتری دارد و نوسانات شدیدی که موجب عدم رضایت مسافرین به خاطر تکان‌های شدید در قسمت معلق می‌شود را حذف می‌کند. تفاصيل المقالة

حرية الوصول المقاله

275 - 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

276 - بهینه سازی وزن قاب های فالادی با استفاده از الگوریتم ژنتیک
احسان کریمی

در طراحی‌های اخیر، بهینه‌سازی سازه‌ها برای کمترین وزن اهمیت زیادی پیدا کرده است. در این مطالعه از الگوریتم بهینه‌سازی ژنتیک که یک تکنیک بهینه‌سازی و جستجو براساس اصول ژنتیک و انتخاب طبیعی می‌باشد برای به حداقل رساندن وزن قاب‌های فولادی استفاده شده است. محدودیت‌های مربوط أکثر

در طراحی‌های اخیر، بهینه‌سازی سازه‌ها برای کمترین وزن اهمیت زیادی پیدا کرده است. در این مطالعه از الگوریتم بهینه‌سازی ژنتیک که یک تکنیک بهینه‌سازی و جستجو براساس اصول ژنتیک و انتخاب طبیعی می‌باشد برای به حداقل رساندن وزن قاب‌های فولادی استفاده شده است. محدودیت‌های مربوط به مقاومت و خدمت‌پذیری از آیین‌نامه انجمن ساختمان‌های فولادی آمریکا (AISC) گرفته شده و در الگوریتم اعمال شده است. فرآیند طراحی، یک قاب و الگوی مهاربندی با کمترین وزن را به وسیله انتخاب مناسبی از مقاطع برای تیرها، ستون‌‌ها و اعضای بادبندی از مجموعه مقاطع استاندارد فراهم می‌کند. نتایج حاصل از این مطالعه نشان می‌دهد که بهینه‌سازی بر اساس به حداقل رساندن وزن قادر به بهبود عملکرد سازه‌ای نیز است. تفاصيل المقالة

حرية الوصول المقاله

277 - طراحی بهینة شبکه قطری سازة دیاگرید تک و دو لایه در ساختمان‌های بلند مرتبه تحت اثر بارهای ثقلی و جانبی
اشکان خدابنده لو رضا آقاجانی

سازه های دیاگرید به عنوان یک سیستم سازه ای در ساختمان های بلند مرتبه از نظر عملکرد، بهبود یافتة سازه های قابی و لوله ای می باشند که با کاهش چشم گیر لنگی برش، وزن سازه را به شدت کاهش می دهد. هدف از این تحقیق، بهینه یابی سازه های دیاگرید برای کمینه سازی وزن سازه، تعیین تع أکثر

سازه های دیاگرید به عنوان یک سیستم سازه ای در ساختمان های بلند مرتبه از نظر عملکرد، بهبود یافتة سازه های قابی و لوله ای می باشند که با کاهش چشم گیر لنگی برش، وزن سازه را به شدت کاهش می دهد. هدف از این تحقیق، بهینه یابی سازه های دیاگرید برای کمینه سازی وزن سازه، تعیین تعداد تقسیمات و زاویة بهینه و در پایان مقایسه میان سازة دیاگرید تک لایه و دو لایه برای انتخاب گزینة مقرون به صرفه تر می باشد. دراین تحقیق، انجام بهینه سازی سازة دیاگرید با استفاده از الگوریتم های فرا ابتکاری مدنظر بوده است که استفاده از یک محیط برنامه نویسی را ملزم می کند. افزونة برنامه نویسی گرافیکی گرس هاپر بر روی نرم افزار مدل سازی هندسی راینو، با پارامتریک کردن برنامة نوشته شده امکان بهینه سازی الگوریتمیک را فراهم می سازد. بهینه یابی در برنامة نوشته شده توسط الگوریتم ژنتیک از طریق افزونة گالاپاگوس بر اساس نتایج خروجی از موتور تحلیل سازة کارامبا انجام می شود. نتایج حاصل از بهینه یابی نشان می دهد که زاویة بهینة اعضای سازه دیاگرید با خط افق برای سازه دیاگرید تک لایه 01/64 و برای سازه دیاگرید دو لایه 77/65 می باشد. وزن بهینة سازه دیاگرید تک لایه در مقایسه با دو لایه کمتر است که با توجه به ساخت ساده تر در مدت زمان سریعتر و متعاقباً مصرف انرژی کمتر، سازه دیاگرید تک لایه بهعنوان گزینة مقرون به صرفه تر انتخاب می شود. تفاصيل المقالة

حرية الوصول المقاله

278 - توسعه روابط حاصل از الگوریتم ژنتیک در برآورد شکل‌پذیری کلی سازه‌ فولادی با مهاربندی واگرا تحت زلزله‌های حوزه نزدیک گسل پالس‌گونه
سیدعبدالنبی رضوی نوید سیاه پلو مهدی مهدوی عادلی محمد بهمنی سیدافشین محبی بهرام بری

10.30495/civil.2021.686510

شکل‌پذیری سازه قابلیت تحمل تغییرشکل‌های فرا ارتجاعی سازه بدون افت قابل ملاحظه در مقاومت می‌باشد. بررسی نتایج زلزله‌های گذشته و خسارات وارده به سازه‌ها، شکل‌پذیری و تامین آن در سازه را به موضوعی پراهمیت تبدیل می‌کند. در این مقاله در راستای ارزیابی شکل پذیری سازه در سازه أکثر

شکل‌پذیری سازه قابلیت تحمل تغییرشکل‌های فرا ارتجاعی سازه بدون افت قابل ملاحظه در مقاومت می‌باشد. بررسی نتایج زلزله‌های گذشته و خسارات وارده به سازه‌ها، شکل‌پذیری و تامین آن در سازه را به موضوعی پراهمیت تبدیل می‌کند. در این مقاله در راستای ارزیابی شکل پذیری سازه در سازه های با مهاربندی واگرا، قاب هایی با تعداد 3، 6، 9، 12، 15 و 20 طبقه در نظر گرفته ‌شده است. تعداد دهانه قاب های بررسی شده 3 دهانه با عرض 5متر می باشد. طول تیرپیوند به‌عنوان یکی دیگر از پارامترهای مؤثر بر پاسخ، به میزان 1، 75/1 و 50/2 متر تعریف‌شده است. سپس یک بانک داده ی وسیع متشکل از 12960 داده با منظور نمودن 3 تیپ سختی ستون و 3 درجه لاغری مهاربندی تولید و طراحی شده و در برابر 20 زلزله نزدیک گسل پالس گونه برای 4 سطح عملکردی مختلف تحلیل شدند. در نهایت با بهره گیری از الگوریتم ژنتیک، رابطه های تجربی متناظر با ضرایب رفتار، شکل پذیری تیر پیوند و شکل پذیری کلی ارائه شده است. روابط پیشنهادی تحت تاثیر مشخصات هندسی همچون تعداد طبقات، نسبت سختی ستون ها، لاغری مهاربندها، طول تیر پیوند و سطوح شکل پذیری می باشند. نتایج حاصل از طراحی لرزه ای بکمک روابط پیشنهادی بروی سازه های خارج از رنج بانک داده ی تعریف شده، در مقایسه با روش های نیرویی، نشان از دقت این روش در تخمین نیازهای لرزه ای قاب های مهاربندی واگرا دارد. تفاصيل المقالة

حرية الوصول المقاله

279 - بهینه‌سازی سازه‌های هایپربولیک با استفاده از روش جستجوی ذرات باردار (CSS)
زهرا نوری سیامک طلعت اهری بهمن فرهمند آذر

سازه‌های هایپربولیک نوعی از سازه‌های فضاکار شبکه‌ای می‌باشند. شکل این سازه‌ها مانند یک شکل مربعی می‌باشد که گوشه‌های آن خم شده است. وقتی وسط اضلاع مربع را در جهات x و y بهم وصل می‌کنیم، این اضلاع وسطی (که مانند علامت جمع + می‌باشد) با خم شدن گوشه‌ها ثابت در جای خود باقی أکثر

سازه‌های هایپربولیک نوعی از سازه‌های فضاکار شبکه‌ای می‌باشند. شکل این سازه‌ها مانند یک شکل مربعی می‌باشد که گوشه‌های آن خم شده است. وقتی وسط اضلاع مربع را در جهات x و y بهم وصل می‌کنیم، این اضلاع وسطی (که مانند علامت جمع + می‌باشد) با خم شدن گوشه‌ها ثابت در جای خود باقی می‌مانند و z آنها تغییر نمی‌کند. ولی بقیه نقاط، مختصات z آنها تغییر می‌کند و سازه‌ی هایپربولیک را تشکیل می‌دهد. از این نوع سازه‌ها برای پوشش دهانه‌های طولانی استفاده می‌شود. در این مقاله، سازه‌ی مورد نظر به طور همزمان از لحاظ شکل و اندازه بهینه‌سازی می‌شود. برای بهینه‌سازی سازه‌ی هایپربولیک از الگوریتم جستجوی ذرات باردار استفاده شده است. و نتایج حاصل از آن با نتایج حاصل از الگوریتم ژنتیک مقایسه شده است. تفاصيل المقالة

حرية الوصول المقاله

280 - طراحی بهینه سازه‌ فولادی دیاگرید در ساختمان‌ بلند
اشکان خدابنده لو رضا آقاجانی

سازة دیاگرید المان‌های قطری است که همزمان نقش باربری بارهای افقی و قائم را بر عهده دارند. در سازة دایاگرید، بارهای وارده برخلاف اکثرسیستمهای متداول ساختمانهای بلند مرتبه که توسط مکانیسمهای برشی و خمشی انتقال مییابند، به دلیل پیکره بندی مثلثی آنها و حذف ستونهای قائم از م أکثر

سازة دیاگرید المان‌های قطری است که همزمان نقش باربری بارهای افقی و قائم را بر عهده دارند. در سازة دایاگرید، بارهای وارده برخلاف اکثرسیستمهای متداول ساختمانهای بلند مرتبه که توسط مکانیسمهای برشی و خمشی انتقال مییابند، به دلیل پیکره بندی مثلثی آنها و حذف ستونهای قائم از مکانیسم انتقال بار محوری برخوردار بوده و به عبارت دیگر عملکردی خرپایی دارند. سیستم دایاگرید برای کارائی و زیبایی معماری و سازه ای گسترش داده شده است. سازه های دیاگرید به عنوان یک سیستم سازه ای در ساختمان های بلند از نظر عملکرد، بهبود یافته‌ی سیستم سازه های قابی و لوله ای می باشد که با کاهش چشم گیر لنگی برش، وزن سازه را به شدت کاهش می دهد. هدف از این تحقیق، بهینه یابی سازه های شبکه قطری برای کمینه سازی وزن سازه، تعیین تعداد تقسیمات افقی و عمودی می باشد. افزونه‌ی برنامه نویسی گرافیکی گرس هاپر بر روی نرم افزار راینو، با پارامتریک کردن برنامه‌ی نوشته شده امکان بهینه سازی الگوریتمیک را فراهم می سازد. بهینه یابی در برنامه‌ی نوشته شده توسط الگوریتم ژنتیک از طریق پلاگین گالاپاگوس بر اساس نتایج خروجی از موتور تحلیل سازه‌ پلاگین کارامبا انجام می شود. نتایج شبیه سازی حاکی از آنست که برای سازه‌ی شبکه قطری 40 طبقه با مساحت 900 مترمربع هر طبقه، بهینه‌ترین حالت با تعداد تقسیمات افقی و عمودی 8 و 26 و زاویه 64 با محور افقی، 21508 تن وزن کل سازه خواهد داشت. تفاصيل المقالة

حرية الوصول المقاله

281 - استفاده از الگوریتم ژنتیک در بهینه سازی گروه شمعها
مهدی جهانگیرپور امین سوداگر علی اکبر حشمتی حسین صالح زاده

چکیده در اکثر پروژه‌هایی که سازه تحت بار زیاد قائم و افقی قرار دارند و یا در زمین‌هایی هستند که دارای مقاومت کافی در برابر بار وارده نمی باشند، علی‌رغم مخارج بیشتر، نیاز به اجرای شمع می‌باشد. پی شمعی بسیار پر هزینه تر از پی‌های سطحی منفرد و گسترده است بنابراین باید در أکثر

چکیده در اکثر پروژه‌هایی که سازه تحت بار زیاد قائم و افقی قرار دارند و یا در زمین‌هایی هستند که دارای مقاومت کافی در برابر بار وارده نمی باشند، علی‌رغم مخارج بیشتر، نیاز به اجرای شمع می‌باشد. پی شمعی بسیار پر هزینه تر از پی‌های سطحی منفرد و گسترده است بنابراین باید در تعیین تعداد، ابعاد و فواصل شمع ها دقت زیادی شود تا این پارامترها بیش از حد مورد نیاز تعیین نشوند. به منظور طراحی بهینه گروه شمع ها، لازم است براساس معادلات نشست و ظرفیت باربری، یک تحلیل هزینه‌ای انجام گیرد تا بتوان تعداد، ابعاد شمع های مورد نیاز و نحوه آرایش آن‌ها را تعیین نمود. در این تحقیق به کمک نرم افزار MATLABو با بهره گیری از الگوریتم ژنتیک، برنامه‌ای تدوین شده است که به کمک آن می‌توان در مسائل پی‌های شمعی، طراحی را بهینه کرد. خروجی این برنامه شامل پارامترهای قطر و طول شمع، ضخامت کلاهک، تعداد شمع در هر جهت و فاصله بین شمع ها است. بنابراین به کمک این برنامه می توان یک گروه شمع بهینه طراحی نمودکه از نظر طراحی ومسایل فنی جوابگو و از نظر اقتصادی باصرفه ترین است. تفاصيل المقالة

حرية الوصول المقاله

282 - تعیین بهینه ظرفیت و مکان تاورکرین و محل عرضه مصالح در سایت‌‌های ساخت با استفاده از الگوریتم ژنتیک
رویا امیری جواد مجروحی سردرود وحید مومنایی کرمانی

10.30495/civil.2022.693760

جانمایی تجهیزات در سایت پروژه های ساخت، یکی از مهمترین و ضروری ترین مراحل اولیه در مدیریت ساخت پروژه هاست که به طور قابل توجهی بر بهر ه وری پروژه تأثیر دارد. از آنجا که تاورکرین یکی از تجهیزات کلیدی در سایت های ساخت می باشد، جانمایی بهینه و مدیریت عملیات آن می تواند عم أکثر

جانمایی تجهیزات در سایت پروژه های ساخت، یکی از مهمترین و ضروری ترین مراحل اولیه در مدیریت ساخت پروژه هاست که به طور قابل توجهی بر بهر ه وری پروژه تأثیر دارد. از آنجا که تاورکرین یکی از تجهیزات کلیدی در سایت های ساخت می باشد، جانمایی بهینه و مدیریت عملیات آن می تواند عملکرد ساخت را بهبود بخشد. تعیین نوع و مکان بهینه تاور کرین، یک مساله بهینه سازی ترکیباتی پیچیده سخت است که عوامل درهم قفل شده متعددی در آن تاثیر دارند و حل آن در مقیاس بزرگ از طریق روش های ریاضی دقیق میسر نیست. از این رو استفاده از الگوریتم های فراابتکاری برای حل آن ضروری است. محل قرارگیری تاورکرین بر ظرفیت مورد نیاز آنو در نتیجه بر هزینه های کلی حمل و نقل مصالح تاثیر دارد که مدت ها در تحقیقات مورد توجه نبود. اخیرا در تحقیق جدیدی ظرفیت تاورکرین به صورت متغیرتصمیم گیری وارد مدلسازی ریاضی شده است. اما مساله در مقیاس کوچک و با روش دقیق حل شده است. از آنجا که در سایت با مقیاس واقعی فضای امکان پذیر جواب مساله افزایش می‌یابد، لذا استفاده از تکنیک های دقیق برای دستیابی به جواب بهینه عملی نیست و استفاده از الگوریتم های فراابتکاری برای حل مساله ضروری است. این پژوهش در مقیاس بزرگ با استفاده از الگوریتم ژنتیک نوع و مکان بهینه تاورکرین ومحل بهینه عرضه مصالح به عنوان متغیرهای تصمیم گیری را بر اساس به حداقل رساندن کل هزینه حمل و نقل مصالح ارائه می دهد. نتایج نشان می دهد که الگوریتم ژنتیک با موفقیت جواب بهینه راپیدا کرده و منجربه کاهش حدود 14 درصدی در هزینه حمل ونقل مصالح در مقایسه با زمانی که طرح‌بندی سایت بر اساس تجربه باشد، می شود. تفاصيل المقالة

حرية الوصول المقاله

283 - بررسی آنالیز دینامیکی و استاتیکی در طرح بهینه قاب‌های فولادی با استفاده از الگوریتم ژنتیک
محمدرضا برادران مرتضی مدح خوان

الگوریتم ژنتیک یکی از پرکاربردترین الگوریتم‌های جستجوی تصادفی برای یافتن جواب بهینه در مسائل قاب‌های ساختمانی چند طبقه می‌باشد. در مقاله حاضر وزن بهینه قاب‌های چند طبقه فولادی تحت آنالیزهای دینامیکی طیفی و آنالیز استاتیکی معادل با استفاده از الگوریتم ژنتیک تعیین شده است أکثر

الگوریتم ژنتیک یکی از پرکاربردترین الگوریتم‌های جستجوی تصادفی برای یافتن جواب بهینه در مسائل قاب‌های ساختمانی چند طبقه می‌باشد. در مقاله حاضر وزن بهینه قاب‌های چند طبقه فولادی تحت آنالیزهای دینامیکی طیفی و آنالیز استاتیکی معادل با استفاده از الگوریتم ژنتیک تعیین شده است و تاثیر آنالیز‌های دینامکی طیفی و استاتیکی معادل در مقدار وزن بهینه قاب مورد بررسی قرار گرفته است. طراحی اعضای قاب بر اساس روش LRFD و منطبق با آیین‌نامه AISC360-16 و AISC341-16 انجام گرفته است. همچنین در آنالیز دینامیکی طیفی، مودهای موثر قاب بر اساس آیین‌نامه ASCE 7-16 تعیین و نیروهای داخلی اعضا بر این اساس تعیین شده اند. آنالیز و بهینه‌سازی قاب با استفاده از برنامه نوشته شده با زبان برنامه‌نویسی متلب (MATLAB) انجام گرفته است. همچنین از سه نوع انتخاب تصادفی، انتخاب بر اساس شایستگی و انتخاب رقابتی جهت انتخاب مقاطع و سه الگوی ترکیب مختلف شامل ترکیب تک نقطه‌ای، دو نقطه‌ای و پیوسته به صورت همزمان استفاده شده است. نتایج حاصل نشان می‌دهد استفاده همزمان از سه نوع ترکیب و سه نوع انتخاب منجر به همگرایی سریع‌تر به جواب بهینه می‌شود. همچنین با افزایش مقدار بار وارد بر قاب، اختلاف بین وزن بهینه حاصل از دو نوع آنالیز افزایش می‌یابد و با افزایش تعداد طبقات، آنالیز طیفی در بارهای کمتر وزن بهینه کمتری را نسبت به آنالیز استاتیکی معادل می‌دهد، اما با افزایش بار، آنالیز استاتیکی معادل وزن کمتری را به دست می‌دهد که نشان دهنده اهمیت آنالیز دینامیکی طیفی در طرح بهینه قاب‌های بلند مرتبه می‌باشد. تفاصيل المقالة

حرية الوصول المقاله

284 - 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

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

10.30495/civil.2023.708142

یکی از عوامل تأثیرگذار در طراحی سازه های مختلف هزینه ساخت می باشد و سازه را طوری میتوان طرح کرد که با هزینه ساخت یکسان، عملکرد بهتری در مقابل بارهای وارده داشته باشد. روش های مختلفی برای بهینه سازیمانند الگوریتم ژنتیک، الگوریتم های تکاملی پدید آمده اند که قابلیت زیادی ن أکثر

یکی از عوامل تأثیرگذار در طراحی سازه های مختلف هزینه ساخت می باشد و سازه را طوری میتوان طرح کرد که با هزینه ساخت یکسان، عملکرد بهتری در مقابل بارهای وارده داشته باشد. روش های مختلفی برای بهینه سازیمانند الگوریتم ژنتیک، الگوریتم های تکاملی پدید آمده اند که قابلیت زیادی نسبت به روش های ریاضی دارند.. در این تحقیق با استفاده از روش ژنتیک، مشخصات هندسی و ارتفاع یک خرپای دو بعدی از نوع پرات برای اقتصادی تر شدن طرح مورد بهسازی قرار گرفته است. این خرپا در ابتدا تحت نیروی متمرکز در موقعیت بحرانی به گونه ای طراحی شده است که با کمترین مقدار مصرف فولاد، تنش های حداکثر در اعضا از مقدار حدی فراتر نرود. سپس این نیروبه 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 مساله ی مقایسه شده است. نتایج نشان می دهند با تعداد حدود 17000 فراخوانی تابع هدف در طی 50 نسل نتایج به دقت مناسبی می انجامد و ارتفاع بهینه ی خرپا در حالت بار ثابت برابر 53/2 متر و حالت بار متحرک 56/2 بدست آمد که برای هر دو مورد در حدود50% طول هر دهانه می باشد. 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

286 - 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

287 - بررسی الگوریتم ژنتیک و کاربردهای آن در مهندسی و مدیریت منابع آب
سید مصطفی طباطبائی علی شهیدی سید رضا هاشمی

با توجه به گستردگی و پیچیدگی سیستم‌های منابع آب، تعیین سیاست و انتخاب گزینه‌ و راهبردهای مناسب جهت عملکرد مناسب سیستم‌های منابع آب در شرایط مختلف ضرورت داشته و نیاز به یک فرایند بهینه‌سازی جامع دارد. در این تحقیق ابتدا ضرورت استفاده از روش‌های بهینه‌سازی تکاملی و سپس شر أکثر

با توجه به گستردگی و پیچیدگی سیستم‌های منابع آب، تعیین سیاست و انتخاب گزینه‌ و راهبردهای مناسب جهت عملکرد مناسب سیستم‌های منابع آب در شرایط مختلف ضرورت داشته و نیاز به یک فرایند بهینه‌سازی جامع دارد. در این تحقیق ابتدا ضرورت استفاده از روش‌های بهینه‌سازی تکاملی و سپس شرح مختصری درباره چگونگی اجرای عملگرهای الگوریتم ژنتیک به عنوان پرکاربردترین روش تکاملی پرداخته‌ شده است. در ادامه مزایا و محدودیت‌های الگوریتم ژنتیک بررسی شده و سپس پژوهش‌های انجام شده پیرامون آن در چند بخش بیان شده است. نتایج نشان می‌دهد که الگوریتم ژنتیک در حل مسائل متنوع منابع آب بطور موثری از حل مسائل چند محدودیتی با فضای بزرگ برمی‌آید و ضمن توانایی دستیابی به جواب بهینه مطلق، قادر است در شرایط مختلف مجموعه‌ای از جواب‌های قابل قبول را به عنوان گزینه‌های پیش رو در اختیار قرار دهد. جهت افزایش کارآیی الگوریتم و دستیابی به راه حل‌های بهتر، با توجه به ماهیت مساله می‌توان از نسخه‌های بهبودیافته یا تلفیق با مدل‌های شبیه‌سازی یا سایر روش-های بهینه‌سازی ریاضیاتی از آن بهره مطلوب را برد. تفاصيل المقالة

حرية الوصول المقاله

288 - بهینه سازی بهره برداری از مخزن سد طالقان با استفاده از الگوریتم گرگ خاکستری و هیبرید آن با الگوریتم ژنتیک
اردوان دوانی مطلق محمد صادق صادقیان امیرحسین جاوید محمد صادق عسگری

با توجه به افزایش جمعیت، کمبود و محدودیت شدید منابع آب، یکی از گام های اساسی در زمینه مدیریت و برنامه ریزی آب بهینه سازی مخازن می باشد. در پژوهش حاضر، پس از معرفی الگوریتم بهینه سازی گرگ خاکستری، عملکرد این الگوریتم به تنهایی و در حالت ترکیب با الگوریتم ژنتیک در مساله ی أکثر

با توجه به افزایش جمعیت، کمبود و محدودیت شدید منابع آب، یکی از گام های اساسی در زمینه مدیریت و برنامه ریزی آب بهینه سازی مخازن می باشد. در پژوهش حاضر، پس از معرفی الگوریتم بهینه سازی گرگ خاکستری، عملکرد این الگوریتم به تنهایی و در حالت ترکیب با الگوریتم ژنتیک در مساله ی بهینه سازی بهره برداری از مخزن سد طالقان ارزیابی شده است. تابع هدف به صورت حداقل سازی مجموع مجذور کمبودهای نسبی در تخصیص به آن در هر ماه و ماکزیمم کردن اعتمادپذیری، در ﻃﻮل دوره آﻣﺎری 11 ساله ی 1388 تا 1398 ﺗﻌﺮﯾﻒ ﮔﺮدﯾﺪ. همچنین محدودیت های معادله ی پیوستگی مخزن، حجم ذخیره ی مخزن و حجم رهاسازی مخزن بر تابع هدف مساله اعمال شدند. نتایج به دست آمده از شاخص های ارزیابی عملکرد مدل ها نشان دادند از نظر شاخص های اطمینان پذیری زمانی و آسیب پذیری و پایداری الگوریتم هیبریدی گرگ خاکستری – ژنتیک با 72.73 ، 0.28 ، 24.66 بهتر از الگوریتم گرگ خاکستری با 68.93 ، 0.29 ، 21.48 و الگوریتم ژنتیک با 66.66 ، 0.41 ، 21.34 می باشد. تفاصيل المقالة

