-
حرية الوصول المقاله
1 - بکارگیری الگوریتم نوین فراابتکاری جهت تعیین ظرفیت بهینه و جایابی پارکینگ خودروهای برقی با حضور منابع انرژی تجدیدپذیر در سیستم توزیع
رضا صداقتیبا توجه به اهمیت سیستم های توزیع، برنامه ریزی بهینه، و ایمنی این شبکه ها از اهمیت بسزایی برخوردار می باشد. از طرفی خودروهای برقی یکی از اصلی ترین مشخصه های شبکه های توزیع برق آینده هستند. حضور غیرهماهنگ و مدیریت نشده خودروهای الکتریکی به عنوان بار اضافه در شبکه می تواند أکثربا توجه به اهمیت سیستم های توزیع، برنامه ریزی بهینه، و ایمنی این شبکه ها از اهمیت بسزایی برخوردار می باشد. از طرفی خودروهای برقی یکی از اصلی ترین مشخصه های شبکه های توزیع برق آینده هستند. حضور غیرهماهنگ و مدیریت نشده خودروهای الکتریکی به عنوان بار اضافه در شبکه می تواند سبب تشدید مشکلاتی از قبیل افت ولتاژ، پایداری ولتاژ و افزایش تلفات شبکه شود. به منظور تسکین اثرات ناشی از حضور کنترل نشده ی این خودروها لازم است که توان مورد نیاز آن ها با هماهنگی با سایر منابع تولید پراکنده مدیریت گردد. از اینرو بایستی با برنامه ریزی صحیح شارژ و دشارژ خودروها در کنار تولیدات پراکنده سعی در کاهش تلفات، داشتن ولتاژ مناسب و در نتیجه صرفه اقتصادی بهترداشته باشیم. بنابراین در این مقاله بکارگیری بهینه پارکینگ های خودروهای برقی با حضور منابع انرژی تجدیدپذیر در سیستم توزیع مورد مطالعه قرار گرفته است. بهینه سازی مساله از الگوریتم نوین فراابتکاری مبتنی بر الگوریتم گرده افشانی گل استفاده شده تا متغیرهای مساله شامل ظرفیت بهینه و مکان منابع خورشیدی و همچنین پارکینگ های الکتریکی و دیزل ژنراتورها در شبکه توزیع بصورت بهینه تعیین گردد. مساله در معرض قیود بهره برداری شبکه (قید حرارتی خطوط، قید ولتاژ باس های شبکه و ...)، تعداد خودروی پارکینگ های الکتریکی و ظرفیت توان مجاز واحدهای خورشیدی و ظرفیت دیزل ها بهینه شده است. در این مطالعه قابلیت روش پیشنهادی مبتنی بر الگوریتم گرده افشانی گل با الگوریتم های دیگر مورد ارزیابی قرار گرفته است. شبیه سازی بر روی شبکه توزیع 33 شینه IEEE صورت پذیرفته که نتایج نشاندهنده بالا بودن سرعت و دقت همگرایی روش پیشنهادی است. تفاصيل المقالة -
حرية الوصول المقاله
2 - Social Spider Optimization Algorithm in Multimodal Medical Image Registration
زهرا حسین نژاد مهدی نصریMedical image registration plays an important role in many clinical applications, including the detection and diagnosis of diseases, planning of therapy, guidance of interventions. Multimodal medical image registration is the process of overlapping two or more images ta أکثرMedical image registration plays an important role in many clinical applications, including the detection and diagnosis of diseases, planning of therapy, guidance of interventions. Multimodal medical image registration is the process of overlapping two or more images taken from the same scene by different modalities and different sensors. Intensity-based methods are widely used in multimodal medical image registration, these techniques register different modality images that have the same content by optimal transformation. The estimation of the optimal transformation requires the optimization of a similarity metric between the images. Recently, various optimization algorithms have been presented that the selection of appropriate optimization algorithms is very important in determining the optimal transformation parameter. The Social Spider Optimization (SSO) algorithm is one of the meta-heuristic methods that prevents premature convergence. In this paper, medical image registration technique is suggested based on the SSO algorithm. The Mutual Information (MI), Normalization of Mutual Information (NMI), and Sum of Squared Differences (SSD) are used separately as cost function (objective function) and the performance of each of these functions is checked in multimodal medical image registration. The simulation results on Brain Web data set affirm the suggested method outperforms classical registration methods in terms of convergence rate, execution time. تفاصيل المقالة -
حرية الوصول المقاله