حرية الوصول المقاله

289 - شبیه‌سازی‌ و بهینه‌سازی مدل‌های ‌بهره‌برداری کنترل سیلاب با استفاده از الگوریتم ژنتیک
فرهاد صالحی محسن نجارچی محمد مهدی نجفی زاده محمد میرحسینی

نظر به اینکه مدیریت بهینه مخازن و سرریزها در زمان وقوع سیلاب به عنوان یک روش غیرسازه ای برای حفظ منابع آب، از اهمیت ویژه ای برخوردار می باشد، به همین منظور در این تحقیق ابتدا یک فرمان ‌بهره‌برداری چند مرحله‌ای برای ‌بهره‌برداری از دریچه‌های سرریز در سدها تحت دو رویکرد م أکثر

نظر به اینکه مدیریت بهینه مخازن و سرریزها در زمان وقوع سیلاب به عنوان یک روش غیرسازه ای برای حفظ منابع آب، از اهمیت ویژه ای برخوردار می باشد، به همین منظور در این تحقیق ابتدا یک فرمان ‌بهره‌برداری چند مرحله‌ای برای ‌بهره‌برداری از دریچه‌های سرریز در سدها تحت دو رویکرد مختلف شبیه‌سازی شده اند. از ویژگی‌های مثبت مدل‌ها عدم نیاز به پیش‌بینی کامل هیدروگراف سیل است. این ویژگی دامنه کاربری مدل‌های پیشنهادی را بسیار وسیع و عملیاتی می‌کند. سپس بهینه‌‌سازی ترازهای بحرانی و میزان بازشدگی دریچه‌ها تحت هر دو رویکرد با استفاده از الگوریتم‌ ژنتیک انجام شده است. جهت صحت عملکرد مدل‌های بهینه پیشنهادی و مقایسه آنها با یکدیگر، مطالعه موردی سد مخزنی کرخه در دنیای واقعی به کار گرفته شد. نتایج حاصله نشان داد نه تنها هر دو مدل جواب های بهتری نسبت به مدل‌های بهره برداری پیشین ارائه می دهند؛ بلکه در رویکرد دوم، پیک سیلاب خروجی دارای درجه فروکش بیشتری نسبت به رویکرد اول می باشد و علاوه بر این، امکان ذخیره بیشتری از حجم سیلاب ورودی به مخزن و کاهش بیشتر خسارات سیلاب در پایین دست سد توسط هر دو رویکرد فراهم می شود. تفاصيل المقالة

حرية الوصول المقاله

290 - 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

291 - A New Method to Reduce Energy Consumption in Manet Network Routing based on OLSR Protocol and Genetic Algorithm
Samira Fardin Far Mohammad Alaei

Mobile Ad Hoc Networks (MANET) can be considered as a class of unstructured networks created by a number of autonomous wireless and sensor nodes. The inherent characteristics of such networks have made specific applications, such as multimedia transfer and challenging. أکثر

Mobile Ad Hoc Networks (MANET) can be considered as a class of unstructured networks created by a number of autonomous wireless and sensor nodes. The inherent characteristics of such networks have made specific applications, such as multimedia transfer and challenging. Basically, the functionality of a node and very few resources directly affect the delivery of packets which depends on the quality of the selected route. Since the nodes in MANET get their energy and power from batteries or other end-to-end resources, the most important criterion to design an optimal system is energy conservation. The purpose of this paper was to increase the efficiency of the OLSR routing protocol by generating new parameters and considering the amount of nodes energy. In this method, the optimal route was selected based on the remained energy in the middle nodes, the distance between the nodes and the number of steps. Therefore, the present paper used a genetic algorithm-based approach for optimal routing in the OLSR protocol based on the remained energy of each node. It used the weight factor which has been determined based 111on energy consumption combined with shortest routes. It considered the energy factor of each node in routing and selected the optimal route. تفاصيل المقالة

حرية الوصول المقاله

292 - The Introduction of a Heuristic Mutation Operator to Strengthen the Discovery Component of XCS
Ahmad Reza Pakraei Kamal Mirzaie

The extended classifier systems (XCS) by producing a set of rules is (classifier) trying to solve learning problems as online. XCS is a rather complex combination of genetic algorithm and reinforcement learning that using genetic algorithm tries to discover the encourag أکثر

The extended classifier systems (XCS) by producing a set of rules is (classifier) trying to solve learning problems as online. XCS is a rather complex combination of genetic algorithm and reinforcement learning that using genetic algorithm tries to discover the encouraging rules and value them by reinforcement learning. Among the important factors in the performance of XCS is the possibility to discover rules that are not only general as possible but highly Accurate. In this paper, a new mutation operator is introduced for XCS that in addition to increasing the speed of learning, will help improve performance. The purpose of speed is the amount of time that takes for the system to reach an appropriate solution and the purpose of the performance is the quality of solution that has been developed. The proposed algorithm was named XCS-KF and to evaluate its performance, it is used to solve the common problem in this area that is known as the multiplexer. The results obtained showed that the speed and performance of the proposed algorithm to XCS algorithm increased significantly. تفاصيل المقالة

حرية الوصول المقاله

293 - 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

294 - Novel Hybrid Fuzzy-Evolutionary Algorithms for Optimization of a Fuzzy Expert System Applied to Dust Phenomenon Forecasting Problem
Somayeh Ghanbari Rahil Hosseini Mahdi Mazinani

Nowadays, dust phenomenon is one of the important challenges in warm and dry areas. Forecasting the phenomenon before its occurrence helps to take precautionary steps to prevent its consequences. Fuzzy expert systems capabilities have been taken into account to assist a أکثر

Nowadays, dust phenomenon is one of the important challenges in warm and dry areas. Forecasting the phenomenon before its occurrence helps to take precautionary steps to prevent its consequences. Fuzzy expert systems capabilities have been taken into account to assist and cope with the uncertainty associated to complex environments such as dust forecasting problem. This paper presents novel hybrid Fuzzy-Evolutionary algorithms to predict the dust phenomenon. For this, first a fuzzy expert system was designed and then it was optimized using evolutionary algorithms like Genetic and Differential Evolutionary algorithms. Evolutionary nature of these algorithms have been taken into account to optimize the fuzzy system in the complex area of the dust phenomenon. To evaluate the proposed hybrid models a real dataset including 55 years of the dust phenomenon in Zanjan province in Iran was considered. Performance of these methods was investigated through an ROC curve analysis in combination with a 10-fold cross validation technique. The accuracy of the fuzzy expert system was 92.13% and after optimization through the Fuzzy-Genetic model and hybrid differential evolutionary model was reached to 93.5% and 97.30%, respectively. The results are promising for early forecasting of the dust phenomena and preventing its consequences. تفاصيل المقالة

حرية الوصول المقاله

295 - 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

296 - An Efficient Genetic Algorithm for Task Scheduling on Heterogeneous Computing Systems Based on TRIZ
Mehdi Akbari

An efficient assignment and scheduling of tasks is one of the key elements in effective utilization of heterogeneous multiprocessor systems. The task scheduling problem has been proven to be NP-hard is the reason why we used meta-heuristic methods for finding a suboptim أکثر

An efficient assignment and scheduling of tasks is one of the key elements in effective utilization of heterogeneous multiprocessor systems. The task scheduling problem has been proven to be NP-hard is the reason why we used meta-heuristic methods for finding a suboptimal schedule. In this paper we proposed a new approach using TRIZ (specially 40 inventive principles). The basic idea of this approach is to exploit the advantages of heuristic-based algorithms to reduce space search and the time needed to find good solutions. The proposed algorithm improves the performance of genetic algorithm through significant changes in its genetic functions and introduction of new operators that guarantee sample variety and consistent coverage of the whole space. The achieved results of running this algorithm on the graphs of real-world applications and random graphs in heterogeneous computing systems with a wide range of characteristics, indicated significant improvements of efficiency of the proposed algorithm compared with other task scheduling algorithms. Although the proposed algorithm needs lower repetitions than their genetic counterparts, it needs high frequency of repetition to produce the desired answer. This is a drawback for this algorithm compared to heuristic algorithms such as CPOP and HEFT. تفاصيل المقالة

حرية الوصول المقاله

297 - A Parallel Genetic Algorithm Based Method for Feature Subset Selection in Intrusion Detection Systems
Iran Shokripoor Bahman Bigloo

Intrusion detection systems are designed to provide security in computer networks, so that if the attacker crosses other security devices, they can detect and prevent the attack process. One of the most essential challenges in designing these systems is the so called cu أکثر

Intrusion detection systems are designed to provide security in computer networks, so that if the attacker crosses other security devices, they can detect and prevent the attack process. One of the most essential challenges in designing these systems is the so called curse of dimensionality. Therefore, in order to obtain satisfactory performance in these systems we have to take advantage of appropriate pre-processing steps specially the feature subset selection methods. Since the problem of searching for the optimal feature subset has an intolerable complexity, in this paper we propose a genetic-algorithm-based search method for finding the most relevant subset of features. In order to find the most relevant features, the parallel structure of the genetic algorithm along with the distribution factor of the features is used. The fitness value of each feature subset is computed according to performance of the classifier trained with respect to that subset. In order to evaluate the performance of the proposed method, we use the NSL-KDD dataset which benefits from more real-world intriguing records than other intrusion detection data. The results of our evaluation experiments shows that the proposed method outperforms the prior methods. تفاصيل المقالة

حرية الوصول المقاله

298 - A Novel Image Encryption Model Based on Hybridization of Genetic Algorithm, Chaos Theory and Lattice Map
Ali Asghar Abbasi Rahil Hosseini Mahdi Mazinani

Encryption is an important issue in information security which is usually provided using a reversible mathematical model. Digital image as a most frequently used digital product needs special encryption algorithms. This paper presents a new encryption algorithm high sec أکثر

Encryption is an important issue in information security which is usually provided using a reversible mathematical model. Digital image as a most frequently used digital product needs special encryption algorithms. This paper presents a new encryption algorithm high security for digital gray images using genetic algorithm and Lattice Map function. At the first the initial value of Logistic Map function from a 120 bits key is offered, and then by using the produced chaos series moves original picture pixels. In third step, the original image with Lattice Map function series create by sequence of Logistic Map function from latest level to encrypt the image. This process goes under evolution through the generation of the genetic algorithm until the algorithm converges to an encrypted image with a highest entropy and lowest correlation coefficient among pixels. The results reveal the highest level of resistance and security against statistical attacks. With obtained entropy results from the proposed method were 7.9993 which shows its proficiency compared to the counterpart methods. تفاصيل المقالة

حرية الوصول المقاله

299 - 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

300 - 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

301 - 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

302 - Provide a video recommendation system using collaborative filtering and data mining methods
Reza Molaee Fard

Due to the growing number of videos available on the web, it seems necessary to have a system that can extract users' favorite videos from a huge amount of information that is increasing day by day. One of the best ways to do this is to use referral systems. In this res أکثر

Due to the growing number of videos available on the web, it seems necessary to have a system that can extract users' favorite videos from a huge amount of information that is increasing day by day. One of the best ways to do this is to use referral systems. In this research, a method is provided to improve the recommender systems in the field of film recommendation to the user. In this research, DBSCAN clustering algorithm is used for data clustering. Then we will optimize our data using the cuckoo algorithm, then the genetic algorithm is used to predict the data, and finally, using a recommender system based on participatory refinement, a list of different movies that can be of interest to the user is provided. The results of evaluating the proposed method indicate that this recommender system obtained a score of 99% in the accuracy of the system and a score of 95% in the call section Suggest the user's favorite videos correctly to the user. تفاصيل المقالة

حرية الوصول المقاله

303 - Designing a New Structure Based on Learning Automaton to Improve Evolutionary Algorithms (With Considering Some Case Study Problems)
Ali Safari Mamaghani Kayvan Asghari Mohammad Reza Meybodi

Evolutionary algorithms are some of the most crucial random approaches to solve the problems, but sometimes generate low quality solutions. On the other hand, Learning automata are adaptive decision-making devices, operating on unknown random environments, So it seems t أکثر

Evolutionary algorithms are some of the most crucial random approaches to solve the problems, but sometimes generate low quality solutions. On the other hand, Learning automata are adaptive decision-making devices, operating on unknown random environments, So it seems that if evolutionary and learning automaton based algorithms are operated simultaneously, the quality of results will increase sharply and the algorithm is likely to converge on best results very quickly. This paper contributes an algorithm based on learning automaton to improve the evolutionary algorithm for solving a group of NP problems. It uses concepts of machine learning in search process, and increases efficiency of evolutionary algorithm (especially genetic algorithm). In fact, the algorithm is prevented from being stuck in local optimal solutions by using learning automaton. Another positive point of the hybrid algorithm is its noticeable stability since standard division of results, which is obtained by different executions of algorithm, is low; that is, the results are practically the same. Therefore, as the proposed algorithm is used for a set of well-known NP problems and the results are very suitable it can be considered as a precise and reliable technique to solve the problems. تفاصيل المقالة

حرية الوصول المقاله

304 - Multi-layer Perceptron Neural Network Training Based on Improved of Stud GA
Firozeh Razavi Faramarz Zabihi Mirsaeid Hosseini Shirvani

Neural network is one of the most widely used algorithms in the field of machine learning, On the other hand, neural network training is a complicated and important process. Supervised learning needs to be organized to reach the goal as soon as possible.A supervised lea أکثر

Neural network is one of the most widely used algorithms in the field of machine learning, On the other hand, neural network training is a complicated and important process. Supervised learning needs to be organized to reach the goal as soon as possible.A supervised learning algorithm analyzes the training data and produces an inferred function, which can be used for mapping new examples. Hence, in this paper, it is attempted to use improve Stud GA to find optimal weights for multi-layer Perceptron neural network. Stud GA is improved from genetic algorithms that perform information sharing in a particular way. In this study, chaotic system will be used to improve Stud GA. The comparison of proposed method with Imperialist Competitive Algorithm, Quad Countries Algorithm, Stud GA, Cuckoo Optimization Algorithm and Chaotic Cuckoo Optimization Algorithm on tested data set (Wine, Abalone, Iris, WDBC, PIMA and Glass) with determined parameters, as mentioned the proposed method has a better performance. تفاصيل المقالة

حرية الوصول المقاله

305 - A Meta-heuristic Approach to CVRP Problem: Local Search Optimization Based on GA and Ant Colony
Arash Mazidi Mostafa Fakhrahmad Mohammadhadi Sadreddini

The Capacitated Vehicle Routing Problem (CVRP) is a well-known combinatorial optimization problem that holds a central place in logistics management. The Vehicle Routing is an applied task in the industrial transportation for which an optimal solution will lead us to be أکثر

The Capacitated Vehicle Routing Problem (CVRP) is a well-known combinatorial optimization problem that holds a central place in logistics management. The Vehicle Routing is an applied task in the industrial transportation for which an optimal solution will lead us to better services, save more time and ultimately increase in customer satisfaction. This problem is classified into NP-Hard problems and deterministic approaches will be time-consuming to solve it. In this paper, we focus on enhancing the capability of local search algorithms. We use six different meta-heuristic algorithms to solve VRP considering the limited carrying capacity and we analyze their performance on the standard datasets. Finally, we propose an improved genetic algorithm and use the ant colony algorithm to create the initial population. The experimental results show that using of heuristic local search algorithms to solve CVRP is suitable. The results are promising and we observe the proposed algorithm has the best performance among its counterparts. تفاصيل المقالة

حرية الوصول المقاله

306 - Presenting a Hybrid Method to Increase Lifetime of Wireless Sensor Networks Using Effective Determination of Operating Mode of Sensors in Regional Coverage
Javad Aramideh Homayun Motameni

In recent years Wireless Sensor Networks have attracted researchers' attention due to vast applications. One of the most prominent issues regarding these networks is coverage which is considered as a quality of Service parameter. In this study, we try to address energy أکثر

In recent years Wireless Sensor Networks have attracted researchers' attention due to vast applications. One of the most prominent issues regarding these networks is coverage which is considered as a quality of Service parameter. In this study, we try to address energy shortage in WSNs through finding a set of optimal coverage nodes in a specific environment. This is performed utilizing effective removal of extra sensors and generating several networks with area coverage. In the first step we use graph based method to classify sensors. The area is divided into several smaller regions in a dynamic manner in such a way that the whole region is covered with sensors. In the next step each set analyzed using genetic algorithm so that optimal or semi-optimal number of active nodes which are necessary to cover the region could be selected. Finally, performance of sensors in coverage of the area is evaluated using Monte Carlo method. Decreasing the number of sensors in each set and generating multiple networks, this method saves more energy which prolongs lifetime of the network. تفاصيل المقالة

حرية الوصول المقاله

307 - Cuckoo Optimization Algorithm in Cutting Conditions During Machining
Ahmad Esfandiari

Optimization of cutting conditions is a non-linear optimization with constraint and it is very important to the increase of productivity and the reduction of costs. In recent years, several evolutionary and meta-heuristic optimization algorithms were introduced. The Cuc أکثر

Optimization of cutting conditions is a non-linear optimization with constraint and it is very important to the increase of productivity and the reduction of costs. In recent years, several evolutionary and meta-heuristic optimization algorithms were introduced. The Cuckoo Optimization Algorithm (COA) is one of several recent and powerful meta-heuristics which is inspired by the cuckoos and their lifestyle. In this paper, COA, Simulated Annealing (SA), Genetic Algorithm (GA) and Imperialist Competitive Algorithm (ICA) are first applied to five test functions and the performance of these algorithms is compared. These algorithms are then used to optimize the cutting conditions. The results showed that COA has more capabilities such as accuracy, faster convergence and better global optimum achievement than others. تفاصيل المقالة

حرية الوصول المقاله

308 - Genetic Algorithm Based on Explicit Memory for Solving Dynamic Problems
Majid Mohammadpour Hamid Parvin

Nowadays, it is common to find optimal point of the dynamic problem; dynamic problems whose optimal point changes over time require algorithms which dynamically adapt the search space instability. In the most of them, the exploitation of some information from the past a أکثر

Nowadays, it is common to find optimal point of the dynamic problem; dynamic problems whose optimal point changes over time require algorithms which dynamically adapt the search space instability. In the most of them, the exploitation of some information from the past allows to quickly adapt after an environmental change (some optimal points change). This is the idea underlining the use of memory in the field, which involves key design issues concerning the memory content, the process of memory update, and the process of memory retrieval. With use of the Aging Best Solution and Keeping Diversity in Population, the speed convergence of algorithm can be increased. This article presents a genetic algorithm based on memory for dealing with dynamic optimization problems and focuses on explicit placement of memory schemes, and performs a comprehensive analysis on current design of Moving Peaks Benchmark (MPB) problem. The MPB problem is the most proper benchmark for simulation of dynamic environments. The experimental study show the efficiency of the proposed approach for solving dynamic optimization problems in comparison with other algorithms presented in the literature. تفاصيل المقالة

حرية الوصول المقاله

309 - A Hybrid of Genetic Algorithm and Gaussian Mixture Model for Features Reduction and Detection of Vocal Fold Pathology
Vahid Majidnezhad Igor Kheidorov

Acoustic analysis is a proper method in vocal fold pathology diagnosis so that it can complement and in some cases replace the other invasive, based on direct vocal fold observation, methods. There are different approaches and algorithms for vocal fold pathology diagnos أکثر

Acoustic analysis is a proper method in vocal fold pathology diagnosis so that it can complement and in some cases replace the other invasive, based on direct vocal fold observation, methods. There are different approaches and algorithms for vocal fold pathology diagnosis. These algorithms usually have three stages which are Feature Extraction, Feature Reduction and Classification. In this paper initial study of feature extraction and feature reduction in the task of vocal fold pathology diagnosis has been presented. A new type of feature vector, based on wavelet packet decomposition and Mel-Frequency-Cepstral-Coefficients (MFCCs), is proposed. Also a new GA-based method for feature reduction stage is proposed and compared with conventional methods such as Principal Component Analysis (PCA). Gaussian Mixture Model (GMM) is used as a classifier for evaluating the performance of the proposed method. The results show the priority of the proposed method in comparison with current methods. تفاصيل المقالة

حرية الوصول المقاله

310 - Optimal Placement of DGs in Distribution System including Different Load Models for Loss Reduction using Genetic Algorithm
Mehdi Hosseini Reza Baghipour

Distributed generation (DG) sources are becoming more prominent in distribution systems due to the incremental demands for electrical energy. Locations and capacities of DG sources have great impacts on the system losses in a distribution network. This paper presents a أکثر

Distributed generation (DG) sources are becoming more prominent in distribution systems due to the incremental demands for electrical energy. Locations and capacities of DG sources have great impacts on the system losses in a distribution network. This paper presents a study aimed for optimally determining the size and location of distributed generation units in distribution systems with different load models. The objective is to minimize network power losses. The impacts of DG model on locating and sizing of DG are also presented considering different voltage dependent load models. Also, different types of customers such as industrial, residential, and commercial loads are considered for load modeling. The optimization problem has been solved using genetic algorithm. For simulation purpose, this algorithm has been executed on 33-bus and 69-bus test systems. Results show that type of DG modeling and load modeling has considerable effect on determination of the optimum siting and sizing of DGs. Also, DGs installation in optimum size and location has considerable effect on loss reduction and voltage improvement of distribution system. تفاصيل المقالة

حرية الوصول المقاله

311 - Optimized Reversible Programmable Logic Array (PLA)
Aliakbar Niknafs

Reversible logic circuits have found emerging attentions in nanotechnology, optical computing, quantum computing and low power design. A programmable logic array (PLA) is a universal circuit which is used to implement combinational logic circuits. The main part of a PLA أکثر

Reversible logic circuits have found emerging attentions in nanotechnology, optical computing, quantum computing and low power design. A programmable logic array (PLA) is a universal circuit which is used to implement combinational logic circuits. The main part of a PLA is its AND array. In this study we propose two types of optimized reversible programmable logic array (RPLA) circuits. The first type is based on a “2-to-4” AND array, and is proposed for the first time. The second type is based on a “3-to-8” AND array. For each type, we bring some different designs. These circuits are compared with the existing counterparts in terms of number of constant inputs and garbage outputs, delay and the quantum cost and are shown that all parameters in proposed circuits are improved. تفاصيل المقالة

حرية الوصول المقاله

312 - Coverage Improvement Using GLA (Genetic Learning Automata) Algorithm in Wireless Sensor Networks
Shirin Khezri Amjad Osmani Behdis Eslamnour

Coverage improvement is one of the main problems in wireless sensor networks. Given a finite number of sensors, improvement of the sensor deployment will provide sufficient sensor coverage and save cost of sensors for locating in grid points. For achieving good coverage أکثر

Coverage improvement is one of the main problems in wireless sensor networks. Given a finite number of sensors, improvement of the sensor deployment will provide sufficient sensor coverage and save cost of sensors for locating in grid points. For achieving good coverage, the sensors should be placed in adequate places. This paper uses the genetic and learning automata as intelligent methods for solving the blanket sensor placement. In this paper an NP-complete problem for arbitrary sensor fields is described which is one of the most important issues in the research fields, so the proposed algorithm is going to solve this problem by considering two factors: first, the complete coverage and second, the minimum used sensors. The proposed method is examined in different areas using MATLAB. The results confirm the successes of using this new method in sensor placement; also they show that the new method is more efficient than other methods like FAPBIL and MDPSO in large areas تفاصيل المقالة

حرية الوصول المقاله

313 - HGELS: A New Hybrid Algorithm Based on Gravitational Force for Solving Multiple Traveling Salesman Problems
Touraj Mohammadpour Mehdi Yadollahi Amir Massoud Bidgoli Habib Esmaeelzadeh Rostam

Multiple Traveling Salesman Problem (MTSP) is one of the most popular operation research problem and is known as combinatorial optimization problems. MTSP is an extension version of the famous and widely used problem named Traveling Salesman Problem (TSP). Because of it أکثر

Multiple Traveling Salesman Problem (MTSP) is one of the most popular operation research problem and is known as combinatorial optimization problems. MTSP is an extension version of the famous and widely used problem named Traveling Salesman Problem (TSP). Because of its benefices in various domains, many researchers have tried to solve that, and many methods have proposed so far. MTSP is a NP-complete problem so deterministic algorithms aren’t able to solve it in a reasonable time and in most cases heuristic methods are used. We propose a combination algorithm named at HGELS to solve MTSP in this paper. Our aim is to minimize the distance traveled by salesman and also the cost of path traveling. In fact, the proposed algorithm aims to balance the cost of path and distance. Experimental results indicate that the proposed algorithm needs more time to run than other algorithms, but in most cases has obtained better results. تفاصيل المقالة

حرية الوصول المقاله

314 - Classification of Sonar Targets Using OMKC, Genetic Algorithms and Statistical Moments
Mohammad Reza Mosavi Mohammad Khishe Ehsan Ebrahimi

Due to the complex physical properties of the detected targets using sonar systems, identification and classification of the actual targets is among the most difficult and complex issues of this field. Considering the characteristics of the detected targets and unique c أکثر

Due to the complex physical properties of the detected targets using sonar systems, identification and classification of the actual targets is among the most difficult and complex issues of this field. Considering the characteristics of the detected targets and unique capabilities of the intelligent methods in classification of their dataset, these methods seem to be the proper choice for the task. In recent years, neural networks and support vector machines are widely used in this field. Linear methods cannot be applied on sonar datasets because of the existence of higher dimensions in input area, therefore, this paper aims to classify such datasets by a method called Online Multi Kernel Classification (OMKC). This method uses a pool of predetermined kernels in which the selected kernels through a defined algorithm are combined with predetermined weights which are also updated simultaneously using another algorithm. Since the sonar data is associated with higher dimensions and network complexity, this method has presented maximum classification accuracy of 97.05 percent. By reducing the size of input data using genetic algorithm (feature selection) and statistical moments (feature extraction), eliminating the existing redundancy is crucial; so that the classification accuracy of the algorithm is increased on average by 2% and execution time of the algorithm is declined by 0.1014 second at best. تفاصيل المقالة