3 - ارائه الگوریتم فرا ابتکاری جدید جهت حل مساله انتخاب ویژگی
مهدی خادم عباس طلوعی اشلقی کیامرث فتحی هفشجانیبا 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 أکثربا 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 - Combining Harmony search algorithm and Ant Colony Optimization algorithm to increase the lifetime of Wireless Sensor Networks
Zahra Kamaei Hamidreza Bakhshi Behrooz MasoumiWireless Sensor Networks are the new generation of networks that typically are formed great numbers of nodes and the communications of these nodes are done as Wireless. The main goal of these networks is collecting data from neighboring environment of network sensors. S أکثرWireless Sensor Networks are the new generation of networks that typically are formed great numbers of nodes and the communications of these nodes are done as Wireless. The main goal of these networks is collecting data from neighboring environment of network sensors. Since the sensor nodes are battery operated and there is no possibility of charging or replacing the batteries, the lifetime of the networks is dependent on the energy of sensors. The objective of this research, is to combine the Harmony Search Algorithm and Ant Colony Optimization Algorithm, as successful meta heuristic algorithm to routing at wireless sensor to increase lifetime at this type of networks. To this purpose, algorithm called HS-ACO is suggested. In this algorithm, two criterion of reduction consumption of energy and appropriate distribution of consumption energy between nodes of sensor leads to increase lifetime of network is considered. Results of simulations, show the capability of the proposed algorithm in finding the Proper path and establishment appropriate balance in the energy consumed by the nodes. Propose algorithm is better than Harmony Search algorithm and Ant Colony Optimization algorithm and Genetic Ant algorithm. تفاصيل المقالة -
حرية الوصول المقاله
5 - Improve Spam Detection in the Internet Using Feature Selection based on the Metahuristic Algorithms
Abdulbaghi Ghaderzadeh sahar Hosseinpanahi Sarkhel Taher kareemNowadays, spam is a major challenge regarding emails. Spam is a specific type of email that is sent to the network for malicious purposes. Spam plays an important role in stealing information and can include fake links to trick users. Machine learning and data mining te أکثرNowadays, spam is a major challenge regarding emails. Spam is a specific type of email that is sent to the network for malicious purposes. Spam plays an important role in stealing information and can include fake links to trick users. Machine learning and data mining techniques such as artificial neural networks are the most applicable methods to detect spam. The multi-layer artificial neural network needs to select the most important features as inputs to reduce the output error for accurate spam detection. In the proposed method, a smart method based on swarm intelligence algorithms is used for feature selection. In this study, a binary version of Emperor Penguin Optimizer (EPO) is used to select more appropriate features. The proposed method uses the selected features for learning and classification in the spam detection process. Experiments in the MATLAB environment on the Spambase dataset show that with the increase in population the error in spam detection in Emails will decrease about 14.61% and with the increase in feature space, it will decrease about 43.85% in the best situation. Experiments show that the proposed method has less error in detecting spam compare to other methods, multilayer artificial neural network, recursive neural network, support vector machine, Bayesian network, and whale optimization algorithm. Experiments show that the error of spam detection in the proposed approach is about 23.57% less than the whale optimization algorithm. Empirical results, obtained through simulations on the Spambase dataset, show our approach outperforms the other existing methods on precision value. تفاصيل المقالة -