حرية الوصول المقاله

315 - Production Planning Optimization Using Genetic Algorithm and Particle Swarm Optimization (Case Study: Soofi Tea Factory)
منصور صوفی مریم محسنی

Production planning includes complex topics of production and operation management that according to expansion of decision-making methods, have been considerably developed. Nowadays, Managers use innovative approaches to solving problems of production planning. Given th أکثر

Production planning includes complex topics of production and operation management that according to expansion of decision-making methods, have been considerably developed. Nowadays, Managers use innovative approaches to solving problems of production planning. Given that the production plan is a type of prediction, models should be such that the slightest deviation from their reality. In this study, in order to minimize deviations from the values stated in the tea industry, two Particle Swarm optimization algorithm and genetic algorithm were used to solve the model. The data were obtained through interviews with Securities and Exchange Organization and those in financial units, industrial, commercial, and production. The results indicated the superiority of birds swarm optimization algorithm in the tea industry. تفاصيل المقالة

حرية الوصول المقاله

316 - Blasting pattern optimization in open-pit mines by using the genetic algorithm
Mehdi Azarafza Mohammad Reza Feizi-Derakhshi Ali Jeddi

The blasting operations in open-pit mines are one of the most sensitive and complex mining methods which are defined under special circumstances and specific purposes. The suitable and optimal pattern selection where could be capable to covering the various environmenta أکثر

The blasting operations in open-pit mines are one of the most sensitive and complex mining methods which are defined under special circumstances and specific purposes. The suitable and optimal pattern selection where could be capable to covering the various environmental factors and affected on economic, technical, engineering and safety is the main goal of the operation. The genetic algorithm (GA) is the recommended method to utilizing the optimized pattern for the blasting pattern selection under the many effective parameters which is the variety of noteworthy detected on selected pattern from different mines. In this work the GA used to propose optimal blasting operation pattern by consideration of good coverage with field and geo-parametric in open-pit mine. For this purpose, the optimal design simulation of blasting pattern for open pit mines with one and two work-faces (for two standard 100×100 and 70×40m sides) by the Python programming language was conducted. Based on the results, this algorithm is quite successful in simulating the blasting pattern which it providing field decorations, the collapse (damage) rate and maximized exploitation (excavation). تفاصيل المقالة

حرية الوصول المقاله

317 - Evaluating Factors Affecting Project Success: An Agile Approach
Mohammad Sheikhalishahi Mohammad Amin Amani Ayria Behdinian

10.30495/jiei.2022.1943675.1172

Selection of the most influential factors to improve the performance of organizations has consistently been a significant task for project managers. These underlying factors aim to prevent the failure of the project and to improve the performance of employees. The succe أکثر

Selection of the most influential factors to improve the performance of organizations has consistently been a significant task for project managers. These underlying factors aim to prevent the failure of the project and to improve the performance of employees. The success of the organization's projects is directly correlated to customer satisfaction, time, cost, and product quality at the time of project completion. In this paper, after reviewing the literature on the elements influencing the project's success, the extent to which each factor affects the project's success is accessed. A practical data evaluation method to predict the most underlying item is a machine learning algorithm, a perfect contributory method for project managers to examine the influential factors. After identifying the component with the highest effect on the project success, validating the selected items in a real-world practice paves the way for assessing that factor's effectiveness. In this study, after selecting the Agile approach as the most notable, the simulation models were utilized to measure the proportion of organizational performance improvement. Agile Management, which is considered in the actual case, signifies implementing the Scrum method and all the definitions and phases related to this method in the organization. The analyzed Agile practice (Scrum) for the case study decremented the project cost and time substantially and enhanced the service and product quality. تفاصيل المقالة

حرية الوصول المقاله

318 - A Comparative Study of Meta-heuristic Algorithms in Supply Chain Networks
Fariba Salahi Amir Daneshvar Mahdi Homayounfar Mohammad Shokouhifar

10.30495/jiei.2021.1919032.1076

Today, with the development of Information Technology (IT) and economic globalization, the suppliers’ selection has been emphasized in supply chain systems. Accordingly, artificial intelligence-based methods have attracted much attention. Hence, in this research, أکثر

Today, with the development of Information Technology (IT) and economic globalization, the suppliers’ selection has been emphasized in supply chain systems. Accordingly, artificial intelligence-based methods have attracted much attention. Hence, in this research, the selection of appropriate suppliers with respect to the multi-resource supply policy, and the implementation of lateral transshipment have been studied, and meta-heuristic algorithms have been employed to solve the problem. In the proposed method, the supply chain network is improved by minimizing the inventory shortages through utilizing lateral transshipment between different factories. In order toefficiently solve the problem, a hybrid meta-heuristic algorithm based on population-based genetic algorithm (GA) and single-solution simulated annealing (SA), named GASA, is propose, in order to simultaneously gain with the advantages of both algorithms, i.e., global search ability of GA and local search ability of SA. In order to compare the results of the proposed GASA, it is compared with GA and SA, to find the best solution. Given the parameters optimization and conducted analyses and comparisons of primary and hybrid algorithms performance, the hybrid GASA algorithm has been identified as the most efficient algorithm to solve the problem,compared to the other algorithms, emphasizing cost reduction and shortage volume. تفاصيل المقالة

حرية الوصول المقاله

319 - A New Multi-Stage Feature Selection and Classification Approach: Bank Customer Credit Risk Scoring
Farshid Abdi

10.30495/jiei.2021.1919589.1079

AbstractLots of information about customers are stored in the databases of banks. These databases can be used to assess the credit risk. Feature selection is a well-known concept to reduce the dimension of such databases. In this paper, a multi-stage feature selection a أکثر

AbstractLots of information about customers are stored in the databases of banks. These databases can be used to assess the credit risk. Feature selection is a well-known concept to reduce the dimension of such databases. In this paper, a multi-stage feature selection approach is proposed to reduce the dimension of database of an Iranian bank including 50 features. The first stage of this paper is devoted to removal of correlated features. The second stage of it is allocated to select the important features with genetic algorithm. The third stage is proposed to weight the variables using different filtering methods. The fourth stage selects feature through clustering algorithm. Finally, selected features are entered into the K-nearest neighbor (K-NN) and Decision Tree (DT) classification algorithms. The aim of the paper is to predict the likelihood of risk for each customer based on effective and optimum subset of features available from the customers. تفاصيل المقالة

حرية الوصول المقاله

320 - Development of Clustering Technique and Genetic Algorithm to Monitor Multivariate Descriptive Processes based on Large-scale Nominal Contingency Tables (Case Study: Renewable Energy Process )
Yaser Vahedi Geshniani Bijan Rahmani Reza Kamranrad

10.30495/jiei.2023.1952689.1206

Many real-world issues are based on multivariate processes with descriptive characteristics that are represented by contingency tables. A contingency table is a tool for showing the simultaneous relationship of two or more descriptive variables that is modeled by the lo أکثر

Many real-world issues are based on multivariate processes with descriptive characteristics that are represented by contingency tables. A contingency table is a tool for showing the simultaneous relationship of two or more descriptive variables that is modeled by the log-linear communication function and monitored over time. In some statistical process monitoring (SPM) applications, we are faced with the multiplicity of variables and, of course, the number of nominal classifications of the response variable. To model them, a log-linear model based on large-scale contingency tables is used that are called nominal large-scale descriptive multivariate processes. In monitoring this type of process, we face the negative impact of large dimensions of contingency tables on the performance of control charts. For this purpose, a new approach based on the clustering approach in correspondence analysis have been developed to reduce the effect of large dimensions and improvement performance of the control charts in diagnosing out of control status. The performance of control charts has been evaluated using simulated studies and the results indicate the appropriate efficiency of the proposed approach in reducing the impact of the contingency table dimensions on the performance of the control charts. In addition, to demonstrate the performance efficiency of the proposed methods, a real case study in the field of renewable energy has been used, the results of which indicate the proper performance of the proposed control charts in diagnosing out of control status. تفاصيل المقالة

حرية الوصول المقاله

321 - 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

322 - 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

323 - Performance enhancement for crystallization unit of a sugar plant using genetic algorithm technique
P C Tewari Rajiv Khanduja Mahesh Gupta

This paper deals with the performance enhancement for crystallization unit of a sugar plant using genetic algorithm. The crystallization unit of a sugar industry has three main subsystems arranged in series. Considering exponential distribution for the probable failures أکثر

This paper deals with the performance enhancement for crystallization unit of a sugar plant using genetic algorithm. The crystallization unit of a sugar industry has three main subsystems arranged in series. Considering exponential distribution for the probable failures and repairs, the mathematical formulation of the problem is done using probabilistic approach, and differential equations are developed on the basis of Markov birth-death process. These equations are then solved using normalizing conditions so as to determine the steady-state availability of the crystallization unit. The performance of each subsystem of crystallization unit in a sugar plant has also been optimized using genetic algorithm. Thus, the findings of the present paper will be highly useful to the plant management for the timely execution of proper maintenance decisions and, hence, to enhance the system performance. تفاصيل المقالة

حرية الوصول المقاله

324 - 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 optimal 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

325 - 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

326 - 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

327 - 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

328 - 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

329 - 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

330 - A population-based algorithm for the railroad blocking problem
Masoud Yaghini Masoud Seyedabadi Mohamad M Khoshraftar

Railroad blocking problem (RBP) is one of the problems that need an important decision in freight railroads. The objective of solving this problem is to minimize the costs of delivering all commodities by deciding which inter-terminal blocks to build and by specifying t أکثر

Railroad blocking problem (RBP) is one of the problems that need an important decision in freight railroads. The objective of solving this problem is to minimize the costs of delivering all commodities by deciding which inter-terminal blocks to build and by specifying the assignment of commodities to these blocks, while observing limits on the number and cumulative volume of the blocks assembled at each terminal. RBP is an NP-hard combinatorial optimization problem with billions of decision variables. To solve the real-life RBP, developing a metaheuristic algorithm is necessary. In this paper, for the first time, a new genetic algorithm-based solution method, which is a population-based algorithm, is proposed to solve the RBP. To evaluate the efficiency and the quality of solutions of the proposed algorithm, several simulated test problems are used. The quality and computational time of the generated solutions for the test problems with the proposed genetic algorithm are compared with the solutions of the CPLEX software. The results show high efficiency and effectiveness of the proposed algorithm. تفاصيل المقالة

حرية الوصول المقاله

331 - 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

332 - Threshold F-policy and N-policy for multi-component machining system with warm standbys
Kamlesh Kumar Madhu Jain

The integration of marketing and demand with logistics and inventories (supply side of companies) may cause multiple improvements; it can revolutionize the management of the revenue of rental companies, hotels, and airlines. In this paper, we develop a multi-objective أکثر

The integration of marketing and demand with logistics and inventories (supply side of companies) may cause multiple improvements; it can revolutionize the management of the revenue of rental companies, hotels, and airlines. In this paper, we develop a multi-objective pricing-inventory model for a retailer. Maximizing the retailer's profit and the service level are the objectives, and shortage is allowed. We present the model under stochastic lead time with uniform and exponential distributions. Since pricing is important and influences demand, the demand is considered as a general function of price. The multiple-objective optimization model is solved using the weighting method as well as the L-P metric method. Concerning the properties of a nonlinear model, a genetic algorithm is taken into account to find the optimal solutions for the selling price, lot size, and reorder point. Finally, numerical examples with sensitivity analysis regarding key parameters are provided. تفاصيل المقالة

حرية الوصول المقاله

333 - 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

334 - Locomotive assignment problem with train precedence using genetic algorithm
Siamak Noori Seyed Farid Ghannadpour

This paper aims to study the locomotive assignment problem which is very important for railway companies, in view of high cost of operating locomotives. This problem is to determine the minimum cost assignment of homogeneous locomotives located in some central depots to أکثر

This paper aims to study the locomotive assignment problem which is very important for railway companies, in view of high cost of operating locomotives. This problem is to determine the minimum cost assignment of homogeneous locomotives located in some central depots to a set of pre-scheduled trains in order to provide sufficient power to pull the trains from their origins to their destinations. These trains have different degrees of priority for servicing, and the high class of trains should be serviced earlier than others. This problem is modeled using vehicle routing and scheduling problem where trains representing the customers are supposed to be serviced in pre-specified hard/soft fuzzy time windows. A two-phase approach is used which, in the first phase, the multi-depot locomotive assignment is converted to a set of single depot problems, and after that, each single depot problem is solved heuristically by a hybrid genetic algorithm. In the genetic algorithm, various heuristics and efficient operators are used in the evolutionary search. The suggested algorithm is applied to solve the medium sized numerical example to check capabilities of the model and algorithm. Moreover, some of the results are compared with those solutions produced by branch-and-bound technique to determine validity and quality of the model. Results show that suggested approach is rather effective in respect of quality and time. تفاصيل المقالة

حرية الوصول المقاله

335 - Economic design of x¯ control charts considering process shift distributions
Vijayababu Vommi Rukmini V. Kasarapu

Process shift is an important input parameter in the economic design of control charts. Earlier x control chart designs considered constant shifts to occur in the mean of the process for a given assignable cause. This assumption has been criticized by many research أکثر

Process shift is an important input parameter in the economic design of control charts. Earlier x control chart designs considered constant shifts to occur in the mean of the process for a given assignable cause. This assumption has been criticized by many researchers since it may not be realistic to produce a constant shift whenever an assignable cause occurs. To overcome this difficulty, in the present work, a distribution for the shift parameter has been considered instead of a single value for a given assignable cause. Duncan’s economic design model for x chart has been extended to incorporate the distribution for the process shift parameter. It is proposed to minimize total expected loss-cost to obtain the control chart parameters. Further, three types of process shifts namely, positively skewed, uniform and negatively skewed distributions are considered and the situations where it is appropriate to use the suggested methodology are recommended. تفاصيل المقالة

حرية الوصول المقاله

336 - 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

337 - Retracted: Using genetic algorithm approach to solve a multi-product EPQ model with defective items, rework, and constrained space
Kiamars Fathi Hafshejani Changiz Valmohammadi Alireza Khakpoor

The Economic Production Quantity (EPQ) model is often used in the manufacturing sector to assist firms in determining the optimal production lot size that minimizes overall production-inventory costs. There are some assumptions in the EPQ model that restrict this model أکثر

The Economic Production Quantity (EPQ) model is often used in the manufacturing sector to assist firms in determining the optimal production lot size that minimizes overall production-inventory costs. There are some assumptions in the EPQ model that restrict this model for real-world applications. Some of these assumptions are (1) infinite space of warehouse, (2) all of the produced items are perfect, and (3) only one type of goods is produced. In this paper, we develop the EPQ model by assuming that each produced lot contains some imperfect items and scraps. In addition, we have more than one kind of products along with warehouse space limitations. Under these conditions, we formulate the problem as a non-linear programming model and propose a genetic algorithm to solve it. At the end, we present a numerical example to illustrate the applications of the proposed methodology and identify the optimal value of the parameters of the genetic algorithm. تفاصيل المقالة

حرية الوصول المقاله

338 - 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

339 - 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

340 - An improved genetic algorithm for multidimensional optimization of precedence-constrained production planning and scheduling
Son Duy Dao Kazem Abhary Romeo Marian

Integration of production planning and scheduling is a class of problems commonly found in manufacturing industry. This class of problems associated with precedence constraint has been previously modeled and optimized by the authors, in which, it requires a multidimensi أکثر

Integration of production planning and scheduling is a class of problems commonly found in manufacturing industry. This class of problems associated with precedence constraint has been previously modeled and optimized by the authors, in which, it requires a multidimensional optimization at the same time: what to make, how many to make, where to make and the order to make. It is a combinatorial, NP-hard problem, for which no polynomial time algorithm is known to produce an optimal result on a random graph. In this paper, the further development of Genetic Algorithm (GA) for this integrated optimization is presented. Because of the dynamic nature of the problem, the size of its solution is variable. To deal with this variability and find an optimal solution to the problem, GA with new features in chromosome encoding, crossover, mutation, selection as well as algorithm structure is developed herein. With the proposed structure, the proposed GA is able to “learn” from its experience. Robustness of the proposed GA is demonstrated by a complex numerical example in which performance of the proposed GA is compared with those of three commercial optimization solvers. تفاصيل المقالة

حرية الوصول المقاله

341 - Developing and solving two-echelon inventory system for perishable items in a supply chain: case study (Mashhad Behrouz Company)
Mirbahador Gholi AriaNezhad Ahmad Makuie Saeed Khayatmoghadam

In this research, a new two-echelon model has been presented to control the inventory of perishable goods. The performance of the model lies in a supply chain and is based on real conditions and data. The main purpose of the model is to minimize the maintenance cost of أکثر

In this research, a new two-echelon model has been presented to control the inventory of perishable goods. The performance of the model lies in a supply chain and is based on real conditions and data. The main purpose of the model is to minimize the maintenance cost of the entire chain. However, if the good is perished before reaching the customer (the expiration date is over), the cost would be added to other costs such as transportation, production, and maintenance costs in the target function. As real conditions are required, some limitations such as production time, storage capacity, inventory level, transportation methods, and sustainability time are considered in the model. Also, due to the complexity of the model, the solution approach is based on genetic algorithm under MATLAB to solve and confirm the accuracy of the model’s performance. As can be noted, the manipulation of parametric figures can solve the problem of reaching the optimum point. Using real data from a food production facility, the model was utilized with the same approach and the obtained results confirm the accuracy of the model. تفاصيل المقالة

حرية الوصول المقاله

342 - 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

343 - 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

344 - 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

345 - Optimisation of shock absorber process parameters using failure mode and effect analysis and genetic algorithm
Arokiasamy Mariajayaprakash Thiyagarajan Senthilvelan Krishnapillai Ponnambal Vivekananthan

The various process parameters affecting the quality characteristics of the shock absorber during the process were identified using the Ishikawa diagram and by failure mode and effect analysis. The identified process parameters are welding process parameters (squeeze, أکثر

The various process parameters affecting the quality characteristics of the shock absorber during the process were identified using the Ishikawa diagram and by failure mode and effect analysis. The identified process parameters are welding process parameters (squeeze, heat control, wheel speed, and air pressure), damper sealing process parameters (load, hydraulic pressure, air pressure, and fixture height), washing process parameters (total alkalinity, temperature, pH value of rinsing water, and timing), and painting process parameters (flowability, coating thickness, pointage, and temperature). In this paper, the process parameters, namely, painting and washing process parameters, are optimized by Taguchi method. Though the defects are reasonably minimized by Taguchi method, in order to achieve zero defects during the processes, genetic algorithm technique is applied on the optimized parameters obtained by Taguchi method. تفاصيل المقالة

حرية الوصول المقاله

346 - 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

347 - 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

348 - A multiple objective approach for joint ordering and pricing planning problem with stochastic lead times
Zeinab Hosseini Reza Ghasemy Yaghin Maryam Esmaeili

The integration of marketing and demand with logistics and inventories (supply side of companies) may cause multiple improvements; it can revolutionize the management of the revenue of rental companies, hotels, and airlines. In this paper, we develop a multi-objective أکثر

The integration of marketing and demand with logistics and inventories (supply side of companies) may cause multiple improvements; it can revolutionize the management of the revenue of rental companies, hotels, and airlines. In this paper, we develop a multi-objective pricing-inventory model for a retailer. Maximizing the retailer's profit and the service level are the objectives, and shortage is allowed. We present the model under stochastic lead time with uniform and exponential distributions. Since pricing is important and influences demand, the demand is considered as a general function of price. The multiple-objective optimization model is solved using the weighting method as well as the L-P metric method. Concerning the properties of a nonlinear model, a genetic algorithm is taken into account to find the optimal solutions for the selling price, lot size, and reorder point. Finally, numerical examples with sensitivity analysis regarding key parameters are provided. تفاصيل المقالة

حرية الوصول المقاله

349 - An optimization technique for vendor selection with quantity discounts using Genetic Algorithm
N Arunkumar L Karunamoorthy N Uma Makeshwaraa

Vendor selection decisions are complicated by the fact that various conflicting multi-objective factors must be considered in the decision making process. The problem of vendor selection becomes still more compli-cated with the inclusion of incremental discount pricing أکثر

Vendor selection decisions are complicated by the fact that various conflicting multi-objective factors must be considered in the decision making process. The problem of vendor selection becomes still more compli-cated with the inclusion of incremental discount pricing schedule. Such hard combinatorial problems when solved using meta heuristics produce near optimal solutions. This paper proposes a multi-component multiple vendor selection model with vendors offering quantity discounts. This problem is then evaluated using Ge-netic Algorithm with a case study approach. Combinatorial approach is used to group the vendors for selec-tion and Genetic Algorithm to allocate the optimal order quantities for each vendor. تفاصيل المقالة

حرية الوصول المقاله

350 - Scheduling of flexible manufacturing systems using genetic algorithm: A heuristic approach
Vijay Kumar A. N. Narashima Murthy Krishnappa Chandrashekara

Scheduling of production in Flexible Manufacturing Systems (FMSs) has been extensively investigated over the past years and it continues to attract the interest of both academic researchers and practitioners. The generation of new and modified production schedules is be أکثر

Scheduling of production in Flexible Manufacturing Systems (FMSs) has been extensively investigated over the past years and it continues to attract the interest of both academic researchers and practitioners. The generation of new and modified production schedules is becoming a necessity in today’s complex manufacturing environment. Genetic algorithms are used in this paper to obtain an initial schedule. Uncertainties in the production environment and modeling limitations inevitably result in deviations from the generated schedules. This makes rescheduling or reactive scheduling essential. One of the four different types of uncertainties that normally cause discrepancies between the actual output and the planned output is considered in this paper. These include unforeseen machine break-downs, increased order priority, rush orders arrival and order cancellations. In this paper, the current status of the shop is considered while rescheduling. The proposed algorithms revise only those operations that must be rescheduled and can, therefore, be used in conjunction with the existing scheduling methods to improve the efficiency of flexible manufacturing systems. تفاصيل المقالة

حرية الوصول المقاله

351 - A full ranking method using integrated DEA models and its application to modify GA for finding Pareto optimal solution of MOP problem
S Razavyan GH Tohidi

This paper uses integrated Data Envelopment Analysis (DEA) models to rank all extreme and non-extreme efficient Decision Making Units (DMUs) and then applies integrated DEA ranking method as a criterion to modify Genetic Algorithm (GA) for finding Pareto optimal solutio أکثر

This paper uses integrated Data Envelopment Analysis (DEA) models to rank all extreme and non-extreme efficient Decision Making Units (DMUs) and then applies integrated DEA ranking method as a criterion to modify Genetic Algorithm (GA) for finding Pareto optimal solutions of a Multi Objective Programming (MOP) problem. The researchers have used ranking method as a shortcut way to modify GA to decrease the iterations of GA. The modified algorithm reduces the computational efforts to find Pareto optimal solutions of MOP problem and can be used to find Pareto optimal solutions of MOP with convex and non-convex efficient frontiers. An example is given to illustrate the modified algorithm. تفاصيل المقالة

حرية الوصول المقاله

352 - Designing a multi-objective nonlinear cross-docking location allocation model using genetic algorithm
Ahmad Makui Laleh Haerian Mahyar Eftekhar

In this study, a cross-docking system is designed at strategic and tactical levels. For making the strategic decisions, a multi-objective nonlinear location allocation model for cross-docks is presented based on a distri-bution location allocation model by Andreas Klose أکثر

In this study, a cross-docking system is designed at strategic and tactical levels. For making the strategic decisions, a multi-objective nonlinear location allocation model for cross-docks is presented based on a distri-bution location allocation model by Andreas Klose and Andreas Drexl. The model is further developed to in-clude the whole supply chain members and the objective functions are weighted by implementing AHP. A ge-netic algorithm solution is designed for sample cross-dock location allocation problems. In the tactical stage, model was further simulated under two different distribution strategies to decide on the tactical parameters. As an example, the performance of the model is verified. تفاصيل المقالة

حرية الوصول المقاله

353 - A genetic algorithm approach for problem
E Mehdizadeh R Tavakkoli-Moghaddam

In this paper, a genetic algorithm is presented for an identical parallel-machine scheduling problem with family setup time that minimizes the total weighted flow time ( ). No set-up is necessary between jobs belonging to the same family. A set-up must be scheduled when أکثر

In this paper, a genetic algorithm is presented for an identical parallel-machine scheduling problem with family setup time that minimizes the total weighted flow time ( ). No set-up is necessary between jobs belonging to the same family. A set-up must be scheduled when switching from the processing of family i jobs to those of another family j, i  j, the duration of this set-up being the sequence-independent set-up time sj for family j. This problem is shown to be NP-hard in the strong sense and obtaining an optimal solution for the large-sized problems in reasonable computational time is extremely difficult. Further, it is computationally evaluated the performance of the proposed genetic algorithm solutions obtained using a mixed integer programming (MIP) with the Lingo 8.0 software. تفاصيل المقالة

حرية الوصول المقاله

354 - Advanced operations research techniques for multi-constraint QoS routing in internet
HK Arunkumar S Sivakumar

Internet Traffic has grown exponentially over last few years due to provision of multiple class services through Internet backbone. With the explosive use of Internet, contemporary Internet routers are susceptible to overloads and their services deteriorate drastically أکثر

Internet Traffic has grown exponentially over last few years due to provision of multiple class services through Internet backbone. With the explosive use of Internet, contemporary Internet routers are susceptible to overloads and their services deteriorate drastically and often cause denial of services. In this paper, an analysis is made how forecasting technique, routing algorithm and Genetic algorithm can be simultaneously applied for solving a multi-constrained routing problem in Quality of service (QoS) traffic in Internet. Also, a model is suggested for solving the above-mentioned problem. Simulation results show that the throughput of the given network is enhanced by implementing the model. It can also be seen that the average delay of packets flowing through the network comes down when the proposed model is employed for the network. تفاصيل المقالة

حرية الوصول المقاله

355 - Yard crane scheduling in port container terminals using genetic algorithm
H Javanshir S.R Seyedalizadeh Ganji

Yard crane is an important resource in container terminals. Efficient utilization of the yard crane significantly improves the productivity and the profitability of the container terminal. This paper presents a mixed integer programming model for the yard crane scheduli أکثر

Yard crane is an important resource in container terminals. Efficient utilization of the yard crane significantly improves the productivity and the profitability of the container terminal. This paper presents a mixed integer programming model for the yard crane scheduling problem with non- interference constraint that is NPHARD in nature. In other words, one of the most important constraints in this model which we can mention to yard crane non- interference constraint is that they usually move on the same rails in the yard block. Optimization methods, like branch and bound algorithm, has no sufficient efficiency to solve this model and become perfectly useless when the problem size increases. In this situation, using an advanced search method like genetic algorithm (GA) may be suitable. In this paper, a GA is proposed to obtain near optimal solutions. The GA is run by MATLAB 7.0 and the researchers used LINGO software which benefits from the Branch and Bound algorithm for comparing outputs of GA and the exact solution. We should consider the abilities of the LINGO software which is not capable of solving the problems larger than 5 slots to 3 yard cranes. The computational results show that the proposed GA is effective and efficient in solving the considered yard crane scheduling problem. تفاصيل المقالة

حرية الوصول المقاله

356 - Solving a generalized aggregate production planning problem by genetic algorithms
R Tavakkoli-Moghaddam N Safaei

This paper presents a genetic algorithm (GA) for solving a generalized model of single-item resource-constrained aggregate production planning (APP) with linear cost functions. APP belongs to a class of pro-duction planning problems in which there is a single production أکثر

This paper presents a genetic algorithm (GA) for solving a generalized model of single-item resource-constrained aggregate production planning (APP) with linear cost functions. APP belongs to a class of pro-duction planning problems in which there is a single production variable representing the total production of all products. We linearize a linear mixed-integer model of APP subject to hiring/firing of workforce, avail-able regular/over time, and inventory/shortage/subcontracting allowable level where the total demand must fully be satisfied at end of the horizon planning. Due to NP-hard class of APP, the real-world sized problems cannot optimality be solved within a reasonable time. In this paper, we develop the proposed genetic algo-rithm with effective operators for solving the proposed model with an integer representation. This model is optimally solved and validated in small-sized problems by an optimization software package, in which the obtained results are compared with GA results. The results imply the efficiency of the proposed GA achiev-ing to near optimal solutions within a reasonably computational time. تفاصيل المقالة

حرية الوصول المقاله

357 - 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

358 - 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

359 - The Least Cost Design of Water Distribution Networks Using Water Quality Constraints
M. Tabesh M. Zabihi M. Dini

Water quality is a very important issue related to people health, but it is not usually considered in water distribution networks (WDNs) design. In this paper, new constraints such as free residual chlorine and the quality performance index are incorporated into the lea أکثر

Water quality is a very important issue related to people health, but it is not usually considered in water distribution networks (WDNs) design. In this paper, new constraints such as free residual chlorine and the quality performance index are incorporated into the least cost design of water distribution networks. EPANET2 was applied for the hydraulic and quality analysis of water distribution networks. GA was also used to solve the optimization problem. The method was evaluated using a well-known test network. Results showed that inclusion of quality constraints leads to a higher cost. In addition, sensitivity analysis of velocity constraints showed that hydraulic and quality constraints are required for the least cost design of WDNs. On the other hand, the optimum design should satisfy the design criteria at both the start and end of the design period. تفاصيل المقالة

حرية الوصول المقاله

360 - Calibration of Area-Reduction Empirical Method for Dam Reservoir
Seyed Habib Musavi-Jahromi Maryam Eghdam Hossein Sedghi

The mathematical model of Area-Reduction empirical method is written through MATLAB software. Three periods of the hydrologic survey are required to run, calibrate and validatethe model. The Dez Dam, which is one of the most significant dams of the Middle East with thre أکثر

The mathematical model of Area-Reduction empirical method is written through MATLAB software. Three periods of the hydrologic survey are required to run, calibrate and validatethe model. The Dez Dam, which is one of the most significant dams of the Middle East with three periods of hydrographic surveys in 1972, 2002 and 2011, has been chosen for the investigation. The annual average of the input sediment load to this reservoir was calculated by summation of the suspended load and bed load that were estimated through the sediment rating curve and experimental Karaushev curve, respectively. Upon running the model in order to predict the sediment distribution in 2002, the optimization was done by combining MATLAB and Genetic Algorithm models. The research was validated by comparing the results of the calibrated model in 2002 and 2011 with the measured data in the corresponding years. Additionally, Sediment distribution in the reservoir was predicted for 2032 and 2052 using the optimized model. Input data of the calibrated model can be changeable, so the calibrated method can be generalized for other reservoirs as well. تفاصيل المقالة

حرية الوصول المقاله

361 - Power Distribution Expansion Planning
مختار درخشی جواد علمایی

This paper presents a method for distribution network expansion planning. The two objectives are: loss reduction and Reliability improvement. First, neural network method is used for long term load forecasting. Then Genetic algorithm is utilized to solve simultaneous pl أکثر

This paper presents a method for distribution network expansion planning. The two objectives are: loss reduction and Reliability improvement. First, neural network method is used for long term load forecasting. Then Genetic algorithm is utilized to solve simultaneous placement of power distribution transformers and feeders. The proposed method is applied on the green field. The effectiveness of the proposed method is tested on a green field system and the results are presented. تفاصيل المقالة

حرية الوصول المقاله

362 - An Energy Efficient improving the Leach protocol Scheme in Wireless Sensor Networks
Farzaneh Abdolahi Maryam Khademi

Data gathering is a common but a critical operation in many applications of wireless sensor networks. So, innovative techniques that improve energy efficiency to prolong the network lifetime are highly required. In this research, we analyze the reduction of energy consu أکثر

Data gathering is a common but a critical operation in many applications of wireless sensor networks. So, innovative techniques that improve energy efficiency to prolong the network lifetime are highly required. In this research, we analyze the reduction of energy consumption in wireless sensor networks. A sensor network consists of a large number of limited-energy sensor nodes, which are widely distributed in an environment that sense and collect the environmental information. In most applications of wireless sensor networks, there is no possibility of charging node batteries. In these types of networks, the most important challenge is the power constraint that directly affects the lifetime of the sensor network. Protocols designed in these networks should be accompanied by efficient energy consumption. The LEACH protocol is one of the well-known protocols that are widely used in this field. In this study, we use genetic algorithm and fuzzy clustering for improving the LEACH protocol. Our results show that the proposed algorithm has needs energy consumption in comparison with the original version. This leads to a prolonged network lifetime, which is one of the most important issues in wireless sensor networks. تفاصيل المقالة

حرية الوصول المقاله

363 - Two Efficient Algorithms for Increasing OFDM Performance with Highly Complicated Fading Channel
Saeed Ghazi-Maghrebi Mohammad Hosein Tavassoli Mohammad Ghazi-Maghrebi Reza Nematollahi

Equalization is a kind of the preferred methods for increasing the efficiency of modern digital communication systems. The paper contribution lies in using a modified version of Sliced Mul-ti-Modulus Algorithm (S-MMA) and genetic algorithm (GA) for updating per-tone equ أکثر

Equalization is a kind of the preferred methods for increasing the efficiency of modern digital communication systems. The paper contribution lies in using a modified version of Sliced Mul-ti-Modulus Algorithm (S-MMA) and genetic algorithm (GA) for updating per-tone equaliza-tions taps in the OFDM modulation using too long complicated fading channel, present of dif-ferent noises and ISI impairment. For more efficiency, it is assumed that the channel impulse response is longer than the cyclic prefix length and as a result, the system will be more efficient but at the expense of the high ISI impairment. Both mathematical analysis and computer simu-lations demonstrate the better performance of the new proposed application of the S-MMA and GA are compared to commonly used equalizer methods such as the LMS, RLS and multi modu-lus algorithm (MMA) in the channels with AWGN, burst noises and ISI impairment simultane-ously. Therefore, the new modified S-MMA equalization and GA are good candidates for high speed and real-time applications such as DAB, WiFi, WiMAX, and DVB systems. تفاصيل المقالة

حرية الوصول المقاله

364 - Optimal in Smart Grids Considering Interruptible Loads and Photo-voltaic Sources Using Genetic Optimization
Ebadollah Amouzad Mahdiraji Nabiollah Ramezani

The amount of the active power production by the photovoltaic systems depends on the radiation intensity and temperature. In this concept, the optimal use of photovoltaic systems is considered for controlling the voltage and correcting the power factor over day and nigh أکثر

The amount of the active power production by the photovoltaic systems depends on the radiation intensity and temperature. In this concept, the optimal use of photovoltaic systems is considered for controlling the voltage and correcting the power factor over day and night. Using this concept, it is possible to use photovoltaic systems in a more optimal way during the day and night. In this method, the photovoltaic systems capacity is not only used during the night to generate reactive power. Although studies have investigated the optimal locating of the distributed generation, DG is referred to as only the source of active power generation. In this paper, a new method for optimal placement of the photovoltaic systems, by considering their inverter nominal capacity to generate reactive power in addition to the active power in order to improve the voltage profile and reduce the system losses of the micro-grid, was employed. Two 33-bus and 6-bus networks were selected for investigating, and after implementing the method as well as applying the genetic algorithm optimization, it was determined that the optimal location of the photovoltaic systems by taking into account the active and reactive power production. تفاصيل المقالة

حرية الوصول المقاله

365 - Detection of Seizure EEG Signals Based on Reconstructed Phase Space of Rhythms in EWT Domain and Genetic Algorithm
Hesam Akbari Somayeh Saraf Esmaili Sima Farzollah Zadeh

Epilepsy is a brain disorder which stems from the abnormal activity of neurons and recording of seizures has primary interest in the evaluation &lrm;of epileptic patients. A seizure is the phenomenon of rhythmicity discharge from either a &lrm;local area or the whole br أکثر

Epilepsy is a brain disorder which stems from the abnormal activity of neurons and recording of seizures has primary interest in the evaluation &lrm;of epileptic patients. A seizure is the phenomenon of rhythmicity discharge from either a &lrm;local area or the whole brain and the individual behavior usually &lrm;lasts from seconds to minutes. In this work, empirical wavelet transform (EWT) is applied to &lrm;decompose signals into Electroencephalography (EEG) rhythms. &lrm;EEG signals are separated into the delta, theta, alpha, beta and gamma &lrm;rhythms using EWT.&lrm; The proposed method has been evaluated by the benchmark dataset which is freely downloadable from the Bonn University website. Ellipse area (A) and shortest distance to 45 and 135-degree lines are computed from the 2D projection of reconstructed phase space (RPS) of rhythms as features. After that, the genetic algorithm is used as feature selection. Finally, selected features are fed to the K-nearest neighbor (KNN) classifier for the detection of the seizure (S) and seizure-free (SF) EEG signals. Our proposed method archived 98.33% accuracy in the classification of S and SF EEG signals with a tenfold cross-validation strategy that is higher than previous techniques. تفاصيل المقالة

حرية الوصول المقاله

366 - Detection of Autism with Electroencephalographic Signals and Comparison with Healthy People Using Genetic Algorithm Network
Faeze Asadi Bahram Kimia Ghalam

Autism, also called autism spectrum disorder (ASD), is a complicated condition that includes problems with communication and behavior. It can involve a wide range of symptoms and skills. ASD can be a minor problem or a disability that needs full-time care in a special f أکثر

Autism, also called autism spectrum disorder (ASD), is a complicated condition that includes problems with communication and behavior. It can involve a wide range of symptoms and skills. ASD can be a minor problem or a disability that needs full-time care in a special facility. People with autism have trouble with communication. They have trouble understanding what other people think and feel. This makes it hard for them to express themselves, either with words or through gestures, facial expressions, and touch. According to the Centers for Disease Control, autism affects an estimated 1 in 59 children today. Indicators of autism usually appear by age 2 or 3. Some associated development delays can appear even earlier, and often, it can be diagnosed as early as 18 months. Research shows that early intervention leads to positive outcomes later in life for people with autism. In this paper, we describe an Autism detection algorithm that runs over electroencephalography (EEG) signals. Because this technique comprises different parameters that significantly affect the detection performance, we will use genetic algorithms (GAs) to optimize these parameters to improve the detection accuracy. And in the end, the results have been compared statistically by the T-test. In this paper, we describe the GA setup. EEG signals of 20 children with Autism and 20 healthy children aged 6 to 12 years have been obtained. The results have been compared. Lower correlation levels between resources of the left hemisphere of the brain especially C3 channels region in autistic children compared with healthy subjects have been observed. Also, the average energy of theta frequency band in C3 and F3 channels for children with autism was lower than that in healthy people and this criterion was higher in the gamma frequency band. تفاصيل المقالة

حرية الوصول المقاله

367 - Reduce Costs and Voltage Droops in Distribution System by Locating DG and Static Synchronous Compensator Using GA
Mohsen Najafi Fariborz Haghighatdar-Fesharaki

With the development of industry and the demand for electricity, energy supply is economically important with respect to environmental issues. The use of small, distributed products has spread near the subscribers' locations. Determining the location and capacity of pro أکثر

With the development of industry and the demand for electricity, energy supply is economically important with respect to environmental issues. The use of small, distributed products has spread near the subscribers' locations. Determining the location and capacity of products at the distribution network level has a great impact on managing financial resources and improving network parameters. In this paper, the optimal model for determining the location and capacity of distributed generation and static synchronous compensator (STATCOM) is presented, which is economically and technically multi-objective. In the economic part, the reduction of the installation cost of distributed products and STATCOM has been considered, and in the technical part, the reduction of losses and the reduction of the voltage droop of the network bus have been considered. This problem is solved using a genetic algorithm. The simulation results are determined using MATLAB software. The results show the effect of location on voltage reduction تفاصيل المقالة

حرية الوصول المقاله

368 - بررسی کارآمدی مدل‌های بهینه ‌سازی فرا ابتکاری الگوریتم ژنتیک چندهدفه تحت معیار ریسکMSV و الگوریتم ازدحام ذرات تحت معیار ریسکCVaR در تعیین سبد سهام شرکت‌های پذیرفته شده در سازمان بورس اوراق بهادار
داریوش آدینه وند ابراهیم علی رازینی محمود خدام فریدون اوحدی الهام سادات هاشمی زاده

10.30495/fed.2023.707996

چکیده انتخاب سبد سهام بهینه از اهداف اصلی مدیریت سرمایه است. امروزه ابزارها و تکنیک‌های متعددی برای اندازه‌گیری ریسک سبد سرمایه‌گذاری و انتخاب سبد سهام بهینه ارائه شده است. در این مقاله، با استفاده از داده های 15 سهم که با روش نمونه‌گیری هدفمند از شرکتهای برتر سازمان ب أکثر

چکیده انتخاب سبد سهام بهینه از اهداف اصلی مدیریت سرمایه است. امروزه ابزارها و تکنیک‌های متعددی برای اندازه‌گیری ریسک سبد سرمایه‌گذاری و انتخاب سبد سهام بهینه ارائه شده است. در این مقاله، با استفاده از داده های 15 سهم که با روش نمونه‌گیری هدفمند از شرکتهای برتر سازمان بورس اوراق بهادار تهران انتخاب شده‌اند که شامل خپارس، خزامیا، وپاسار، فولاد، اخابر، کگل، فملی، تاپیکو، سپاها، فاذر، فخاس، شبهرن، شفن، قمرو و قثابت هستند، ابتدا بازده این سهام بصورت روزانه در بازه زمانی31/3/1394-31/3/1399 طی 5 سال به مدت 1183 روز محاسبه می‌شوند و سپس با استفاده از نرم افزار متلب مدل‌های بهینه سازی فرا ابتکاری الگوریتم ژنتیک چند هدفه تحت معیار ریسکMSV و الگوریتم ازدحام ذرات تحت معیار ریسکCVaR با هم مقایسه می‌شوند. نتایج نشان می‌دهد که مدل‌ الگوریتم ژنتیک چند هدفه تحت معیار ریسک MSV دارای بازده بیشتر و ریسک کمتری می باشد، در نتیجه مدل‌ الگوریتم ژنتیک تحت معیار ریسک MSV از مدل الگوریتم ازدحام ذرات تحت معیار ریسک CVaR کارآمدتر می‌باشد. تفاصيل المقالة

حرية الوصول المقاله

369 - 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

370 - پیش‌بینی شوک منفی قیمت سهام با تأکید بر نسبت‌های مالی
ابراهیم فدایی محمدجواد زارع بهنمیری

10.30495/faar.2022.697093

چکیدهبراساس تحقیقات بازار سرمایه، شوک منفی قیمت سهام در هر بازار تابع عوامل محیطی و ویژگی‌های خاص شرکتی بوده و هر بینشی درمورد چگونگی تشریح و پیش‌بینی شوک، می‌تواند بر تصمیمات سرمایه‌گذاران و فعالان حاضر در بورس اثرگذار باشد. در این پژوهش بر اساس داده‌های مرتبط با 140 ش أکثر

چکیدهبراساس تحقیقات بازار سرمایه، شوک منفی قیمت سهام در هر بازار تابع عوامل محیطی و ویژگی‌های خاص شرکتی بوده و هر بینشی درمورد چگونگی تشریح و پیش‌بینی شوک، می‌تواند بر تصمیمات سرمایه‌گذاران و فعالان حاضر در بورس اثرگذار باشد. در این پژوهش بر اساس داده‌های مرتبط با 140 شرکت‌ها اقدام به پیش‌بینی شوک قیمتی سهام با تأکید بر نسبتهای مالی شده است. به‌منظور انتخاب متغیرهای بهینه از مجموعه 96 متغیر، از دو الگوریتم تکاملی بهینه‌سازی ازدحام ذرات و الگوریتم ژنتیک استفاده‌شده است. پس از به‌کارگیری الگوریتمهای ذکرشده درنهایت 8 متغیر تأثیرگذار بر شوکهای دائم و موقت استخراج گردید که در مدل رگرسیونی باقیمانده مستحکم در تحقیق تأثیر آنها بر متغیر پیشبینی شونده شوک بررسی گردید. نتایج حاصل از RSME مدلهای بررسی‌شده بهترتیب برای شوک دائم (الگوریتم ژنتیک)، شوک دائم (الگوریتم تکاملی بهینه‌سازی ازدحام ذرات)، شوک موقت (الگوریتم ژنتیک) و شوک موقت (الگوریتم تکاملی بهینه‌سازی ازدحام ذرات)، 5.8433، 5.6284، 7.537 و 7.295 میباشد. همان‌طور که مشاهده میشود RSME در شوک دائم براساس الگوریتم ژنتیک، بیشتر از RSME مدل شوک دائم براساس الگوریتم تکاملی بهینه‌سازی ازدحام ذرات میباشد. همچنین در مدل شوک موقت براساس الگوریتم ژنتیک RSME مدل، بیشتر از RSME مدل شوک موقت براساس الگوریتم تکاملی بهینه‌سازی ازدحام ذرات میباشد. بنابراین می‌توان بیان نمود که رگرسیون برآورد شده بر اساس متغیرهای انتخابی از الگوریتم تکاملی بهینه‌سازی ازدحام ذرات دارای RSME پایین‌تر بوده و قدرت پیش‌بینی‌کنندگی بهتری نسبت به متغیرهای انتخابی از الگوریتم ژنتیک دار تفاصيل المقالة

حرية الوصول المقاله

371 - مدل تلفیقی چند هدفه و اقتصادسنجی جهت بهینه‌سازی پرتفوی سهام
عباس خادم پور آرانی امیر رضا کیقبادی مهدی معدنچی زاج غلامرضا زمردیان

10.30495/faar.2022.693677

چکیدهبرای رشد و توسعه کشورها، بنگاه ها و حتی افراد جامعه، سرمایه‌گذاری از جانب آنها امری ضروری و حیاتی است و برای بهره‌گیری و اثربخشی بیشتر، این سرمایه‌گذاری‌ها میبایست بهینه باشد. از زمان معرفی تئوری مارکویتز و حتی قبل از آن، مفهوم سرمایه‌گذاری بهینه به عنوان مصالحه‌ای أکثر

چکیدهبرای رشد و توسعه کشورها، بنگاه ها و حتی افراد جامعه، سرمایه‌گذاری از جانب آنها امری ضروری و حیاتی است و برای بهره‌گیری و اثربخشی بیشتر، این سرمایه‌گذاری‌ها میبایست بهینه باشد. از زمان معرفی تئوری مارکویتز و حتی قبل از آن، مفهوم سرمایه‌گذاری بهینه به عنوان مصالحه‌ای بین ریسک و بازده، مورد توجه قرار گرفته بود. در طول چندین دهه بعد از آن، تعابیر و ابعاد جدیدی از معیارهای بهینه و خصوصاً ریسک مطرح شده است.در این مقاله سعی شده است با ارائه مدلی از ریسک نقدشوندگی با بهره‌گیری از مفهوم متنوع‌سازی در قالب آنتروپی شانون و رویکرد اقتصادسنجی، سبد بهینه‌ای از سرمایه گذاری با کمترین ریسک و بیشترین بازده، در قالب یک پرتفوی از 4 گروه صنعتی بورس تهران شامل گروههای فلزات اساسی، بانکها، فرآورده‌های نفتی و کانه‌های فلزی که بیشترین ارزش بازار بورس ایران را در اختیار دارند، ارائه شود.داده‌های آماری این پژوهش برای صنایع منتخب، شامل بازده شاخص قیمتی روزانه و بازده شکاف قیمتی روزانه در فاصله سال‌های 1395 تا پایان سال 1399 است. برای محاسبه ریسک نقدشوندگی، با استفاده از روشهای گارچ چند متغیره ، ماتریس واریانس-کوواریانس بازده شاخص قیمتی و شکاف قیمتی، محاسبه و در مدل ارائه شده، استفاده شده و نهایتاً وزن بهینه با استفاده از کد‌نویسی در نرم‌افزار متلب و استفاده از روش بهینه‌سازی الگوریتم ژنتیک رتبه‌بندی نامغلوب نسخه دوم ، برای صنایع منتخب محاسبه شده است.نتایج خروجی مدل نشان می‌دهند وزن بهینه گروه‌هایی که واریانس کمتری دارند در سبد بهینه بیشتر است. ضمن اینکه تاثیر حذف مفهوم نقدشوندگی از مدل منجر به افزایش وزن صنایعی می شود که نقدشوندگی کمتری دارند و به همراه افزایش ریسک، بازده پرتفوی بهینه نیز در این حالت افزایش می‌یابد. همچنین با حذف محدودیت شاخص متنوع‌‌سازی شانون، نتایج خروجی نشان می‌دهند این محدودیت تقریباً تاثیری بر اوزان بهینه (حداقل در این مدل) نمی‌گذارد. تفاصيل المقالة

حرية الوصول المقاله

372 - Optimal Allocation of Distributed Generation in Microgrid by Considering Load Modeling
Ferinar Moaidi Masoud Aliakbar Golkar

Recent increment in carbon emission due to the dependency on fossil fuels in power generation sector is a critical issue in the last decade. The motivation to Distributed Generation (DG) in order to catch low carbon networks is rising. This research seeks to experience أکثر

Recent increment in carbon emission due to the dependency on fossil fuels in power generation sector is a critical issue in the last decade. The motivation to Distributed Generation (DG) in order to catch low carbon networks is rising. This research seeks to experience DG existence in local energy servicing in microgrid structure. Optimal sizing and placement of DG units is followed by this paper for simultaneous power loss reduction and voltage profile improvement. Optimization is solved by applying Limited Constraint Method (LCM) for converting of multi-objective problem to single-objective one. A typical Genetic Algorithm (GA) is presented from the array of artificial intelligence methods for solving the optimization problem. The algorithm is implemented on the IEEE 33 buses standard network. This study is presented in two scenarios, primarily to elaborate the effect of location and determination of DGs has been done to reduce losses and improve the voltage profile. Secondly, the research shows the necessity to load modeling in case of DG presence in networks. تفاصيل المقالة

حرية الوصول المقاله

373 - Determining the effective features in classification of heart sounds using trained intelligent network and genetic algorithm
mahsa semyari fardad farokhi

Heart diseases are among the most important causes of mortality in the world, especially in industrial countries. Using heart sounds and the features extracted from them are among the non-aggressive diagnosis and prognosis methods for heart diseases. In this study, the أکثر

Heart diseases are among the most important causes of mortality in the world, especially in industrial countries. Using heart sounds and the features extracted from them are among the non-aggressive diagnosis and prognosis methods for heart diseases. In this study, the time-scale, Cepstral, frequency, temporal and turbulence features are saved and extracted from the heart sounds, and then they are given to the multi layer perceptron neural network in order to be classified. Two methods, namely the UTA feature selection method and the genetic algorithm are separately performed for feature selection, and by introducing the effective features, it will be shown that in the best classification accuracies of 96 and 83 are achieved for the i-stethoscope and the digital stethoscope recorded heart sounds respectively. Totally when selecting the features using the UTA algorithm, a 4.25% increase has occurred on average in the classification accuracy for the i-stethoscope. Also, in the genetic algorithm, approximately 0.75% increase has occurred on average in the classification accuracy by selecting only 7 features. تفاصيل المقالة

حرية الوصول المقاله

374 - A Hybrid GA-Modified Harvey Model for Short-term Forecasting of Day-ahead Electricity Price and Electricity Load
Mehdi Abroon Alireza Jahangiri Ahmad Ghaderi Shamim