حرية الوصول المقاله
6 - An Overview of the Concepts, Classifications, and Methods of Population Initialization in Metaheuristic Algorithms
Mohammad Hassanzadeh farshid keyniaMetaheuristic algorithms are typically population-based random search techniques. The general framework of a metaheuristic algorithm consisting of its main parts. The sections of a metaheuristic algorithm include setting algorithm parameters, population initialization, أکثرMetaheuristic algorithms are typically population-based random search techniques. The general framework of a metaheuristic algorithm consisting of its main parts. The sections of a metaheuristic algorithm include setting algorithm parameters, population initialization, global search section, local search section, and checking the stopping conditions in a metaheuristic algorithm. In the parameters setting section, the user can monitor the performance of the metaheuristic algorithm and improve its performance according to the problem under consideration. In this study, an overview of the concepts, classifications, and different methods of population initialization in metaheuristic algorithms discussed in recent literature will be provided. Population initialization is a basic and common step between all metaheuristic algorithms. Therefore, in this study, an attempt has been made that the performance, methods, mechanisms, and categories of population initialization in metaheuristic algorithms. Also, the relationship between population initialization and other important parameters in performance and efficiency of metaheuristic algorithms such as search space size, population size, the maximum number of iteration, etc., which are mentioned and considered in the literature, are collected and presented in a regular format. تفاصيل المقالة -
حرية الوصول المقاله
7 - Intelligent Resource Allocation in Fog Computing: A Learning Automata Approach
Alireza Enami Javad Akbari TorkestaniFog computing is being seen as a bridge between smart IoT devices and large scale cloud computing. It is possible to develop cloud computing services to network edge devices using Fog computing. As one of the most important services of the system, the resource allocatio أکثرFog computing is being seen as a bridge between smart IoT devices and large scale cloud computing. It is possible to develop cloud computing services to network edge devices using Fog computing. As one of the most important services of the system, the resource allocation should always be available to achieve the goals of Fog computing. Resource allocation is the process of distributing limited available resources among applications based on predefined rules. Because the problems raised in the resource management system are NP-hard, and due to the complexity of resource allocation, heuristic algorithms are promising methods for solving the resource allocation problem. In this paper, an algorithm is proposed based on learning automata to solve this problem, which uses two learning automata: a learning automata is related to applications (LAAPP) and the other is related to Fog nodes (LAN). In this method, an application is selected from the action set of LAAPP and then, a Fog node is selected from the action set of LAN. If the requirements of deadline, response time and resources are met, then the resource will be allocated to the application. The efficiency of the proposed algorithm is evaluated through conducting several simulation experiments under different Fog configurations. The obtained results are compared with several existing methods in terms of the makespan, average response time, load balancing and throughput. تفاصيل المقالة -