The ability of different Harvey models has been proven for long term forecasting of time series. In this paper a new approach based on modified Harvey model tuned by genetic algorithm is proposed for short term forecasting of electricity price and electricity load. To c أکثر

The ability of different Harvey models has been proven for long term forecasting of time series. In this paper a new approach based on modified Harvey model tuned by genetic algorithm is proposed for short term forecasting of electricity price and electricity load. To consider the fluctuate nature of electricity price and electricity consumption, the model consists of some nonlinear terms of forecasts, which the optimal order of the nonlinear terms is determined based on T test and RMSE factor. The optimal order for hourly electricity price and hourly electricity consumption is 3 and 2 nonlinear terms, respectively. The proposed model is applied to the hourly electricity consumption and power market hourly price data for Iran from 22/12/2014-19/02/2015 using statistical analysis software EViews 5. The comparison revealed that the modified Harvey model is a very appropriate candidate for day ahead simultaneous forecasting of hourly electricity price and hourly electricity consumption تفاصيل المقالة

حرية الوصول المقاله

375 - A New Approach for Planning a Hybrid AC/DC Distribution Network Using Gray Wolf Optimization Algorithm
Reza Khalilzadeh Hassan Majidi M.-R Haghifam

In this paper, the Gray Wolf Optimization Algorithm (GWO) will be used for planning a hybrid AC/DC distribution network, and results from the economical and technical point of view will be compared to those of conventional methods, such as Genetic Algorithm (GA). In the أکثر

In this paper, the Gray Wolf Optimization Algorithm (GWO) will be used for planning a hybrid AC/DC distribution network, and results from the economical and technical point of view will be compared to those of conventional methods, such as Genetic Algorithm (GA). In the proposed model, the objective function is to minimize the Net Present Value (NPV) of the optimal solution. The planning will be done for an empty area, which already doesn’t have any distribution network, at the LV level. In the proposed method, the buses and feeders of the network could be AC or DC. Also, there are AC and DC load points and Distributed Generations (DGs) in the planning area. It should be mentioned that in this paper, the uncertainty of load demand and production of DGs has been regarded. Finally, after planning the distribution network as a pure AC and a hybrid AC/DC configuration for a 14-bus test network, NPV, loss of system and the convergence time of the GWO algorithm will be compared to ones from GA, and advantages of the prior will be shown. تفاصيل المقالة

حرية الوصول المقاله

376 - Application of Fuzzy Controller to Adjust the Appropriate Injection Rate of Insulin with Alpha Sections and Genetic Algorithm
Shima Nasr Azadani Hamid Mahmoodian

10.30495/ijsee.2022.1962455.1214

Controlling the rate of insulin injection is very important in diabetic patients who are equipped with an insulin pump. The challenges of proper insulin injection into the body can be exacerbated by the presence of uncertainties (due to different physiological differenc أکثر

Controlling the rate of insulin injection is very important in diabetic patients who are equipped with an insulin pump. The challenges of proper insulin injection into the body can be exacerbated by the presence of uncertainties (due to different physiological differences in individuals) and the different daily activities of each person. Insulin control has also become more complex due to the delayed effect of carbohydrate entry on the body's blood sugar levels, and may lead to dangerous conditions of hyperglycemia or hypoglycemia. In this paper, the aim is to reduce the effect of inherent uncertainties in the patient. The patient model is based on the Hurca mathematical model. General type 2 fuzzy controllers with alpha cuts are proposed. A neural network system with a linear regression model is used to predict blood sugar levels in the following hours. Also the adjustment of a number of controlling parameters has been done using genetic algorithm. To investigate the controlling behavior, several disturbances in the model and the entry of carbohydrates into the closed-loop system have been considered. The simulation results show that the proposed controller can control blood sugar under different conditions. The designed controller also prevents the occurrence of two dangerous states of hyperglycemia and hypoglycemia. تفاصيل المقالة

حرية الوصول المقاله

377 - Modeling of Maximum Solar Power Tracking by Genetic Algorithm Method
Mojtaba Jamiati

This paper, firstly presents a model of solar cell is built using MATLAB SIMULINK and P-V, I-V & P-I characteristics are studied for various values of irradiance & a constant temperature, And then used of Genetic Algorithm (GA) for maximum power point tracking (MPPT) of أکثر

This paper, firstly presents a model of solar cell is built using MATLAB SIMULINK and P-V, I-V & P-I characteristics are studied for various values of irradiance & a constant temperature, And then used of Genetic Algorithm (GA) for maximum power point tracking (MPPT) of Photovoltaic (PV) system using the direct control method. The main objective of this paper is to find out that optimal angle, which is used for positional control of solar module for optimal power tracking and also the main contribution of the proposed scheme is the elimination of PI control loop which normally exists to manipulate the duty cycle. Simulation results indicate that proposed controller outperforms the others method for all type of environmental conditions. For efficient utilization of solar energy, the solar PV system must be able to track MPP and extract available maximum power in real-time. Thus, it becomes necessary to properly interface the PV module with a fixed load. تفاصيل المقالة

حرية الوصول المقاله

378 - Optimal Capacitor Placement to Improve the Performance of the Electrical Power Distribution System Using Genetic Algorithm
Mohammad Hossein Kafi Mehdi Mahdavian Ali Asghar Amini Ghazanfar Shahgholian Majid Dehghani

The purpose using capacitors in distribution networks is to reduce the total losses of the network. Capacitors help regulate the power factor and voltage in the electrical distribution system, and can be controlled remotely, in and out of the system. Capacitor placement أکثر

The purpose using capacitors in distribution networks is to reduce the total losses of the network. Capacitors help regulate the power factor and voltage in the electrical distribution system, and can be controlled remotely, in and out of the system. Capacitor placement depends on the objective function, which is usually single objective or multi objective. In this paper, the amount of capacitor at minimum load is determined using a genetic algorithm. The calculation is done at peak load to determine the sensitivity of power losses. By using this method, the increase of the voltage caused by the lead phase of the system is prevented in the minimum load. A multi-purpose objective function to simultaneously reduce losses and improve the voltage profile of the optimal capacitor size in each section is detected by a genetic algorithm. To show the efficiency of the method, the capacitor placement results are compared using DIGSIENT software. تفاصيل المقالة

حرية الوصول المقاله

379 - Comparing the speed and time of association extraction from database with cuckoo search and genetic algorithms
Payam Abdolmohammadi Roham Farahani

10.30495/ijsee.2023.1974141.1240

This paper aims to study the appropriate data mining method to extract the rules from a data set and examining the benefits of using the cuckoo algorithm to extract association rules and compare the execution time of the cuckoo algorithm and genetic algorithm (GA). Ther أکثر

This paper aims to study the appropriate data mining method to extract the rules from a data set and examining the benefits of using the cuckoo algorithm to extract association rules and compare the execution time of the cuckoo algorithm and genetic algorithm (GA). Therefore, an algorithm is proposed that includes two parts: preprocessing and mining. The first part presents the procedures related to the calculation of cuckoo fit values and in the second part of the algorithm, which is the main achievement of this research. Support and confidence The best position can show the least confidence and support.These mining results can be used to continue mining the association rules. The proposed algorithm is based on the cuckoo search. It hides the sensitive relationship rules with a lower time cost and, at the same time, controls the peripheral effects of non-sensitive rules in a better way. This aim is achieved using recurring to the objective function. The GA is set to be the evaluation criterion to show the prominence of the proposed method. In this method, we compare the speed of the cuckoo algorithm with the genetic algorithm, which uses genetic evolution as a problem-solving model. In general, it is an algorithm based on repetition, most of its parts are selected as random processes, and these algorithms are part of the fitting function. It was chosen as a criterion and we paid .It is scientifically proven that the cuckoo algorithm outperforms the GA in the execution time. تفاصيل المقالة

حرية الوصول المقاله

380 - 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

381 - Intelligent Hybrid Heuristic-Metaheuristic Algorithm for Lifetime Extension in Wireless Body Area Networks
Pouya Aryai Ahmad Khademzadeh Somayyeh Jafarali Jassbi Mehdi Hosseinzadeh

10.30495/ijsee.2023.1987876.1266

Wireless body area network (WBAN) is a type of wireless communication network, which consists of tiny bio-sensor nodes attached to or implanted in the human body, to continuously monitor the patient by medical staff. Energy efficient routing in WBANs is of utmost import أکثر

Wireless body area network (WBAN) is a type of wireless communication network, which consists of tiny bio-sensor nodes attached to or implanted in the human body, to continuously monitor the patient by medical staff. Energy efficient routing in WBANs is of utmost importance, as bio-sensors are highly resource-constrained. Although many heuristic- and metaheuristic-based routing protocols have been proposed for WBANs, they suffer from some drawbacks: low solution quality of heuristics and low speed of metaheuristics in online routing. To overcome these drawbacks and simultaneously benefit from the advantage of both techniques, we present an ensemble heuristic-metaheuristic protocol (called CHM) as an adjustable routing solution for WBANs. In CHM, a multi-criteria heuristic based on the residual energy, distance to sink, path loss, and history of becoming a relay node, is used to select proper cluster heads. Furthermore, a metaheuristic algorithm using a genetic algorithm is applied to automatically tune the heuristic protocol. Simulation results in MATLAB using IEEE 802.15.6 on different WBANs demonstrate the performance of the introduced CHM protocol when compared with the existing routing protocols in terms of prolonging the application-specific network lifetime definition. تفاصيل المقالة

حرية الوصول المقاله

382 - Applying Genetic Algorithm to EEG Signals for Feature Reduction in Mental Task Classification
Alireza Rezaee

Brain-Computer interface systems are a new mode of communication which provides a new path between brain and its surrounding by processing EEG signals measured in different mental states. Therefore, choosing suitable features is demanded for a good BCI communication. In أکثر

Brain-Computer interface systems are a new mode of communication which provides a new path between brain and its surrounding by processing EEG signals measured in different mental states. Therefore, choosing suitable features is demanded for a good BCI communication. In this regard, one of the points to be considered is feature vector dimensionality. We present a method of feature reduction using genetic algorithm as a wide search method and we choose 6 best frequency band powers of EEG, in order to speed up processing and meanwhile avoid classifier over fitting. As a result a vector of power spectrum of EEG frequency bands (alpha, beta, gamma, delta & theta) was found that reduces the dimension while giving almost the same correct classification rate. تفاصيل المقالة

حرية الوصول المقاله

383 - Mix proportioning of high-performance concrete by applying the GA and PSO
Alireza rezaee mohamad reza hasani ahangar

High performance concrete is designed to meets special requirements such as high strength, high flowability, and high durability in large scale concrete construction. To obtain such performance many trial mixes are required to find desired combination of materials and أکثر

High performance concrete is designed to meets special requirements such as high strength, high flowability, and high durability in large scale concrete construction. To obtain such performance many trial mixes are required to find desired combination of materials and there is no conventional way to achieve proper mix proportioning. Genetic algorithm is a global optimization technique based on mechanics of natural selection and natural genetics and can be used to find a near optimal solution to a problem that may have many solutions. Particle swarm optimization is another evolutionary searching strategy motivated by social behaviors to obtain optimum answer. This paper presents a method whereby the mixture proportion of concrete can be optimized to reduce the number of trial mixtures with desired properties by using the genetic algorithm and particle swarm optimization techniques. تفاصيل المقالة

حرية الوصول المقاله

384 - 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

385 - Adaptive Approximate Record Matching
Ramin Rahnamoun

Typographical data entry errors and incomplete documents, produce imperfect records in real world databases. These errors generate distinct records which belong to the same entity. The aim of Approximate Record Matching is to find multiple records which belong to an ent أکثر

Typographical data entry errors and incomplete documents, produce imperfect records in real world databases. These errors generate distinct records which belong to the same entity. The aim of Approximate Record Matching is to find multiple records which belong to an entity. In this paper, an algorithm for Approximate Record Matching is proposed that can be adapted automatically with input error patterns. In field matching phase, edit distance method is used. Naturally, it had been customized for Persian language problems such as similarity of Persian characters, usual typographical errors in Persian, etc. In record matching phase, the importance of each field can be determined by specifying a coefficient related to each field. Coefficient of each field must be dynamically changed, because of changes of typographical error patterns. For this reason, Genetic Algorithm (GA) is used for supervised learning of coefficient values. The simulation results show the high abilities of this algorithm compared with other methods (such as Decision Trees). تفاصيل المقالة

حرية الوصول المقاله

386 - Artificial Intelligence Based Approach for Identification of Current Transformer Saturation from Faults in Power Transformers
A. R Moradi Y Alinejad Beromi K Kiani Z Moravej

Protection systems have vital role in network reliability in short circuit mode and proper operating for relays. Current transformer often in transient and saturation under short circuit mode causes mal-operation of relays which will have undesirable effects. Therefore, أکثر

Protection systems have vital role in network reliability in short circuit mode and proper operating for relays. Current transformer often in transient and saturation under short circuit mode causes mal-operation of relays which will have undesirable effects. Therefore, proper and quick identification of Current transformer saturation is so important. In this paper, an Artificial Neural Network (ANN) which is trained by two different swarm based algorithms; Gravitational Search Algorithm (GSA) and Particle Swarm Optimization (PSO) have been used to discriminate between Current transformer saturation and fault currents in power transformers. In fact, GSA operates based on gravity law and in opposite of other swarm based algorithms, particles have identity and PSO is based on behaviors of bird flocking. Proposed approach has two general stages. In first step, obtained data from simulation have been processed and applied to an ANN, and then in second step, using training data considered ANN has been trained by GSA & PSO. Finally, a proposed technique has been compared with one of the common training approach which is called Genetic algorithm (GA). تفاصيل المقالة

حرية الوصول المقاله

387 - Efficiency Improvement of Induction Motor using Fuzzy-Genetic Algorithm
Sadegh Hesari Mohammad Bagher Naghibi Sistani

In most industrial zones, electric energy is one of the most important energy sources. Since electrical motors are the main energy consumers of industrial factories, consumption optimization in these motors can be considered as a main option related to energy saving. On أکثر

In most industrial zones, electric energy is one of the most important energy sources. Since electrical motors are the main energy consumers of industrial factories, consumption optimization in these motors can be considered as a main option related to energy saving. One very effective way to reduce the consumption of these equipment is to use a motor speed controllers or drives. Since the loss of inductive motor has a direct relationship with motor flux, in this paper, the rotor flux vector control has been used. Due to the strength of fuzzy controllers in load failure and noise generation states, this controller has been used to adjust the drive speed. Two fuzzy logic inputs including speed error and speed variation derivative, and a fuzzy output, motor reference torque (Te*) are estimated. The genetic optimization algorithm has been used in order to improve the Efficiency and reduce the losses. As such, the drive performance in GA and Fuzzy-Genetic (FG) states is reviewed and the simulation results are presented. Finally, the obtained results in this paper have been compared to the results of FOC inductive motor with PI controller and without optimization. It can be seen that when FG method is employed, the results show a higher performance and losses are reduced up to almost 40 to 50% in different loads, and the amount of input power is also reduced up to approximately 30%. تفاصيل المقالة

حرية الوصول المقاله

388 - Optimal Bidding Strategies of GENCOs in Day-Ahead Energy and Spinning Reserve Markets Based on Hybrid GA-Heuristic Optimization Algorithm
Mohammad Esmaeil Nazari Morteza Mohammad Ardehali

In an electricity market, every generation company (GENCO) attempts to maximize profit according to other participants bidding behaviors and power systems operating conditions. The goal of this study is to examine the optimal bidding strategy problem for GENCOs in energ أکثر

In an electricity market, every generation company (GENCO) attempts to maximize profit according to other participants bidding behaviors and power systems operating conditions. The goal of this study is to examine the optimal bidding strategy problem for GENCOs in energy and spinning reserve markets based on a hybrid GA-heuristic optimization algorithm. The heuristic optimization algorithm used in this study is successfully applied for validation and, it is determined that the heuristic optimization algorithm improves profits of a GENCO by 4.15-47.95% and 20.84-31.30% in single-sided and double-sided auctions, respectively. تفاصيل المقالة

حرية الوصول المقاله

389 - Genetic algorithm for Echo cancelling
Alireza rezaee

In this paper, echo cancellation is done using genetic algorithm (GA). The genetic algorithm is implemented by two kinds of crossovers; heuristic and microbial. A new procedure is proposed to estimate the coefficients of adaptive filters used in echo cancellation with c أکثر

In this paper, echo cancellation is done using genetic algorithm (GA). The genetic algorithm is implemented by two kinds of crossovers; heuristic and microbial. A new procedure is proposed to estimate the coefficients of adaptive filters used in echo cancellation with combination of the GA with Least-Mean-Square (LMS) method. The results are compared for various values of LMS step size and different types of crossovers which are all satisfactory. Reverse SNR is used as the fitness function. It can estimate an echo path with definite length of impulse response with an adaptive filter with desired length. Results show that the proposed combined GA-LMS method operates more satisfactory than simple GA in terms of the number of generations needed to achieve a particular amount of echo cancellation. Different tests show that GAs running with heuristic crossover converge faster than GAs with microbial crossover. Results are also compared with LMS algorithm. Although LMS is faster, but its solutions are less precise and it diverges in some cases. But our proposed method always converges. تفاصيل المقالة

حرية الوصول المقاله

390 - 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

391 - Optimal Path Diagnosis by Genetic Algorithm for NoCs
Setareh Shafaghi Reza Sabbaghi-Nadooshan

Nowadays Network-on-Chips is used instead of System-on-Chips for better performance. This paper presents a new algorithm to find a shorter path, and shows that genetic algorithm is a potential technique for solving routing problem for mesh topology in on-chip-network.

Nowadays Network-on-Chips is used instead of System-on-Chips for better performance. This paper presents a new algorithm to find a shorter path, and shows that genetic algorithm is a potential technique for solving routing problem for mesh topology in on-chip-network. تفاصيل المقالة

حرية الوصول المقاله

392 - Optimal Scheduling of Coordinated Wind-Pumped Storage-Thermal System Considering Environmental Emission Based on GA Based Heuristic Optimization Algorithm
Mohammad Esmaeil Nazari Morteza Mohammad Ardehali

The integration of renewable wind and pumped storage with thermal power generation allows for dispatch of wind energy by generation companies (GENCOs) interested in participation in energy and ancillary services markets. However, to realize the maximum economic profit, أکثر

The integration of renewable wind and pumped storage with thermal power generation allows for dispatch of wind energy by generation companies (GENCOs) interested in participation in energy and ancillary services markets. However, to realize the maximum economic profit, optimal coordination and accounting for reduction in cost for environmental emission is necessary. The goal of this study is to develop a simulation model for maximizing economic profit from coordination of renewable wind and pumped storage with thermal power generation for a GENCO with participation in energy and ancillary services markets with considerations for environmental emission and uncertainty associated with wind power based on a newly developed GA-based heuristic optimization algorithm. It is determined that for a GENCO with 13 MW wind farm capacity and 1662 MW thermal units, for meeting an average demand of 1129 MW, the utilization of 120 MW pumped storage in a coordinated wind-pumped storage-thermal system results in reduction of environmental emission by 13.54%, which leads to an increase in profit by 2.10%, as compared with operation with no pumped storage unit. تفاصيل المقالة

حرية الوصول المقاله

393 - 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

394 - Design Optimization for Total Volume Reduction of Permanent Magnet Synchronous Generators
Reza Ilka Yousef Alinejad-Beromi Hossein Asgharpour-Alamdari Hamid Yaghobi

Permanent magnet synchronous generators (PMSGs) are novel generators which can be used in high-performance wind farms. High efficiency and flexibility in producing electricity from variable rotation make them good candidate for wind power applications. Furthermore, beca أکثر

Permanent magnet synchronous generators (PMSGs) are novel generators which can be used in high-performance wind farms. High efficiency and flexibility in producing electricity from variable rotation make them good candidate for wind power applications. Furthermore, because these kinds of generators have no excitation winding, there is no copper loss on rotor; hence, they can operate at high power factor. Besides, performance characteristics of such generators could be further improved by design optimization. This paper presents design optimization of PMSGs used in small wind turbines using novel and efficient optimization algorithm i.e. Artificial Bee Colony (ABC) Algorithm. Then, a well-known optimization algorithm i.e. Genetic Algorithm (GA) is used to show the validity and efficiency of the before-mentioned algorithm. For this purpose, the necessary equations are provided. Objective function of this study is to reduce the total volume of motor. Case study of this study is a 5 kW, 220 V, 50 Hz, 100 rpm generator. Finally, results obtained by optimization are verified with Maxwell software which is based on finite element method (FEM). Comparison shows that the results of optimization approach are in good agreement with that of FEM ones. تفاصيل المقالة

حرية الوصول المقاله

395 - Intrusion Detection in Wireless Sensor Networks using Genetic Algorithm
Elham Yazdankhah Fardad Farokhi Reza Sabbaghi-Nadooshan

Wireless sensor networks, due to the characteristics of sensors such as wireless communication channels, the lack of infrastructure and targeted threats, are very vulnerable to the various attacks. Routing attacks on the networks, where a malicious node from sending dat أکثر

Wireless sensor networks, due to the characteristics of sensors such as wireless communication channels, the lack of infrastructure and targeted threats, are very vulnerable to the various attacks. Routing attacks on the networks, where a malicious node from sending data to the base station is perceived. In this article, a method that can be used to transfer the data securely to prevent attacks is suggested. The selection based on optimal path by routing using genetic algorithm uses. The proposed optimal paths to transmit data perceived to have chosen and ensures reliable data transmission. تفاصيل المقالة

حرية الوصول المقاله

396 - Substation Expansion Planning Based on BFOA
H. Kiani Rad Z. Moravej

In recent years, significant research efforts have been devoted to the optimal planning of power systems. Substation Expansion Planning (SEP) as a sub-system of power system planning consists of finding the most economical solution with the optimal location and size of أکثر

In recent years, significant research efforts have been devoted to the optimal planning of power systems. Substation Expansion Planning (SEP) as a sub-system of power system planning consists of finding the most economical solution with the optimal location and size of future substations and/or feeders to meet the future demand. The large number of design variables, and combination of discrete and continuous variables makes the substation expansion planning a very challenging problem. So far, various methods have been presented to solve such a complicated problem. Since the Bacterial Foraging Optimization Algorithm (BFOA) has been proper results in studies of power systems, and has not been applied to SEP problem yet, this paper develops a new BFO-based method to solve the SEP problem. The technique discussed in this paper uses BFOA to simultaneously optimize the sizes and locations of both the existing and new installed substation and feeders by considering reliability constraints. To clarify the capabilities of the presented method a typical network is considered and the results of applying GA and BFOA on the network are compared. The simulation results demonstrate that the BFOA has the potential to find more optimal results than the other algorithm under the same conditions. Also, the fast convergence, consideration of real-world networks limitations as problem constraints and simplicity in applying to large scale networks are the main features of the proposed method. تفاصيل المقالة

حرية الوصول المقاله

397 - Frequency Control of Isolated Hybrid Power Network Using Genetic Algorithm and Particle Swarm Optimization
Mahdie Hasanpour Qadikolai Sina mohammadi

This paper, presents a suitable control system to manage energy in distributed power generation system with a Battery Energy Storage Station and fuel cell. First, proper Dynamic Shape Modeling is prepared. Second, control system is proposed which is based on Classic Con أکثر

This paper, presents a suitable control system to manage energy in distributed power generation system with a Battery Energy Storage Station and fuel cell. First, proper Dynamic Shape Modeling is prepared. Second, control system is proposed which is based on Classic Controller. This model is educated with Genetic Algorithm and particle swarm optimization. The proposed strategy is compared with Classic Controller. The robustness of suggested strategy in the front of nature of wind energy and Environmental conditions led to Parameter changes and load changes. It was investigated and simulated in MATLAB and the result was observed. As a result of simulation, control system has reflected a better behavior rather than load changes. The proposed methods are applied on various situations with actual climate data. تفاصيل المقالة

حرية الوصول المقاله

398 - Energy-Saving in Wireless Sensor Networks Based on Optimization Sink Movement Control
Mozhgan Toulabi Shahram Javadi

A sensor network is made up of a large number of sensors with limited energy. Sensors collect environmental data then send them to the sink. Energy efficiency and thereby increasing the lifetime of sensor networks is important. Direct transfer of the data from each node أکثر

A sensor network is made up of a large number of sensors with limited energy. Sensors collect environmental data then send them to the sink. Energy efficiency and thereby increasing the lifetime of sensor networks is important. Direct transfer of the data from each node to the central station will increase energy consumption. Previous research has shown that the organization of nodes in clusters and selection the appropriate cluster head increases the network lifetime. In this study, clustering, determine to cluster heads and the sink movement on the predefined paths has been done with fuzzy method. There are two inputs for the fuzzy model; residual energy of the node and distance from the sink. The output is priority of cluster heads. Sink moves base on the highest priorities on the predefined paths. Then by using genetic algorithm, the number of clusters, shape type and area is optimized. Fitness function is based on network lifetime. تفاصيل المقالة

حرية الوصول المقاله

399 - 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

400 - مدل بهبودیافته ردیابی شاخص با درنظر گرفتن هزینه‌های معاملاتی
امیر آزادی امیرعباس نجفی

مسئله بهینه‌سازی پورتفوی سرمایه‌گذاری، یکی از مباحث بسیار مهم در بازارهای مالی است. برای مدیریت پورتفوی دو نوع استراتژی منفعلانه و فعالانه وجود دارد که ایجاد پورتفوی ردیاب شاخص یکی از جنبه های رویکرد منفعلانه برای مدیریت سبد سهام می‌باشد. اساس سبد ردیاب شاخص، دستیابی به أکثر