حرية الوصول المقاله
8 - An Optimization-based Learning Black Widow Optimization Algorithm for Text Psychology
Ali Hosseinalipour Farhad Soleimanian Gharehchopogh mohammad masdari ALi KhademiIn recent years, social networks' growth has led to an increase in these networks' content. Therefore, text mining methods became important. As part of text mining, Sentiment analysis means finding the author's perspective on a particular topic. Social networks allow us أکثرIn recent years, social networks' growth has led to an increase in these networks' content. Therefore, text mining methods became important. As part of text mining, Sentiment analysis means finding the author's perspective on a particular topic. Social networks allow users to express their opinions and use others' opinions in other people's opinions to make decisions. Since the comments are in the form of text and reading them is time-consuming. Therefore, it is essential to provide methods that can provide us with this knowledge usefully. Black Widow Optimization (BWO) is inspired by black widow spiders' unique mating behavior. This method involves an exclusive stage, namely, cannibalism. For this reason, at this stage, species with an inappropriate evaluation function are removed from the circle, thus leading to premature convergence. In this paper, we first introduced the BWO algorithm into a binary algorithm to solving discrete problems. Then, to reach the optimal answer quickly, we base its inputs on the opposition. Finally, to use the algorithm in the property selection problem, which is a multi-objective problem, we convert the algorithm into a multi-objective algorithm. The 23 well-known functions were evaluated to evaluate the performance of the proposed method, and good results were obtained. Also, in evaluating the practical example, the proposed method was applied to several emotion datasets, and the results indicate that the proposed method works very well in the psychology of texts. تفاصيل المقالة -
حرية الوصول المقاله
9 - رتبه بندی اختلالات زنجیره تامین با استفاده از روش ترکیبی دیمتل فازی و الگوریتم‌های فراابتکاری
فریبا صلاحی رضا رادفر عباس طلوعی اشلقی محمود البرزیدر میان انواع ریسک های زنجیره تامین، اختلالات گروهی از انواع ریسک هستند که از بلایای طبیعی، تحریم، مشکلات حمل و نقل و خرابی تجهیزات حاصل می­شوند. این ریسک ها بطور جدی می­توانند موجب اخلال در جریان مواد، اطلاعات و جریان نقد گردند. این مطالعه یک مدل ترکیبی را برای أکثردر میان انواع ریسک های زنجیره تامین، اختلالات گروهی از انواع ریسک هستند که از بلایای طبیعی، تحریم، مشکلات حمل و نقل و خرابی تجهیزات حاصل می­شوند. این ریسک ها بطور جدی می­توانند موجب اخلال در جریان مواد، اطلاعات و جریان نقد گردند. این مطالعه یک مدل ترکیبی را برای مدیریت، ارزیابی و رتبه بندی اختلالات پیشنهاد می­کند. در این تحقیق با ارایه یک مدل ریاضی با در نظر گرفتن پارامتر اختلال به ارزیابی ریسک اختلالات زنجیره تامین پرداخته شده است . در ابتدا روابط بین اختلالات از طریق تکنیک دیمتل فازی فرموله شده، و خروجی دیمتل به عنوان پارامتر وزن وارد مدل شده و سپس مدل با استفاده از الگوریتم های فراابتکاری ژنتیک و روش­های جستجوی محلی حل شده است. نهایتا اختلالات براساس هزینه­هایی که به زنجیره اعمال می­کنند ارزیابی و رتبه بندی شده اند و سپس تعداد تامین کننده مناسب به ازای هر اختلال مشخص گردیده است. تفاصيل المقالة -
حرية الوصول المقاله
10 - تحلیل کارایی الگوریتم‌های فراابتکاری در بهینه‌سازی سبد سهام
سینا شیرطوانی مهدی همایونفر کیهان آزادی امیر دانشورمهمترین 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 أکثرمهمترین 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
11 - طراحی سیستم سبد گردان خودکار با استفاده از مفهوم واگرایی در تحلیل تکنیکال