مسئله بهینه‌سازی پورتفوی سرمایه‌گذاری، یکی از مباحث بسیار مهم در بازارهای مالی است. برای مدیریت پورتفوی دو نوع استراتژی منفعلانه و فعالانه وجود دارد که ایجاد پورتفوی ردیاب شاخص یکی از جنبه های رویکرد منفعلانه برای مدیریت سبد سهام می‌باشد. اساس سبد ردیاب شاخص، دستیابی به عملکردی مطابق با بازده شاخص با تشکیل سبدی محدود از سهام است که در پی آن هزینه‌های معاملاتی برای سرمایه‌گذار کاهش پیدا خواهد کرد. در این پژوهش، مدلی برای تشکیل پورتفوی ردیاب ارائه شده است که هدف آن کمینه‌سازی انحرافات نامطلوب (بازده پورتفوی کمتر از بازده شاخص) و بیشینه‌سازی انحرافات مطلوب (بازده پورتفوی بیشتر از شاخص) است. بمنظور حل مدل توسعه داده شده از الگوریتم ژنتیک استفاده شده است. برای ارزیابی عملکرد مدل، داده‌های چهار صنعت بزرگ بورس اوراق بهادار تهران بکار گرفته شده و نتایج نشان می‌دهد که مدل پیشنهادی عملکرد خوبی در ردیابی شاخص مربوطه و دستیابی به بازده مازاد بر شاخص داشته است. تفاصيل المقالة

حرية الوصول المقاله

401 - 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

402 - توسعه یک روش هوشمند مبتنی بر شاخص‌های تکنیکال فازی برای پیش بینی و معامله نرخ برابری یورو- دلار.
علیرضا صادقی امیر دانشور مهدی معدن چی زاج

امروزه بازار فارکس بزرگترین بازار مالی در دنیا میباشد. تعیین استراتژی مناسب برای خرید یا فروش در بازار فارکس بر پایه پیش بینی از روند قیمت ها استوار است.لذا برای انتخاب یک استراتژی مناسب در فارکس، استفاده از مدل های پیچیده فراابتکاری استفاده می شود. در این تحقیق با پیش أکثر

امروزه بازار فارکس بزرگترین بازار مالی در دنیا میباشد. تعیین استراتژی مناسب برای خرید یا فروش در بازار فارکس بر پایه پیش بینی از روند قیمت ها استوار است.لذا برای انتخاب یک استراتژی مناسب در فارکس، استفاده از مدل های پیچیده فراابتکاری استفاده می شود. در این تحقیق با پیش بینی روند بازار و بر اساس قواعد معاملاتی مبتی بر شاخص‌های تکنیکال فازی روش جدیدی را برای سرمایه‌گذاری در بازار فارکس ارائه می کند. برای پیش بینی، ترکیبی از الگوریتم‌ ماشین بردار پشتیبان ترکیبی (HSVM) و برای طبقه بندی بازار در سه کلاس مختلف ( روند صعودی، روند نزولی، بدون روند) و یک الگوریتم پویای ژنتیک برای بهینه سازی قواعد معاملاتی استفاده شده است . برای تعیین قواعد معاملاتی از 5 شاخص تکنیکال فازی استفاده شده است.داده های جفت ارز یورو به دلار، در یک بازه زمانی روزانه بین سال های 2010 تا 2019 به عنوان داده های آموزش و آزمون استفاده می شود. نتایج بدست آمده در مقایسه با روش های سنتی نتایج امیدوارکننده ای داشته است تفاصيل المقالة

حرية الوصول المقاله

403 - بهینه سازی سبد سهام مبتنی بر مدل برنامه ریزی امکانی استوار با استفاده از الگوریتم‌های ژنتیک و جهش قورباغه مخلوط شده
محمدسعید حیدری جواد ولیدی سیدبابک ابراهیمی

در مسئله انتخاب سبد سرمایه‌گذاری که یکی از مهم‌ترین مسائل در حوزه مالی است، استفاده از مدلی که بتواند شرایط محیط‌های واقعی را در نظر بگیرد، اهمیت دارد. در بازارهای مالی، نوسانات شدید و متواتر سبب تغییر مکرر در خروجی‌های مدل‌های سبد سرمایه‌گذاری می‌گردد و این مسئله نیاز أکثر

در مسئله انتخاب سبد سرمایه‌گذاری که یکی از مهم‌ترین مسائل در حوزه مالی است، استفاده از مدلی که بتواند شرایط محیط‌های واقعی را در نظر بگیرد، اهمیت دارد. در بازارهای مالی، نوسانات شدید و متواتر سبب تغییر مکرر در خروجی‌های مدل‌های سبد سرمایه‌گذاری می‌گردد و این مسئله نیاز به تغییر وزن دارایی‌های موجود در سبد را افزایش می‌دهد که سبب تحمل هزینه‌های بالای مدیریتی و معاملاتی می‌شود. در ادبیات موجود در زمینه مدل‌های سبد سرمایه‌گذاری، یکی از رویکردهای مقابله با این نوع هزینه‌های زیاد رویکرد بهینه‌سازی استوار است. در این پژوهش تلاش شده است از الگوریتم ژنتیک و الگوریتم جهش قورباغه مخلوط شده برای حل مدل برنامه‌ریزی امکانی استوار ارائه‌شده توسط امیری و حیدری (1399) در ابعاد بزرگ‌تر و به‌منظور بهینه‌سازی سبد سهام استفاده شود. در این راستا 15 مسئله معین با ابعاد (تعداد شرکت و دوره زمانی) مختلف طراحی شده و پردازش روی آن‌ها صورت می‌گیرد. نتایج حاصل از اجرای دو الگوریتم بر روی 15 مسئله مذکور با استفاده از آزمون آماری T مورد مقایسه قرار گرفته است که بیانگر عدم تفاوت معنادار بین دو الگوریتم در انتخاب سبد سرمایه‌گذاری است اما رویکرد ترکیبی تاپسیس و وزن‌دهی آنتروپی، الگوریتم ژنتیک را به‌عنوان الگوریتم برتر انتخاب می‌کند. تفاصيل المقالة

حرية الوصول المقاله

404 - توسعه یک رویکرد جدید یادگیری جمعی برای انتخاب پورتفوی سهام با استفاده از ماشین بردار پشتیبان چند کلاسه و الگوریتم ژنتیک
نسرین باقری مزرعه امیر دانشور مهدی معدنچی زاج

امروزه در بازارهای مالی حجم و سرعت معاملات افزایش چشم‌گیری یافته‌است و دچار تغییر و تحولات گسترده‌ای شده‌است. تعیین استراتژی مناسب برای خرید و فروش در بورس اوراق بهادار وقتی با روندهای افزایشی وکاهشی یا نوسانی مواجه هستند بسیار مهم می‌باشد .لذا برای انتخاب یک استراتژی م أکثر

امروزه در بازارهای مالی حجم و سرعت معاملات افزایش چشم‌گیری یافته‌است و دچار تغییر و تحولات گسترده‌ای شده‌است. تعیین استراتژی مناسب برای خرید و فروش در بورس اوراق بهادار وقتی با روندهای افزایشی وکاهشی یا نوسانی مواجه هستند بسیار مهم می‌باشد .لذا برای انتخاب یک استراتژی مناسب، استفاده از مدل‌های پیچیده فراابتکاری استفاده می‌شود. در این تحقیق تلاش می-شـود تا با توسعه روش جدید انتخاب و بهینه‌سازی پرتفوی سهام مبتنی بر الگوریتم یادگیری جمعی و ژنتیک به منظور انتخاب بهترین استراتژی معاملاتی برای کسب بازدهی بیشتر و ریسک کمتر استفاده کرد. برای پیش بینی بازده و دریافت سیگنال خرید از ترکیب الگوریتم ماشین بردار پشتیبان شش کلاسه(SVM) و برای بهینه‌سازی قواعد معاملاتی از الگوریتم پویای ژنتیک استفاده شد‌ه‌است. برای بهبود دقت طبقه‌بندی بازده در این تحقیق از روش‌های یادگیری جمعی شامل Bagging، یکی از الگوریتم‌های مبتنی بر Ensemble Learning استفاده شده است .داده‌های مربوط به هر سهم و متغیرهای بنیادی، در یک بازه زمانی روزانه بین سالهای 1390 تا 1399 به عنوان داده‌های آموزش و آزمون استفاده می‌شود. نتایج بدست آمده درمقایسه با روش‌های سنتی نتایج امیدوارکننده‌ای داشته‌است. تفاصيل المقالة

حرية الوصول المقاله

405 - رویکرد سیستم استنتاج عصبی فازی انطباقی (ANFIS) و راهبرد های ماتریس شبکه (GA) در بهینه سازی پورتفوی سرمایه گذاری در بورس اوراق بهادار تهران و فرابورس ایران
علی شیدایی نرمیقی فریدون رهنمای رودپشتی رضا رادفر

بهینه‌سازی سبد سرمایه‌گذاری فرآیندی است که طی آن سرمایه‌گذار به دنبال بیشینه کردن بازده سرمایه یا کمینه کردن ریسک است. یکی از موضوعات اصلی مشخص کردن روش بهینه سازی است که به تشکیل سبد سرمایه گذاری بهینه یعنی حداقل نمودن ریسک سرمایه گذاری و حداکثر کردن سود سرمایه گذاری م أکثر

بهینه‌سازی سبد سرمایه‌گذاری فرآیندی است که طی آن سرمایه‌گذار به دنبال بیشینه کردن بازده سرمایه یا کمینه کردن ریسک است. یکی از موضوعات اصلی مشخص کردن روش بهینه سازی است که به تشکیل سبد سرمایه گذاری بهینه یعنی حداقل نمودن ریسک سرمایه گذاری و حداکثر کردن سود سرمایه گذاری می باشد. هدف پژوهش حاضر بررسی قابلیت سیستم استنتاج عصبی فازی انطباقی (ANFIS) و راهبردهای ماتریس شبکه (GA) در انتخاب و بهینه سازی سبد سرمایه گذاری از بین شرکت های بورس اوراق بهادار تهران و فرابورس ایران انتخاب شده است. گروه بندی سهام بوسیله ماتریس شبکه و دسته بندی شرکت ها براساس ارزش بازار آنها و استفاده از قانون چارک ها و در نهایت وزن دهی آنها متناسب با بازدهی پیش بینی ماه آینده آن سهم در نظرگرفته می شود. همچنین نسبت به طراحی و ارائه یک مدل بهینه سازی سبد سرمایه گذاری سهام با استفاده از سیستم استنتاج عصبی فازی انطباقی و ترکیب آن با الگوریتم ژنتیک پرداخته شده است که در آن از سه دسته مختلف متغیرهای سری زمانی ، فنی و بنیادی به ‌عنوان ورودی‌های مدل استفاده می‌شود. خروجی‌های تحقیق نشان می دهد این سیستم‌ها از توانایی لازم برای بهینه سازی سبد سرمایه گذاری سهام برخوردار می‌باشند. تفاصيل المقالة

حرية الوصول المقاله

406 - پیش بینی شاخص کل بورس اوراق بهادارتهران با استفاده از روش تحلیل طیفی تکین و الگوریتم ژنتیک
زهرا حسن دوست حمیدرضا وکیلی فرد

نوسانات در بازارهای مالی با سیگنال و نویز همراه می‌باشد. در این مقاله علاوه بر تجزیه‌وتحلیل طیفی تکین، برای پیدا کردن طول پنجره و نقطه برش بهینه از الگوریتم ژنتیک استفاده‌شده است که تابع هدف آن، یافتن حداقل مقدار برای تابع همبستگی میان مؤلفه‌های سیگنال و نویز می‌باشد. ب أکثر

نوسانات در بازارهای مالی با سیگنال و نویز همراه می‌باشد. در این مقاله علاوه بر تجزیه‌وتحلیل طیفی تکین، برای پیدا کردن طول پنجره و نقطه برش بهینه از الگوریتم ژنتیک استفاده‌شده است که تابع هدف آن، یافتن حداقل مقدار برای تابع همبستگی میان مؤلفه‌های سیگنال و نویز می‌باشد. بدین خاطر ابتدا دادهای ده‌ساله شاخص کل بورس اوراق بهادار تهران طی سال‌های 1388 تا 1397 با استفاده از روش تجزیه طیفی تکین در سه پیاده‌سازی شد. سپس در قالب یک مسئله بهینه‌سازی توسط الگوریتم ژنتیک حل شد. نتایج حاصل از فرضیه اول نشان داد که تفکیک‌پذیری سیگنال و نویز درروش تحلیل طیفی تکین امکان‌پذیر می‌باشد. هم‌چنین با توجه به نتایج حاصل در تحقیق، تحلیل طیفی تکین مبتنی بر الگوریتم ژنتیک با داشتن خطای قدر مطلق میانگین کمتر، بهبود در دقت پیش‌بینی را نشان داد. درنهایت نیز با توجه به یافتن کمترین همبستگی وزنی بین مؤلفه‌های سری زمانی جهت تفکیک سیگنال و نویز (یافتن نقطه‌ی برش) و سپس با دست آوردن طول پنجره‌ی بهینه در تحلیل طیفی تکین مبتنی بر الگوریتم ژنتیک، گویای این واقعیت است که تغییر در مقدار پارامترها می‌تواند در بهبود عملکرد روش تحلیل طیفی مفید واقع شود. تفاصيل المقالة

حرية الوصول المقاله

407 - ارائه الگوی ارزشگذاری IPO با استفاده از الگوریتم ژنتیک و مقایسه ارزش الگوی پیشنهادی با Op
سمانه فتح علیان سیدعلی نبوی چاشمی ابراهیم چیرانی

ارزشگذاری مناسب Ipo شرکت هایی که برای اولین بار وارد بازار سرمایه می شوند، هم برای صاحبان شرکت و هم برای سرمایه گذاران بسیار حیاتی است. اما ارزشگذاری این سهام تحت تأثیر عوامل کمی و کیفی بسیاری می باشد. سیستم های هوشمند غیرخطی هم چون شبکه های عصبی و الگوریتم ژنتیک ابزار أکثر

ارزشگذاری مناسب Ipo شرکت هایی که برای اولین بار وارد بازار سرمایه می شوند، هم برای صاحبان شرکت و هم برای سرمایه گذاران بسیار حیاتی است. اما ارزشگذاری این سهام تحت تأثیر عوامل کمی و کیفی بسیاری می باشد. سیستم های هوشمند غیرخطی هم چون شبکه های عصبی و الگوریتم ژنتیک ابزار مناسبی جهت پیش بینی دقیق ارزش سهام عرضه اولیه است. لذا هدف از انجام این پژوهش ارائه الگوی ارزشگذاری IPO با استفاده از الگوریتم ژنتیک و مقایسه ارزش الگوی پیشنهادی با Op می باشد. به این منظور داده های مربوط به 421 شرکت جمع‌آوری شد که در طی سال های 1388 تا 1397 اقدام به عرضه عمومی اولیه سهام در بورس اوراق بهادار تهران نموده بودند. هم چنین جهت تجزیه و تحلیل داده ها از روش های رگرسیون پیش رو، شبکه عصبی و الگوریتم ژنتیک بهره گرفته شده است. نتایج تحقیق نشان داد: الگوی ارزشگذاری Ipoبا استفاده از الگوریتم ژنتیک، الگوی بهینه ارزشگذاری IPO است. همچنین ارزشگذاری پیش بینی شده در عین نزدیکی به op ، ضمن افزایش نسبی قیمت می تواند انتظارات سرمایه‌گذاران و صاحبان شرکت ها در ارزشگذاری مناسب IPO را برآورده نماید. تفاصيل المقالة

حرية الوصول المقاله

408 - تبیین عوامل موثر بر نقد شوندگی سهام با استفاده از الگوریتم ژنتیک و روش حداقل افزونگی و حداکثر ارتباط(MRMR)
محمود رضائی حسین پناهیان مهدی معدن چی زاج حسن قدرتی

نقد شوندگی سهام یک چالش مهم در بازار سرمایه می‌باشد. شناسایی عوامل اثرگذار بر نقدشوندگی، به پیش بینی وضعیت نقدشوندگی سهام و در نتیجه مدیریت ریسک سهام کمک می کند. هدف این تحقیق یافتن عوامل تاثیرگذار بر نقد شوندگی سهام می‌باشد. بدین منظور در مرحله اول با استفاده از ادبیات أکثر

نقد شوندگی سهام یک چالش مهم در بازار سرمایه می‌باشد. شناسایی عوامل اثرگذار بر نقدشوندگی، به پیش بینی وضعیت نقدشوندگی سهام و در نتیجه مدیریت ریسک سهام کمک می کند. هدف این تحقیق یافتن عوامل تاثیرگذار بر نقد شوندگی سهام می‌باشد. بدین منظور در مرحله اول با استفاده از ادبیات تحقیق و خبرگان عوامل اثرگذار مشخص و با استفاده از روش‌های حداقل افزونگی و حداکثر ارتباط(MRMR) و الگوریتم ژنتیک، متغیرهای تأثیرگذار انتخاب شده‌اند. در انجام این پژوهش با استفاده از نرم افزارExcel و داده های خام موجود ، داده های مورد نیاز ایجاد شده و سپس با استفاده از نرم افزارمتلب و جعبه ابزار شبکه عصبی و ماشین بردار پشتیبان ساخته شد. . در نهایت متغیرهای استخراجی با استفاده از MRMR ، شامل ارزش بازار سهام، شدت رقابت در بازار محصول، رشد تولید ناخالص داخلی، بازده حقوق صاحبان سهام، بازده سهام، نرخ تورم و مالکیت خانوادگی و با استفاده از الگوی ژنتیک اهرم مالی، مالکیت دولتی، بازده حقوق صاحبان سهام، رشد تولید ناخالص داخلی، درصد شناوری سهم، نوع بازار و تابلو (در بورس و فرابورس)، شدت رقابت در بازار محصول انتخاب شدند. تفاصيل المقالة

حرية الوصول المقاله

409 - انتخاب و بهینه سازی سبد سهام با استفاده از الگوریتم ژنتیک، با بهره گیری از مدل میانگین-نیمه واریانس مارکویتز
عسگر پاک مرام جمال بحری ثالث مصطفی ولی زاده

یکی از ویژگی های مهم کشورهای صنعتی و توسعه یافته، وجود بازار فعال و پویای پول و سرمایه است. به عبارت دیگر، اگر پس اندازهای افراد با مکانیسم صحیح به بخش تولید هدایت شوند، علاوه بر بازدهی که برای صاحبان سرمایه به ارمغان می آورد، می تواند به عنوان مهمترین عامل تأمین سرمایه أکثر

یکی از ویژگی های مهم کشورهای صنعتی و توسعه یافته، وجود بازار فعال و پویای پول و سرمایه است. به عبارت دیگر، اگر پس اندازهای افراد با مکانیسم صحیح به بخش تولید هدایت شوند، علاوه بر بازدهی که برای صاحبان سرمایه به ارمغان می آورد، می تواند به عنوان مهمترین عامل تأمین سرمایه، برای راه اندازی طرح های اقتصادی جامعه نیز مفید باشد. در پژوهش حاضر، انتخاب و بهینه سازی سهام با استفاده از سه الگوریتم، شامل الگوریتم ژنتیک، فرهنگی و ازدحام ذرات مورد بررسی قرار گرفته است. از این رو، 106 شرکت پذیرفته شده بورس اوراق بهادار تهران، در طی دوره زمانی 1386 الی 1393، به منظور بررسی این موضوع مورد آزمون قرار گرفتند. این پژوهش به بررسی تفاوت بین میانگین بازده سرمایه گذاری در سبدهای منتخب بر اساس سه روش پرداخته و آزمون های آماری مربوط به نتایج حاکی از عدم وجود اختلاف معنادار بین سه الگوریتم می باشد. از طرفی به منظور مقایسه دو الگوریتم و بررسی برتری الگوریتم ها، این دو روش بهینه سازی از دو بعد تابع هدف و نسبت بازده و ریسک مورد مقایسه قرار گرفتند و از آنجایی که الگوریتم ژنتیک مقدار تابع هدف کمتری داشته یا به عبارتی با کمترین خطا به بهترین نتیجه رسیده است، نسبت به الگوریتم های دیگر بهتر عمل کرده است و نشان دهنده برتری نسبی این الگوریتم در انتخاب سبد سهام بهینه است. تفاصيل المقالة

حرية الوصول المقاله

410 - بررسی کاربرد الگوریتم ژنتیک چند هدفه در بهینه سازی پرتفوی سهام با استفاده از شاخص های تکنیکال
حمیدرضا میرزائی احمد خدامی‌پور امید پورحیدری

اهداف کلاسیک دانش مالی مبنی بر موازنه بازده و ریسک و تحلیل آن در فرصت های مختلف، دستمایه بسیاری از پژوهش های مدیریت مالی بوده است. استفاده از شاخص های تکنیکال یکی از ابزارهای مدیریت پرتفوی به شمار می رود. این پژوهش به دنبال استفاده از این شاخص ها در استخراج قواعد معاملا أکثر

اهداف کلاسیک دانش مالی مبنی بر موازنه بازده و ریسک و تحلیل آن در فرصت های مختلف، دستمایه بسیاری از پژوهش های مدیریت مالی بوده است. استفاده از شاخص های تکنیکال یکی از ابزارهای مدیریت پرتفوی به شمار می رود. این پژوهش به دنبال استفاده از این شاخص ها در استخراج قواعد معاملات سهام است. دوره زمانی پژوهش از ابتدای سال 1388 تا پایان سال 1393 و نمونه شامل 216 شرکت می باشد. در این پژوهش در دوره زمانی 1388 تا 1390 با استفاده از شاخص های تکنیکال و الگوریتم ژنتیک چند هدفه با دو هدف ماکزیمم کردن بازده و مینیمم کردن ریسک مدلی برای مدیریت بهینه پرتفوی به دست آمد و در دوره زمانی 1391 تا 1393 این مدل در مدیریت بهینه پرتفوی سهام به کار گرفته شد. به منظور ارزیابی این مدل، نتایج به دست آمده با شاخص کل بورس اوراق بهادار تهران مقایسه شد و مشخص گردید با استفاده از شاخص های تکنیکال می توان عملکرد بهتری نسبت به بازار داشت. تفاصيل المقالة

حرية الوصول المقاله

411 - تبیین الگوی اندازه گیری مدیریت سود با استفاده از روش ترکیبی هوشمند شبکه های عصبی و الگوریتم های فراابتکاری(ژنتیک و ازدحام ذرات)
اقبال قادری پیمان امینی ایرج نوروش عطا محمدی

شناخت مدیریت سود برای استفاده کنندگان از اطلاعات حسابداری به دلیل ارزیابی عملکرد، پیش بینی سودآوری و تعیین ارزش واقعی شرکت بسیار حائز اهمیت است. هدف از این تحقیق برآورد الگوی برای پیش بینی مدیریت سود با استفاده الگوی شبکه های عصبی و سپس استفاده از الگوریتم های فراابتکار أکثر

شناخت مدیریت سود برای استفاده کنندگان از اطلاعات حسابداری به دلیل ارزیابی عملکرد، پیش بینی سودآوری و تعیین ارزش واقعی شرکت بسیار حائز اهمیت است. هدف از این تحقیق برآورد الگوی برای پیش بینی مدیریت سود با استفاده الگوی شبکه های عصبی و سپس استفاده از الگوریتم های فراابتکاری ژنتیک و ازدحام ذرات برای یافتن ترکیبی بهتر از داده های ورودی است به گونه ای که بتواند الگو اولیه را بهینه نماید. برای این منظور از 28 متغیر تاثیر گذار در قالب چهار گروه (مالی، مدیریتی، شرکتی و حسابرسی) در طی سال های 1390 الی 1395 در شرکت های پذیرفته شده در بورس اوراق بهادار تهران استفاده گردید. نتایج حاصل نشان می دهد که کاربرد این دو الگوریتم قدرت تبیین الگوهای اولیه را افزایش داده است. همچنین ارزیابی عملکرد الگو های شبکه عصبی حاکی از برتری این الگو ها در قیاس با الگوی رگرسیون خطیLR) ( است. روش ترکیبی شبکه های عصبی الگوریتم های ازدحام ذرات (A-PSO) و ژنتیک(A-GA) با شناسایی چهار متغیر بهینه به ترتیب شامل دقت پیش بینی، سهم مالکیت سهامداران عمده، اندازه شرکت و نسبت کیفیت، مدیریت سود را با دقت به ترتیب (59/95%) و (75/94%) پیش بینی کردند. بعلاوه روش های ترکیبی هوشمند فوق با بهبود ضریب همبستگی و معیار متوسط مربعات خطا نسبت به روش های رگرسیون خطی (LR) و روش شبکه های عصبی (ANN) در پیش بینی نتایج گروه ویژگی های مدیریتی و شرکتی کارآمدتر است. تفاصيل المقالة

حرية الوصول المقاله

412 - مدل فازی عصبی با ترکیب الگوریتم ژنتیک جهت پیش بینی قیمت سهام در صنعت خودرو در بورس اوراق بهادار تهران
احسان ساده رضا احتشامی راثی علی شیدایی نرمیقی

تعیین زمان بهینه و قیمت مناسب خرید و فروش سهام نقش بسزایی در تصمیمات سرمایه‌گذاری در بازار سرمایه و سود و زیان سرمایه‌گذار دارند. می‌توان از سیستم‌های هوشمند غیرخطی همچون شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک برای پیش‌بینی تغییرات قیمت سهام استفاده نمود. در أکثر

تعیین زمان بهینه و قیمت مناسب خرید و فروش سهام نقش بسزایی در تصمیمات سرمایه‌گذاری در بازار سرمایه و سود و زیان سرمایه‌گذار دارند. می‌توان از سیستم‌های هوشمند غیرخطی همچون شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک برای پیش‌بینی تغییرات قیمت سهام استفاده نمود. در این مقاله به طراحی و ارائه یک مدل پیش‌بینی قیمت سهام با استفاده از سیستم استنتاج عصبی فازی انطباقی و ترکیب آن با الگوریتم ژنتیک پرداخته شده است که در آن از دو دسته مختلف متغیرهای فنی و بنیادی به‌عنوان ورودی‌های مدل استفاده می‌شود. خروجی‌های حاصل از شبکه نشان می دهد میزان خطای پیش‌بینی هر دو دسته از ورودی های بنیادی و فنی تا حد قابل قبولی پایین است و این سیستم‌ها از توانایی لازم برای پیش‌بینی قیمت روزانه سهام برخوردار می‌باشند. برای ارزیابی دقت مدل، آزمون من ویتنی انجام گردید که با توجه به ورودی‌های مشخص شده برای دو حالت بنیادی و فنی، مشاهده گردید که تقریباً تفاوت معناداری بین نتایج پیش‌بینی قیمت در این دو روش وجود ندارد. هر دو روش بنیادی و فنی به شرط آنکه حداقل یکی از ورودی‌های آنها وابستگی خطی با قیمت داشته باشد، قادر به پیش‌بینی قیمت روز آتی با ضریب خطای نسبتاً قابل قبولی خواهند بود. همچنین در خصوص سهامی که میزان نوسانات قیمتی آن زیاد است، استفاده از رویکرد شبکه عصبی منجر به افزایش سطح خطای پیش‌بینی خواهد گردید و توصیه می‌شود از این روش برای پیش‌بینی قیمت سهام پرنوسان استفاده نشود. تفاصيل المقالة

حرية الوصول المقاله

413 - پیش‌بینی مدیریت سود مبتنی بر مدل جونز تعدیل شده با استفاده از مدل شبکه عصبی مصنوعی و الگوریتم ژنتیک
خسرو فغانی ماکرانی سیدحسن صالح نژاد وحید امین

در سالهای اخیر مدیریت سود در پژوهش های دانشگاهی توجه زیادی را به خود جلب کرده است. هدف این پژوهش پیش بینی مدیریت سود از طریق اقلام تعهدی اختیاری مبتنی بر مدل جونز تعدیل شده است. در این پژوهش از دو مدل شبکه عصبی مصنوعی و مدل ترکیبی الگوریتم ژنتیک – شبکه عصبی به عنو أکثر

در سالهای اخیر مدیریت سود در پژوهش های دانشگاهی توجه زیادی را به خود جلب کرده است. هدف این پژوهش پیش بینی مدیریت سود از طریق اقلام تعهدی اختیاری مبتنی بر مدل جونز تعدیل شده است. در این پژوهش از دو مدل شبکه عصبی مصنوعی و مدل ترکیبی الگوریتم ژنتیک – شبکه عصبی به عنوان الگوی موفقجهت پیش بینی مدیریت سود مبتنی بر جونز تعدیل شده در بورس اوراق بهادار تهران استفاده شده است. نمونه مورد استفاده در این پژوهش شامل 570 سال-شرکت بین سالهای 1387 الی 1392 می باشد. یافته های پژوهش نشان داد که شبکه عصبی مصنوعی از توانایی بالایی در پیش بینی مدیریت سود، نسبت به مدل خطی جونز تعدیل شده برخوردار است. همچنین یافته ها حاکی از آن است که الگوریتم ژنتیک به عنوان مدل بهینه ساز می تواند در افزایش توان پیش بینی شبکه عصبی مصنوعی و بهینه کردن وزن های آن برای پیش بینی مدیریت سود مبتنی بر مدل جونز تعدیل شده تأثیر بسزایی داشته باشد. تفاصيل المقالة

حرية الوصول المقاله

414 - بهینه سازی سبدسرمایه گذاری بر اساس ارزش در معرض ریسک
غلامرضا اسلامی بیدگلی احسان طیبی ثانی

تحقیق حاضر یک الگوریتم ابتکاری را برای حل مسأله محدود بهینه سازی سبد سهام با توجه به ارزش در معرض ریسک (VaR) به عنوان معیار ریسک و با استفاده از الگوریتم ترکیبی مورچگان و ژنتیک ارائه می دهد. در این تحقیق نشان داده خواهد شد که الگوریتم ترکیبی پیشنهادی قادر است مساله بهین أکثر

تحقیق حاضر یک الگوریتم ابتکاری را برای حل مسأله محدود بهینه سازی سبد سهام با توجه به ارزش در معرض ریسک (VaR) به عنوان معیار ریسک و با استفاده از الگوریتم ترکیبی مورچگان و ژنتیک ارائه می دهد. در این تحقیق نشان داده خواهد شد که الگوریتم ترکیبی پیشنهادی قادر است مساله بهینه سازی سبد سهام را با توجه به معیار ارزش در معرض ریسک (VaR) با در نظرگرفتن محدودیت عدد صحیح برای تعداد سهام موجود در سبد سهام حل نماید. به منظور نشان دادن کارایی الگوریتم، از الگوریتم پیشنهادی در جهت بهینه سازی سبد سهامی از شاخص های صنایع موجود در بورس اوراق بهادار تهران استفاده گردیده است. نتایج حاصل از بکارگیری الگوریتم حاکی از آن است که الگوریتم ترکیبی درتمامی حالت های مورد بررسی در این تحقیق نتایجی بهتر از نتایج بدست آمده توسط الگوریتم ژنتیک به تنهایی بدست می آورد. تفاصيل المقالة

حرية الوصول المقاله

415 - ارایه مدل ارزش گذاری سهام در عرضه های عمومی اولیه با استفاده از مدل عصبی-ژنتیک
علی رستمی عماد فلامرزی سارا فاروقی

نگاه به تاریخچه بازار بورس حکایت از این نکته دارد که نگرانی عمده شرکت های بورسی در گام نخست برای ورود به بازار سرمایه این است که چه قیمتی برای عرضه عمومی اولیه مناسب بوده و آیا می توانند سرمایه گذاران را برای خرید سهام خود مجاب کنند.در کنار این موضوع ، از نگرانی سرمایه أکثر

نگاه به تاریخچه بازار بورس حکایت از این نکته دارد که نگرانی عمده شرکت های بورسی در گام نخست برای ورود به بازار سرمایه این است که چه قیمتی برای عرضه عمومی اولیه مناسب بوده و آیا می توانند سرمایه گذاران را برای خرید سهام خود مجاب کنند.در کنار این موضوع ، از نگرانی سرمایه گذاران نیز که قیمت سهام عرضه شده را واقعی یا کاذب تصور کنند، نمی توان گذشت.این پژوهش سعی براین دارد که باا استفاده از روش غیر خطی این معضل را بر طرف نماید. پژوهش حاضر به ارایه مدل قیمت گذاری عرضه عمومی اولیه سهام در بورس اوراق بهادار تهران می پردازد. دوره تحقیق مورد مطالعه از سال 1382 تا 1393 می باشد.جامعه آماری تحقیق 145 شرکت ورودی به بورس اوراق بهادار تهران در این بازه زمانی و نمونه آماری با توجه به شرط عدم سرمایه گذاری بودن شرکت ها و مدوّن بودن بودجه و دسترسی به اطلاعات شرکت، به 103 شرکت تقلیل پیدا کرد. شبکه پیشنهادی یک شبکه چند لایه رو به جلو با بهینه سازی الگوریتم ژنتیک برای متغیر های مورد استفاده در تعیین قیمت سهام شرکت های جدید الورود به بورس می باشد .دوره 12 سااله با انتخاب 12 متغیر تاثیر گذار بر قیمت عرضه عمومی اولیه و 1 متغیر وابسته )قیمت عرضه اولیه(شبکه مناسبی را در قیمت گذاری صحیح نسبت به سایر مدل های خطی بیان شده در این پژوهش ارایه داده است. نتایج حاصل از مدل با استفاده از 4 معیار ارزیابی RMSE,MAE,R-SQUARE,U-THEIL بیانگر قیمت گذاری صحیح مدل پیشنهادی در اکثر موارد می باشد. تفاصيل المقالة

حرية الوصول المقاله

416 - تبیین الگوی بهینه ارزیابی و قیمت‌گذاری عرضه اولیه عمومی سهام با استفاده از تکنیک های تصمیم گیری چند معیاره فازی، رگرسیون، شبکه عصبی و الگوریتم ژنتیک
سمانه فتح علیان سیدعلی نبوی چاشمی ابراهیم چیرانی

فرآیند مهم ارزیابی و قیمت گذاری اوراق بهادار تخمین ارزش اوراق بهادار از جمله سهام عرضه اولیه شرکت ها است. زیرا از یک سو سرمایه‌گذاران به منظور سرمایه‌گذاری آگاهانه نیاز دارند که از ارزش واقعی سهامی که علاقمند به سرمایه گذاری در آن‌ هستند، اطلاع داشته باشند و از سوی دی أکثر

فرآیند مهم ارزیابی و قیمت گذاری اوراق بهادار تخمین ارزش اوراق بهادار از جمله سهام عرضه اولیه شرکت ها است. زیرا از یک سو سرمایه‌گذاران به منظور سرمایه‌گذاری آگاهانه نیاز دارند که از ارزش واقعی سهامی که علاقمند به سرمایه گذاری در آن‌ هستند، اطلاع داشته باشند و از سوی دیگر صاحبان شرکت ها که قصد فروش اوراق بهادار خود را دارند، ناگزیرند تا دارایی خود را به شیوه درست ارزیابی و قیمت گذاری نماید. لذا هدف از انجام این پژوهش تبیین الگوی بهینه ارزیابی و قیمت گذاری عرضه اولیه عمومی سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از تکنیک های تصمیم گیری چند معیاره فازی، رگرسیون گام به گام، شبکه عصبی و الگوریتم ژنتیک می باشد. به این منظور داده های مربوط به 421 شرکت جمع آوری شد که در طی سال های 1385 تا 1397 اقدام به عرضه عمومی اولیه سهام در بورس اوراق بهادار تهران نموده بودند. هم چنین جهت تجزیه و تحلیل داده ها از روش AHP فازی، رگرسیون پیش رو، شبکه عصبی و الگوریتم ژنتیک بهره گرفته شده است. نتایج تحقیق نشان داد: الگوی الگوریتم ژنتیک مدل بهینه قیمت گذاری و ارزیابی سهام عرضه اولیهمی باشد. تفاصيل المقالة

حرية الوصول المقاله

417 - پیش بینی خطر سقوط قیمت سهام با استفاده از روش های فرا ابتکاری ( الگوریتم بهینه سازی حرکت تجمعی ذرات) و مقایسه با رگرسیون لوجستیک
اسفندیار ملکیان حسین فخاری جمال قاسمی سروه فرزاد

ریسک سقوط قیمت سهام ریسکی است که نشان می دهد تا چه اندازه قیمت سهام خاص درمعرض خطر سقوط قرار دارد. بر همین اساس هدف این پژوهش، مدل بندی پیش بینی خطر سقوط قیمت سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران، با استفاده از الگوریتم بهینه سازی حرکت تجمعی ذرات بر مبنای أکثر

ریسک سقوط قیمت سهام ریسکی است که نشان می دهد تا چه اندازه قیمت سهام خاص درمعرض خطر سقوط قرار دارد. بر همین اساس هدف این پژوهش، مدل بندی پیش بینی خطر سقوط قیمت سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران، با استفاده از الگوریتم بهینه سازی حرکت تجمعی ذرات بر مبنای مدل چند متغیره و مقایسه نتایج با رگرسیون لوجستیک می باشد. بدین منظوریک فرضیه برای بررسی این موضوع تدوین و داده های مربوط به 106 شرکت عضو بورس اوراق بهادار تهران برای دوره ی زمانی بین سال های 1389تا 1393 مورد تجزیه و تحلیل قرار گرفت. ابتدا 14 متغیر مستقل به عنوان ورودی الگوریتم ترکیبی ژنتیک و شبکه عصبی مصنوعی که به عنوان یک روش انتخاب ویژگی در نظر گرفته شده است، وارد مدل گردید و 7 متغیر بهینه انتخاب شد سپس با استفاده از الگوریتم تجمعی ذرات و رگرسیون لجستیک اقدام به پیش بینی خطر سقوط قیمت سهام می نماییم. یافته های پژوهش نشان می دهد که الگوریتم تجمع ذرات نسبت به روش سنتی رگرسیون لجستیک توانایی بیشتری در پیش بینی خطر سقوط قیمت سهام دارد، بنابراین فرضیه پژوهش تایید می شود. تفاصيل المقالة

حرية الوصول المقاله

418 - بهینه سازی الگوی سرمایه گذاری در نزول های اساسی بورس اوراق بهادار تهران در چارچوب رویکرد عوامل ناهمگن و مدل سازی عامل بنیان با استفاده از الگوریتم ژنتیک
مهدی خوشنود فریدون رهنمای رودپشتی هاشم نیکومرام

هدف این مقاله بررسی الگوهای رفتاری سرمایه گذاران در زمان نزول های اساسی بورس اوراق بهادار تهران در چارچوب مدل عامل ناهمگن و بهینه سازی الگوها با استفاده از الگوریتم ژنتیک می باشد. در ابتدا با توجه به مبانی نظری، نزول های اساسی در بورس اوراق بهادار تهران بر اساس سه معیا أکثر

هدف این مقاله بررسی الگوهای رفتاری سرمایه گذاران در زمان نزول های اساسی بورس اوراق بهادار تهران در چارچوب مدل عامل ناهمگن و بهینه سازی الگوها با استفاده از الگوریتم ژنتیک می باشد. در ابتدا با توجه به مبانی نظری، نزول های اساسی در بورس اوراق بهادار تهران بر اساس سه معیار روند شاخص، ارزش معاملات روزانه و ارزش کل بازار مشخص گردید بر این اساس از سال 1380 تا سال 1394 سه نقطه شکست و نزول اساسی تعیین شد: ریاست جمهوری مربوط به انتخاب دولت نهم در سال 1384، بحران مالی غرب در سال 1387 بالاخره نزول دامنه دار بازار پس از ریاست جمهوری مربوط به دولت یازدهم و توافق اولیه هسته ای. با توجه به مدل عامل ناهمگن بروک و هومز و اصلاحات بعدی آن قیمت های بازار و بنیادی 40 روز قبل و بعد از نزول های اساسی تعیین و کد نویسی و شبیه سازی با استفاده از نرم افزار متلب انجام گردید و پس از آن با تولید پارامترهای اصلی، عامل های رفتاری فرا اعتمادی و احساسات بازار اعمال گردیده و میزان تطبیق خروجی شبیه سازی با داده های بازار واقعی مورد بررسی، آزمون و تحلیل قرار گرفت و بهترین استراتژی سرمایه گذاری انتخاب و با استفاده از الگوریتم ژنتیک بهینه سازی شد نتایج پژوهش نشان می دهد که مدل عامل ناهمگن، استراتژی دنبال کنندگان روند متضاد را به صورت مناسبی پیش بینی می نماید و همچنین با استفاده از الگوریتم ژنتیک می توان انحراف معیار و میانگین ضرایب استراتژی های سرمایه گذاری را بهبود داده و تعداد تطبیق با داده های بازار واقعی را افزایش داد . تفاصيل المقالة

حرية الوصول المقاله

419 - طراحی و حل مدل متوازن سازی مجدد سبد سهام چند هدفه با روش ترکیبی شبیه سازی و برنامه ریزی آرمانی فازی
حسین دیده خانی زینب فریدونی کوچکسرایی

توانایی انتخاب بهینه‌ترین تغییر در ترکیب سبد دارایی‌ها، سرمایه‌گذار را به بالاترین سطح کارایی و اثربخشی در امر سرمایه‌گذاری در شرایط پویا و پر از تغییر بازار سرمایه می‌رساند. متوازن سازی مجدد پرتفوی، از طریق تغییر در ترکیب اوزان سهام، حذف سهام، خرید و فروش سهام و ... صو أکثر

توانایی انتخاب بهینه‌ترین تغییر در ترکیب سبد دارایی‌ها، سرمایه‌گذار را به بالاترین سطح کارایی و اثربخشی در امر سرمایه‌گذاری در شرایط پویا و پر از تغییر بازار سرمایه می‌رساند. متوازن سازی مجدد پرتفوی، از طریق تغییر در ترکیب اوزان سهام، حذف سهام، خرید و فروش سهام و ... صورت می‌گیرد. از این‌رو در این پژوهش به حل یک مدل متوازن سازی مجدد سبد سهام چندهدفه با پارامترهای فازی پرداخته شد. معیارها یا اهداف در نظر گرفته شده در این تحقیق بازده، ریسک، نقدینگی و عدم قطعیت می‌باشند. همچنین هزینه‌های معاملاتی با توجه به اهمیت آن، به عنوان یک معیار فرعی در نرخ بازده خالص در نظر گرفته می‌شود. مدل متوازن سازی مجدد سبد سهام چندهدفه با پارامترهای فازی توسط برنامه ریزی آرمانی فازی و یک الگوریتم هوشمند ترکیبی که شبیه سازی فازی را با یک الگوریتم ژنتیک ترکیب می‌کند حل می‌گردد. نتایج حاصل حاکی از اثربخشی رویکرد حل و کارایی مدل در کاربردهای عملی با در نظر گرفتن سطوح متفاوتی از سرمایه‌گذاران می‌باشد. تفاصيل المقالة

حرية الوصول المقاله

420 - پیش‌بینی دوران رکود و رونق در بازار اوراق بهادار تهران با استفاده از مدل‌های MS و NSGA-ANN
فرزانه عبدالهیان محمد ابراهیم محمد پورزرندی محمد هاشمی نژاد مهرزاد مینویی

بورس اوراق بهادار یکی از ابزارهای مالی کشورها در کل دنیا محسوب می‌شود. وقوع رکود در این بازار می تواند اثرات مهمی از جمله کاهش نقدینگی، کاهش سودآوری شرکت‌های پذیرفته شده در بورس و همچنین کاهش رشد اقتصادی را در پی داشته باشد. در این مقاله به دنبال استخراج و پیش‌بینی سیکل أکثر

بورس اوراق بهادار یکی از ابزارهای مالی کشورها در کل دنیا محسوب می‌شود. وقوع رکود در این بازار می تواند اثرات مهمی از جمله کاهش نقدینگی، کاهش سودآوری شرکت‌های پذیرفته شده در بورس و همچنین کاهش رشد اقتصادی را در پی داشته باشد. در این مقاله به دنبال استخراج و پیش‌بینی سیکل‌های زمانی در بورس اوراق بهادار هستیم. در ابتدا با استفاده از شاخص کل بورس و بهره‌گیری از مدل MSI(3)AR(2) سه سیکل زمانی رکود، رونق متوسط و رونق بالا در بورس اوراق بهادار استخراج می شود. سپس با استفاده از ادغام الگوریتم NSGA(II) و سه مدل شبکه عصبی مهم‌ترین متغیرهای پیش‌بین به تفکیک هر مدل تعیین شده و به پیش‌بینی وضعیت سه ماه آینده بازار می پردازیم. در نهایت عملکرد سه نوع شبکه عصبی پرسپترون چند لایه، پایه شعاعی و شبکه احتمالی در انتخاب ویژگی و پیش‌بینی وضعیت آینده بازار با یکدیگر مقایسه شد. نتایج حاکی از آن است نتایج حاکی از آن است که هر سه مدل مورد نظر با توجه به معیارهای میزان خطا، دقت مدل و ضریب کاپا نتایج قابل قبولی را ارائه می‌دهند و مدل شبکه احتمالی نسبت به سایر مدل‌ها از خطای پایین‌تر، دقت و ضریب کاپا بیشتری برخوردار است. تفاصيل المقالة

حرية الوصول المقاله

421 - توسعه الگوریتم های فرا ابتکاری شیرمورچه- ژنتیک و PBILDE جهت بهینه‌سازی سبد سهام در بورس اوراق بهادار تهران
مهدی همایونفر امیر دانشور جعفر رحمانی

در مطالعات مالی، سبد سهام را می توان به معنی مجموعه ی سرمایه گذاری هایی دانست که توسط یک فرد و یا یک موسسه انتخاب و پذیرفته می شود. انتخاب سبد سهام یکی از اصلی ترین دغدغه های سرمایه گذاران در بازارهای مالی است. مدل میانگین- واریانس با مؤلفه های مقید به عنوان یکی از مدل أکثر

در مطالعات مالی، سبد سهام را می توان به معنی مجموعه ی سرمایه گذاری هایی دانست که توسط یک فرد و یا یک موسسه انتخاب و پذیرفته می شود. انتخاب سبد سهام یکی از اصلی ترین دغدغه های سرمایه گذاران در بازارهای مالی است. مدل میانگین- واریانس با مؤلفه های مقید به عنوان یکی از مدل های اصلی در حل مسأله بهینه سازی سبد سرمایه شناخته می شود. این مدل از لحاظ پیچیدگی، از نوع مسائل غیرخطی چند جمله ای NP-hard است که به صورت دقیق قابل حل نیستند. در این پژوهش با استفاده از الگوریتم ترکیبی شیرمورچه- ژنتیک (ALOGA) و الگوریتم ترکیبی یادگیری افزایشی مبتنی بر جمعیت و تکامل تفاضلی (PBILDE)که از مدل های فرا ابتکاری نوین در حل مسائل بهینه سازی هستند، برای بهینه سازی سبد سرمایه گذاری با هدف افزایش بازده و کاهش ریسک استفاده شده است. از میان 591 شرکت حاضر در بورس اوراق بهادار تهران، 150 شرکت در بازه زمانی فروردین 1391 الی اسفند 1393 با استفاده از روش غربالگری به عنوان نمونه نهایی انتخاب شدند. داده های مربوط به این شرکت ها توسط الگوریتم های بکار رفته در تحقیق مورد تجزیه و تحلیل قرار گرفت و کارآیی آنها با یکدیگر مقایسه گردید. نتایج پژوهش حاکی از آن است که الگوریتم های ALOGA و PBILDE کارایی مناسبی برای حل مسأله ی بهینه سازی سبد سهام دارند. بعلاوه، با استفاده از الگوریتم ALOGA می توان با دقت و کارایی بالا سبد سهام بهینه تشکیل داد. تفاصيل المقالة

حرية الوصول المقاله

422 - Improving the Performance of Adaptive Neural Fuzzy Inference System (ANFIS) Using a New Meta-Heuristic Algorithm
Mehdi Khadem Abbas Toloie Eshlaghy Kiamars Fathi hafshejani

10.30495/ijm2c.2023.1955549.1251

The adaptive fuzzy neural inference system (ANFIS) is an efficient estimation model not only among fuzzy neural systems but also among other types of machine learning techniques. Despite its acceptance among researchers, ANFIS cited limitations such as inefficiencies in أکثر

The adaptive fuzzy neural inference system (ANFIS) is an efficient estimation model not only among fuzzy neural systems but also among other types of machine learning techniques. Despite its acceptance among researchers, ANFIS cited limitations such as inefficiencies in large data and data problems, cost of computation, processing time and optimization, and error training. The ANFIS structural design is a complex optimization problem that can be improved using meta-heuristic algorithms. In this study, to optimize and reduce errors, a new meta-heuristic algorithm inspired by nomadic migration was designed and used to design an adaptive fuzzy neural system called the Qashqai nomadic meta-heuristic algorithm. The results of the hypothesis test showed that the Qashqai optimization algorithm is not defeated by the genetic algorithm and particle swarm and works well in terms of convergence to the optimal answer. In this hybrid algorithm, random data set are first generated and then trained by designing a basic fuzzy neural system. Subsequently, the parameters of the basic fuzzy system were adjusted according to the modeling error using the meta-heuristic optimization algorithm of Qashqai nomads. The fuzzy nervous system with the best values was obtained as the final result.The main achievements of the study are:• Improving ANFIS accuracy using a novel meta-heuristic algorithm.• Fix and remove some problems and Limitations in the Anfis model, such as inefficiencies in large data, cost of computation, Answer accuracy, and reduce errors.• Comparing the proposed ANFIS+QA with some recent related work such as ANFIS+QA and ANFIS+Pso. تفاصيل المقالة

حرية الوصول المقاله

423 - An Application of Intelligent Algorithms in Solving Chemistry Problems.
Hossein Jafari Setareh Salehfard Masoumeh Danesh Shakib

10.30495/ijm2c.2023.1996921.1282

Chemistry is undoubtedly the most practical science in our life, if we pay attention to the nature around us from the moment we wake up until the day ends, we will find that at the moment of the day and night, we are surrounded by different chemicals. And we have work. أکثر

Chemistry is undoubtedly the most practical science in our life, if we pay attention to the nature around us from the moment we wake up until the day ends, we will find that at the moment of the day and night, we are surrounded by different chemicals. And we have work. In fact, many of our daily activities are related to chemical processes. This has caused the expansion of chemistry and has caused the emergence of various problems. This study aims to analyze a classical chemistry problem known as the chemical reaction equilibrium, which has no uniform solution in different scenarios. In other words, different types of chemical reactions may require diverse methods for establishing equilibrium. This paper proposes a simple system for each chemical reaction through the law of conservation of mass (LCM) and basic mathematical concepts. Optimization algorithms (e.g., the genetic algorithm) are then employed to find a solution to this system. تفاصيل المقالة

حرية الوصول المقاله

424 - ‘BALANCING AND SEQUENCING’ VERSUS ‘ONLY BALANCING’ IN MIXED MODEL U-LINE ASSEMBLY SYSTEMS: AN ECONOMIC ANALYSIS
Masoud Rabbani Zohreh Zahedian-Tejenaki Farnoush Otrody Amir Farshbaf-Geranmyeh

With the growth in customers’ demand diversification, mixed-model U-lines (MMUL) have acquired increasing importance in the area of assembly systems. There are generally two different approaches in the literature for balancing such systems. Some researchers believ أکثر

With the growth in customers’ demand diversification, mixed-model U-lines (MMUL) have acquired increasing importance in the area of assembly systems. There are generally two different approaches in the literature for balancing such systems. Some researchers believe that since the types of models can be very diverse, a balancing approach without simultaneously sequencing of models will not yield an optimum configuration. On the other hand, another group of researchers point to the high cost of balancing systems and prefer to do it only one time regardless of the models’ sequences. In this paper, we aim to compare these two approaches by introducing an economic indicator. To do so, two models as representatives of the two different viewpoints are taken from the literature. To check the validity of this methodology, it is implemented by Lingo 11.0, for small scale, and GA, for a large scale. The obtained results indicate that, from the proposed economic indicator point of view, mixed-model U-lines balancing and sequencing (MMUL/BS) is preferred to its counterpart, mixed-model U-lines balancing (MMULB). This paper offers economic guidelines for managers to choose between only balancing and implementing it by sequencing at the same time. تفاصيل المقالة

حرية الوصول المقاله

425 - 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

426 - SOLVING A STEP FIXED CHARGE TRANSPORTATION PROBLEM BY A SPANNING TREE-BASED MEMETIC ALGORITHM
Saber Molla-Alizadeh-Zavardehi Masoud Sanei Reza Soltani Ali Mahmoodirad

In this paper, we consider the step fixed-charge transportation problem (FCTP) in which a step fixed cost, sometimes called a setup cost, is incurred if another related variable assumes a nonzero value. In order to solve the problem, two metaheuristic, a spanning tree-b أکثر

In this paper, we consider the step fixed-charge transportation problem (FCTP) in which a step fixed cost, sometimes called a setup cost, is incurred if another related variable assumes a nonzero value. In order to solve the problem, two metaheuristic, a spanning tree-based genetic algorithm (GA) and a spanning tree-based memetic algorithm (MA), are developed for this NP-hard problem. For comparing GA and MA, twenty eight problems with different specifics have been generated at random and then the quality of the proposed algorithms was evaluated using the relative percentage deviation (RPD) method. Finally, based on RPD method, we investigate the impact of increasing the problem size on the performance of our proposed algorithms. تفاصيل المقالة

حرية الوصول المقاله

427 - ON (A,C,B) POLICY QUEUE WITH CHANGE OVER TIMES UNDER BERNOULLI SCHEDULE VACATION INTERRUPTION
Vijaya Laxmi Pikkala Seleshi Demie

This paper analyzes a renewal input working vacations queue with change over times and Bernoulli schedulevacation interruption under (a,c,b) policy.The service and vacation times are exponentially distributed.The server begins service if there are at least c units in th أکثر

This paper analyzes a renewal input working vacations queue with change over times and Bernoulli schedulevacation interruption under (a,c,b) policy.The service and vacation times are exponentially distributed.The server begins service if there are at least c units in the queue and the service takes place in batches with a minimum of sizea and a maximum of size b (a<=c<= b). The change over periods follow if there are (c-1) customers (at vacation completion instant) or (a-1) customersat service completion instants. The steady state queue length distributions at arbitrary and pre-arrival epochs are obtained. Performance measures and optimal cost policy arepresented with numerical experiences.The genetic algorithm and quadratic fit search method are employed to search the optimal values of some important parameters of the system. تفاصيل المقالة

حرية الوصول المقاله

428 - 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

429 - Novel QSPR Study on the Melting Points of a Broad Set of Drug-Like Compounds Using the Genetic Algorithm Feature Selection Approach Combined With Multiple Linear Regression and Support Vector Machine
Alireza Jalali Mehdi Nekoei Majid Mohammadhosseini

10.22034/jchr.2016.544128

A robust and reliable quantitative structure-property relationship (QSPR) study was established to forecast the melting points (MPs)Â of a diverse and long set including 250 drug-like compounds. Based on the calculated descriptors by Dragon software package, to detect أکثر

A robust and reliable quantitative structure-property relationship (QSPR) study was established to forecast the melting points (MPs)Â of a diverse and long set including 250 drug-like compounds. Based on the calculated descriptors by Dragon software package, to detect homogeneities and to split the whole dataset into training and test sets, a principal component analysis (PCA) approach was used. Accordingly, there was no outlier in the constructed cluster. Afterwards, the genetic algorithm (GA) feature selection strategy was used to select the most impressive descriptors resulting in the best-fitted models. In addition, multiple linear regression (MLR) and support vector machine (SVM) were used to develop linear and non-linear models correlating the molecular descriptors and the melting points. The validation of the obtained models was confirmed applying cross validation, chance correlation along with statistical features associated with external test set. Our computational study exactly showed a determination coefficient and of 0.853 and a root mean square error (RMSE) of 11.082, which are better than those MLR model (R2=0.712, RMSE 15.042%) accounting for higher capability of SVM-based model in prediction of the theoretical values related to melting points. In fact, using the GA approach resulted in selection of powerful descriptors having useful information concerning effective variables on MPs, which can be utilized in further designing of drug-like compounds with desired melting points. تفاصيل المقالة

حرية الوصول المقاله

430 - بررسی کارآمدی مدل‌های بهینه‌سازی الگوریتم ژنتیک چندهدفه و الگوریتم ازدحام ذرات تحت معیار ریسک ارزش در معرض خطر مشروط و میانگین نیم واریانس در تعیین سبد بهینه سهام
داریوش آدینه وند ابراهیم علی رازینی رحمانی محمود خدام فریدون اوحدی الهام سادات هاشمی‌زاده

10.30495/afi.2023.1988982.1233

هدف: انتخاب سبد بهینه سهام تخصیص سرمایه در بین موقعیت‌های مختلف سرمایه‌گذاری در بازار سهام برای رسیدن به حداکثر بازده در سطح معینی از ریسک می‌باشد. این یک سبد کارا است.روش‌شناسی پژوهش: روش دستیابی به یک سبد کارا مستلزم حل مسئله بهینه‌سازی می‌باشد. تکنیک و ابزارهای متعدد أکثر

هدف: انتخاب سبد بهینه سهام تخصیص سرمایه در بین موقعیت‌های مختلف سرمایه‌گذاری در بازار سهام برای رسیدن به حداکثر بازده در سطح معینی از ریسک می‌باشد. این یک سبد کارا است.روش‌شناسی پژوهش: روش دستیابی به یک سبد کارا مستلزم حل مسئله بهینه‌سازی می‌باشد. تکنیک و ابزارهای متعددی برای حل این مسئله وجود دارد. در این پژوهش با استفاده از روش نمونه‌گیری خوشه‌ای، تعداد 15 سهم از شرکت‌های پذیرفته‌شده در سازمان بورس اوراق بهادار تهران شامل نمادهای خپارس، خزامیا، وپاسار، فولاد، اخابر، کگل، فملی، تاپیکو، سپاها، فاذر، فخاس، شبهرن، شفن، قمرو و قثابت انتخاب شدند. ابتدا بازده این سهام به‌صورت روزانه در بازه زمانی 1394 - 1399 طی 5 سال به مدت 1183 روز محاسبه کرده و با استفاده از مدل‌های ریسک میانگین نیم واریانس و ارزش در معرض خطر مشروط، ریسک سبد بهینه سرمایه‌گذاری آنها محاسبه می‌شوند و این دو معیار از روش حل کلاسیک با هم مقایسه می‌شوند. سپس خروجی داده‌های به‌دست‌آمده از محاسبات با استفاده از نرم‌افزار متلب با معیار الگوریتم ازدحام ذرات تحت معیار ریسک میانگین نیم واریانس و الگوریتم ژنتیک تحت معیار ریسک ارزش در معرض خطر مشروط با هم مقایسه می‌شوند.یافته‌ها: نتایج به‌دست‌آمده در این پژوهش نشان می‌دهد که روش فراابتکاری الگوریتم ازدحام ذرات در مقایسه با روش الگوریتم ژنتیک نسبت بازدهی سبد سهام بیشتری در معیار ریسک میانگین نیم واریانس را دارد.اصالت / ارزش‌افزوده علمی: در این پژوهش جهت حداقل‌کردن مقدار تابع هدف با استفاده از معیار ارزش در معرض خطر مشروط و میانگین نیم واریانس از الگوریتم‌های ژنتیک چندهدفه و ازدحام ذرات که الگوریتم‌های هوشمند و جدیدی هستند، استفاده شده است که نسبت‌های بازدهی و ریسک سهام موجود در سبد سرمایه‌گذاری را با بالاترین دقت ممکن بهینه می‌نمایند. همچنین مقایسه کارآمدی این مدل‌ها با استفاده از نرم‌افزار متلب موضوع نوآوری را در این پژوهش را ایجاد کرده است. تفاصيل المقالة

حرية الوصول المقاله

431 - اندازه‌گیری دمای شمش فولاد با استفاده از سیستم بینایی ماشین و الگوریتم ژنتیک در شرایط متغیر
مهدی عباسقلی پور بهزاد محمدی الستی جلال الدین قضاوتی

یکی از پارامترهای مهم در عملیات نورد گرم، اندازه‌گیری دمای شمش خروجی از کوره است. براین اساس طراحی یک سیستم الکترونیکی هوشمند خودکار، همانند سیستم بینایی ماشین برای اندازه‌گیری دمای شمش به صورت زمان واقعی ضرورت می‌یابد. در تحقیق حاضر سیستم بینایی ماشین پیشنهادی برای تهی أکثر

یکی از پارامترهای مهم در عملیات نورد گرم، اندازه‌گیری دمای شمش خروجی از کوره است. براین اساس طراحی یک سیستم الکترونیکی هوشمند خودکار، همانند سیستم بینایی ماشین برای اندازه‌گیری دمای شمش به صورت زمان واقعی ضرورت می‌یابد. در تحقیق حاضر سیستم بینایی ماشین پیشنهادی برای تهیه تصاویر مناسب از شمش داخل کوره، پردازش تصویر بر پایه تفکیک حدود آستانه در فضای رنگی HSI و استخراج خصوصیات آن (اندازه‌گیری دمای شمش)، طراحی شد. برای بررسی تغییر در شرایط نورپردازی، با استفاده از الگوریتم ژنتیک، حدود آستانه سه محدوده دمایی (محدوده دمایی 1 معادل با 1500-1200، محدوده دمایی 2 معادل با1200-900، محدوده دمایی 3 معادل با900-600 درجه سانتیگراد) در تصاویر موزاییکی شمش گداخته، تعیین و مورد تحلیل قرار گرفت. تحلیل عملکرد الگوریتم ژنتیک در فضای رنگی HSI آشکار ساخت که در شرایط متغیر، تفکیک تصویر رنگی براساس این الگوریتم عملکرد معادلی با تحلیل خوشه بندی در تصاویر دارد. بنابراین با این روش می‌توان به تأثیرات شرایط نورپردازی متغیر با پذیرش یک محدوده خطا غلبه کرد. تفاصيل المقالة

حرية الوصول المقاله

432 - On the dynamic stability of a flying vehicle under the follower and transversal forces
Omid Kavianipour Majid Sohrabian

This paper deals with the problem of the instability regions of a free-free uniform Bernoulli beam consisting of two concentrated masses at the two free ends under the follower and transversal forces as a model for a space structure. The follower force is the model for أکثر

This paper deals with the problem of the instability regions of a free-free uniform Bernoulli beam consisting of two concentrated masses at the two free ends under the follower and transversal forces as a model for a space structure. The follower force is the model for the propulsion force and the transversal force is the controller force. The main aim of this study is to analyze the effects of the concentrated masses on the beam instability. It is determined that the transverse and rotary inertia of the concentrated masses cause a change in the critical follower force. This paper also offers an approximation method as a design tool to find the optimal masses at the two tips using an artificial neural network (ANN) and genetic algorithm (GA). The results show that an increase in the follower and transversal forces leads to an increase of the vibrational motion of the beam which is not desirable for any control system and hence it must be removed by proper approaches. تفاصيل المقالة

حرية الوصول المقاله

433 - Computational fluid dynamics analysis and geometric optimization of solar chimney power plants by using of genetic algorithm
Amir Karami Davood Toghraie

In this paper, a multi-objective optimization method is implemented by using of genetic algorithm techniques in order to determine optimum configuration of solar chimney power plant. The objective function which is simultaneously considered in the analysis is output pow أکثر

In this paper, a multi-objective optimization method is implemented by using of genetic algorithm techniques in order to determine optimum configuration of solar chimney power plant. The objective function which is simultaneously considered in the analysis is output power of the plant. Output power of the system is maximized. Design parameters of the considered plant include collector radius (Rc), collector height (Hc), chimney height (Ht), chimney radius (Rt) and heat flux ( ). The multi-objective optimization results show that there are a strong positive correlation between the chimney height and the output power, as well as a negative correlation between the solar collector radius and the output power. Also, it was concluded that, output power of the plant could be considerably increased with increasing solar chimney height while increasing collector radius could slightly reduce output power This study may be useful for the preliminary estimation of power plant performance and the power-regulating strategy option for solar chimney turbines. تفاصيل المقالة

حرية الوصول المقاله

434 - Optimal Trajectory Planning of a Mobile Robot with Spatial Manipulator For Spatial Obstacle Avoidance
مصطفی غیور مصطفی شریعتی‌نیا

Mobile robots that consist of a mobile platform with one or many manipulators mounted on it are of great interest in a number of applications. Combination of platform and manipulator causes robot operates in extended work space. The analysis of these systems includes ki أکثر

Mobile robots that consist of a mobile platform with one or many manipulators mounted on it are of great interest in a number of applications. Combination of platform and manipulator causes robot operates in extended work space. The analysis of these systems includes kinematics redundancy that makes more complicated problem. However, it gives more feasibility to robotic systems because of the existence of multiple solutions in specified workspace. This paper presents a methodology for generating paths and trajectories for both the mobile platform and a 3DOF manipulator mounted on it, in the presence of obstacles. Obstacles add kinematics constraint into optimization problem. The method employs smooth and continuous functions such as polynomials. The proposed method includes obtaining time history of motion of mobile robot. It is supposed obstacles can be enclosed in cylinders. Platform that has been used in this research is a differentially-driven platform. The core of the method is based on mapping the non-holonomic constraint to a space where it can be satisfied trivially. A suitable criterion can be used to solve an optimization problem to find the optimal solution. In this research, the problem of path planning with simultaneous optimization of kinematics and dynamic indices has been accomplished using genetic algorithm in order to find the global optimum solution. The validity of the methodology is demonstrated by using a differential-drive mobile manipulator system, and various simulations of platform with a spatial 3-link manipulator are presented to show the effectiveness of the presented method. تفاصيل المقالة

حرية الوصول المقاله

435 - Optimizing the actuation of musculoskeletal model by genetic algorithm to simulate the vertical jump
سروش باقری کودکانی شهرام لنجان نژادیان مهرداد پورسینا

In human body movement simulation such as vertical jump by a forward dynamic model, optimal control theories must be used. In the recent years, new methods were created for solving optimization problems which they were adopted from animal behaviors and environment event أکثر

In human body movement simulation such as vertical jump by a forward dynamic model, optimal control theories must be used. In the recent years, new methods were created for solving optimization problems which they were adopted from animal behaviors and environment events such as Genetic algorithm, Particle swarm and Imperialism competitive. In this work, the skeletal model was constructed by Newton-Euler equation of motion. This 2D model has 4 rigid segments that include foot, shank, thigh and HAT (Head, Arm and Trunk) and all joints were assumed to be revolute and ideal. Also 20 effective muscles in vertical jump were constructed as joint actuator. The ground reaction force was simulated by a spring-damper element. Additionally, joints ligament were constructed to simulate the joint out of range motion. The Genetic algorithm was used to generate the best muscle excitation for maximum height in vertical jumping and the generated muscles excitations were converted to muscles activations. The muscles activations were applied to muscles model to generate muscles force. The maximum height of jump was considered as a criteria function of optimization problem. The designed genetic algorithm could control the musculoskeletal and simulate the vertical jump movement. The result showed that the height of center of mass was equal to 121.67 cm after 533 iterations. It is looks to be able to obtain better result provided to increase the iteration or combining clever algorithms together. تفاصيل المقالة

حرية الوصول المقاله

436 - 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

437 - Optimization of Microstructure and Mechanical Properties of Al-A360 Produced by Semi-Solid Casting
امین کلاه دوز محسن لوح موسوی

Semi-Solid Casting (SSM) is a new process that could produce globular structures with mechanical properties. The cooling slope method (CLM) is a one of this process that was employed to produce the A360 feedstock. In this method, The dendritic primary phase in the conve أکثر

Semi-Solid Casting (SSM) is a new process that could produce globular structures with mechanical properties. The cooling slope method (CLM) is a one of this process that was employed to produce the A360 feedstock. In this method, The dendritic primary phase in the conventionally cast A356 alloy has transformed into a non-dendritic one. In this paper, The molten alloy with the temperature (PT) of 670, 650, 630, 610 and 590ºC was poured on the surface of the plate where cooled with water circulation in various cooling angles (CA) and lengths (CL). After pouring, the melt which became semi-solid at the end of the plate was consequently poured into cylindrical steel mold with different mold temperatures (MT). Then, a back-propagation neural network was design to correlate the process parameters. Finally, genetic algorithm (GA) was used to optimize the process parameters. Results indicated that the hardness of samples changed with PT and MT. In the best condition with changes on PT, the hardness increased 15% and it increased 5% with changes on MT. The hardness is increased around 12% and 9% with changes on CL and CA consequently. The strength is increased around 13% and 6% with changes on CL and CA consequently. تفاصيل المقالة

حرية الوصول المقاله

438 - Optimization of Flash, Billet Dimensions and Friction Factor in Closed Die Cold Forging Process
مهدی ظهور حسین شاهوردی امین تفکری

Three important parameters in designing a closed die for forging process are ratio of width to flash thickness, ratio of height to billet diameter and the friction factor. In this paper the influences of these parameters on the required force for the forging and percent أکثر

Three important parameters in designing a closed die for forging process are ratio of width to flash thickness, ratio of height to billet diameter and the friction factor. In this paper the influences of these parameters on the required force for the forging and percentage of die filling were investigated. It was found that by controlling the flash dimension, the material loss is reduced and the percentage of die filling is increased. Also, an experimental model was simulated and analyzed by finite element method. To validate the numerical results obtained by this research, value of gained force from finite element method was compared with the obtained experimental results. In order to coordinate and connect between the mentioned parameters and obtain a performance function, a two layer neural network was used. Finally, by using neural network and genetic algorithm, the optimum sets of parameters which minimized the force and maximized the percentage of die filling were found. These values were compared with the experimental results of other researchers. The genetic algorithm has good correlation with the experimental method as well as it has presented acceptable estimation for effective parameters in the forging process. تفاصيل المقالة

حرية الوصول المقاله

439 - Optimization of Material Removal Rate in Electrical Discharge Machining Alloy on DIN1.2080 with the Neural Network and Genetic Algorithm
مسعود عظیمی امین کلاه دوز سید علی افتخاری

Electrical discharge machining process is one of the most Applicable methods in Non-traditional machining for Machining chip in Conduct electricity Piece that reaching to the Pieces that have good quality and high rate of machining chip is very important. Due to the rap أکثر

Electrical discharge machining process is one of the most Applicable methods in Non-traditional machining for Machining chip in Conduct electricity Piece that reaching to the Pieces that have good quality and high rate of machining chip is very important. Due to the rapid and widespread use of alloy DIN1.2080 in different industry such as Molding, lathe tools, reamer, broaching, cutting guillotine, etc. Reaching to optimum condition of machining is very important. Therefore the main aim in this article is to consider the effect of input parameter such voltage, Current strength, on-time pulse and off-time pulse on the machining chip rate and optimizing this in the electrical discharge machining for alloy DIN1.2080. So to reach better result after doing some experiments to predict and optimize the rate of removing chip, neural network method and genetic algorithm are used. Then optimizing input parameters to maximize the rate of removing chip are performed. In this condition, by decreasing time, the product cost is decreased. Optimum parameters in this experiment in this condition are obtained under Current strength 20 ampere, 160 volt, on-time pulse 100 micro second and off-time pulse 12 micro second that is obtained 0.063 cm3/min as rate of machining chip. After doing experiment, surveying the level of error and its accuracy are evaluated. According to the obtained error value that is about 5.18%, used method is evaluated for genetic algorithm تفاصيل المقالة

حرية الوصول المقاله

440 - Path Planning of a 3 DOF Servo-Hydraulic Mechanism Using Genetic Algorithm
فرشید آقاداوودی شهرام لنجان نژادیان

The objective of this paper is path planning of a 3 DOF planer robot with hydraulic actuator using genetic algorithm. First the geometric and kinematic parameters of robot were established. The equations of motion are derived by Lagrange method. We proposed the model fo أکثر

The objective of this paper is path planning of a 3 DOF planer robot with hydraulic actuator using genetic algorithm. First the geometric and kinematic parameters of robot were established. The equations of motion are derived by Lagrange method. We proposed the model for proportional valve and hydraulic actuators. Then using the genetic algorithm we minimized the hydraulic energy consumption as a fitness function during the mechanism motion between two specified points. تفاصيل المقالة

حرية الوصول المقاله

441 - ارائه مدل پیش‌بینی ورشکستگی شرکت های بورس اوراق بهادار تهران مبتنی بر مدل ترکیبی شبکه عصبی گروهی دستکاری داده ها و الگوریتم ژنتیک
حسین وظیفه دوست طیبه زنگنه

هدف تحقیق حاضر ارائه مدلی کارا و توانمند جهت پیش بینی ورشکستگی شرکت های تولیدی بورس اوراق بهادار تهران با استفاده از یک مدل جدید ترکیبی الگوریتم ژنتیک- شبکه گروهی دستکاری داده ها (GA-GMDH)، می باشد. هم چنین، با استفاده از تعدادی از پر کاربرد ترین روش های انتخاب متغیر در أکثر

هدف تحقیق حاضر ارائه مدلی کارا و توانمند جهت پیش بینی ورشکستگی شرکت های تولیدی بورس اوراق بهادار تهران با استفاده از یک مدل جدید ترکیبی الگوریتم ژنتیک- شبکه گروهی دستکاری داده ها (GA-GMDH)، می باشد. هم چنین، با استفاده از تعدادی از پر کاربرد ترین روش های انتخاب متغیر در ادبیات پیش بینی ورشکستگی، مطالعه جامعی در جهت شناسائی بهترین متغیر های پیش بینی کننده ورشکستگی شرکت های بورس اوراق بهادار تهران صورت گرفته است. به منظور ساخت مدل‌های پیش بینی در ابتدا با استفاده از چهار روش انتخاب متغیر 1-آزمون T نمونه های مستقل (T-test)، 2- ماتریس همبستگی(CM) ، 3- تحلیل تشخیصی گام به گام (SDA) و 4- تحلیل مولفه های اصلی (PCA)، نسبت های مالی نهایی از بین 19 نسبت مالی متناسب با بازار سرمایه کشور، انتخاب شده است. با استفاده از نسبت‌های مالی انتخاب شده و مدل ترکیبی GA-GMDH، شبکه عصبی- فازی تطبیق‌پذیر ANFIS)) و رگرسیون لجستیک(LR)، 12 مدل جهت پیش بینی ورشکستگی استخراج شد و نتایج حاصل از آن ها مورد مقایسه قرار گرفت. نتایج حاصل از تحقیق، نشان دهنده قابلیت بالای مدل پیشنهادی GA-GMDH در مدل‌سازی پیش‌بینی ورشکستگی و برتری آن بر روش های ANFIS وLR می‌باشد. همچنین، نتایج تحقیق نشان می دهد که روش ماتریس همبستگی در مقایسه با سایر روش‌های انتخاب متغیر، توانایی بیشتری در انتخاب متغیرهای موثر بر پیش‌بینی ورشکستگی شرکت‌ها دارد. بنابراین، مدل CM-GA-GMDH به عنوان بهترین مدل پیش بینی کننده ورشکستگی شرکت‌های بورس اوراق بهادار تهران شناخته می شود. تفاصيل المقالة

حرية الوصول المقاله

442 - Optimization of e-Learning Model Using Fuzzy Genetic Algorithm
Mohammad Ali Afshar Abbas Toloie Fateme Nazeri

E-learning model is examined of three major dimensions. And each dimension has a range of indicators that is effective in optimization and modeling, in many optimization problems in the modeling, target function or constraints may change over time that as a result optim أکثر

E-learning model is examined of three major dimensions. And each dimension has a range of indicators that is effective in optimization and modeling, in many optimization problems in the modeling, target function or constraints may change over time that as a result optimization of these problems can also be changed. If any of these undetermined events be considered in the optimization process, this is called optimization problem. Many problems in the real-world are dynamic and uncertain and solve them as static are not appropriate. In this paper, for the first time a fuzzy genetic algorithm for optimization and modeling e-learning is presented. Method is that we create a fuzzy model at first, and then we perform optimization by genetic. The results of proposed algorithm on mobile peaks benchmark that are already best-known benchmark for evaluating in the modeling are evaluated and the results of several valid algorithms have been compared. The results indicate the high efficiency of the proposed algorithm in comparison with other algorithms. تفاصيل المقالة

حرية الوصول المقاله

443 - 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

444 - A New Method for Intrusion Detection Using Genetic Algorithm and Neural Network
M.R. Hosseinzadeh Moghaddam S. Javad Mirabedini T. banirostam

The article attempts to have neural network and genetic algorithm techniques present a model for classification on dataset. The goal is design model can the subject acted a firewall in network and this model with compound optimized algorithms create reliability and accu أکثر

The article attempts to have neural network and genetic algorithm techniques present a model for classification on dataset. The goal is design model can the subject acted a firewall in network and this model with compound optimized algorithms create reliability and accuracy and reduce error rate couse of this is article use feedback neural network and compared to previous methods increase accuracy classification rate and reduce error rate. The proposed method increased with simulation accuracy of 99.97 percent. تفاصيل المقالة

حرية الوصول المقاله

445 - 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

446 - 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