سیدمرتضی لعل سجادی سیدحجت وکیلی سیدبابک ابراهیمیفروض کلاسیک بازار کارا عمدتاً بیانگر این موضوع هستند که نمی توان با توسعه استراتژی هایی بر اساس اطلاعات قیمت و حجم معاملات درگذشته، حرکات آتی قیمت را پیش بینی نمود. در این مطالعه با بهره گیری از واگرایی شاخص قدرت نسبی و قیمت به‌عنوان ابزار اصلی و همچنین با استفاده از دی أکثرفروض کلاسیک بازار کارا عمدتاً بیانگر این موضوع هستند که نمی توان با توسعه استراتژی هایی بر اساس اطلاعات قیمت و حجم معاملات درگذشته، حرکات آتی قیمت را پیش بینی نمود. در این مطالعه با بهره گیری از واگرایی شاخص قدرت نسبی و قیمت به‌عنوان ابزار اصلی و همچنین با استفاده از دیگر ابزارهای تحلیل تکنیکال، سیستم خودکار انتخاب سبد سرمایه ای ارائه می گردد که نتایج آن به‌عنوان شواهد تجربی نقض فروض کلاسیک قابل استناد است. داده های مورداستفاده در این مطالعه مربوط به 59 سهم بورس نیویورک در بازه زمانی 2010 تا 2016 میباشد. برای برآورد پارامتر ها و ارزیابی مدل به دو قسمت دوره آموزش و دوره آزمایش تقسیم بندی شده اند. در دوره آمورش با استفاده از الگوریتم ژنتیک مقادیر پارامتر های مدل برآورد شده و سپس با استفاده از قسمت دوم داده ها، عملکرد مدل معاملاتی طراحی‌شده مورد آزمون و ارزیابی قرار می گیرد. نتایج به‌دست‌آمده نشان می دهد که این مدل قابلیت پیش بینی را بهبود بخشیده و در مقایسه با استراتژی های خرید و نگهداری و خرید تصادفی به‌مراتب بهتر عمل می نماید. تفاصيل المقالة -
حرية الوصول المقاله
12 - بهینه‌سازی چندهدفه شبکه تامین فرآورده‌های خونی به منظور حداقل‌سازی زمان ارسال و میزان تقاضای برآورد نشده بیمارستانی
زینب کاظمی مهدی همایون فر مهدی فدایی منصور صوفی علی صالح زادهمقدمه: با توجه به اهمیت خون به عنوان یک عنصر حیاتی در سیستم سلامت، در این پژوهش، زنجیره تامین خون در سه سطح اهداکنندگان، بانک‌ها (مراکز خون) و بیمارستان‌ها در قالب یک مدل چندهدفه به منظور حداقل سازی مجموع هزینه‌ها، حداقل‌سازی زمان کلی ارسال واحدهای خونی و حداقل سازی میز أکثرمقدمه: با توجه به اهمیت خون به عنوان یک عنصر حیاتی در سیستم سلامت، در این پژوهش، زنجیره تامین خون در سه سطح اهداکنندگان، بانک‌ها (مراکز خون) و بیمارستان‌ها در قالب یک مدل چندهدفه به منظور حداقل سازی مجموع هزینه‌ها، حداقل‌سازی زمان کلی ارسال واحدهای خونی و حداقل سازی میزان تقاضای برآورد نشده بیمارستان ها در هر دوره، مدل سازی شده است.روش پژوهش: پژوهش حاضر از نظر هدف، کاربردی، از نظر روش توصیفی و از نوع کمی است. داده های مورد نیاز برای پیاده‌سازی مساله واقعی در سال 1400 با مراجعه به دفتر منطقه ای سازمان انتقال خون استان تهران و با همکاری سیستم نگاره گردآوری شده است. با توجه به ماهیت Np-hard مساله، مدل پیشنهادی با استفاده از سه الگوریتم ژنتیک، NSGAII و MOPSO در نرم افزار گمز حل شده است.یافته‌ها: در مدل پیشنهادی، تطابق گروه های خونی در تامبن تقاضا، سیستم صف، تخصیص گروه های خونی در آزمایشگاه ها و بانک‌های خون، هدر رفت خون در آزمایشگاه، انتقال محصولات بین مراکز تقاضا و نیز پارامترهای حساس و تعیین کننده ای مدل مانند؛ پارامتر تقاضا، اهدای خون و زمان حمل محصولات خونی بین اجزای شبکه، به صورت غیرقطعی در نظر گرفته شده است. یافته‌ها نشان می دهند که در اجرای مسائل 3، 7، 10 و 12 برای شاخص کیفیت الگوریتم MOPSO دارای عملکرد مناسب‌تری است، اما به طور کلی و بر اساس دفعات اجرا و همچنین میانگین آنها، الگوریتم NSGA-II عملکرد بهتری دارد.نتیجه‌گیری: بر اساس نتایج، مدل ارائه شده منجر به کاهش مجموع هزینه ها، زمان کلی ارسال واحدهای خونی و میزان تقاضای برآورد نشده بیمارستان‌ها می شود. تفاصيل المقالة -
حرية الوصول المقاله
13 - طراحی شبکه زنجیره تامین زیست دیزل با در نظر گرفتن عوامل محیط زیستی تحت شرایط عدم قطعیت و حل آن با استفاده از الگوریتم MOPSO
غلامرضا جندقی محمد رضا فتحی محمد حسن ملکی میثم مولویزمینه و هدف: افزایش نگرانی‌ها در مورد انرژی و انتشار گازهای گلخانه‌ای حاصل از مصرف سوخت‌های فسیلی بسیاری از محققان را برآْن داشته است تا در توسعه منابع انرژی های تجدیدپذیر نقش داشته باشند. سوخت زیستی می‌تواند نقش مهمی در این زمینه داشته باشد. هدف اصلی این مقاله ارایه ی أکثرزمینه و هدف: افزایش نگرانی‌ها در مورد انرژی و انتشار گازهای گلخانه‌ای حاصل از مصرف سوخت‌های فسیلی بسیاری از محققان را برآْن داشته است تا در توسعه منابع انرژی های تجدیدپذیر نقش داشته باشند. سوخت زیستی می‌تواند نقش مهمی در این زمینه داشته باشد. هدف اصلی این مقاله ارایه یک مدل برنامه ریزی ریاضی برای شبکه زنجیره تامین زیست توده است. روش بررسی: محققین از طریق مطالعات کتابخانه ای و تهیه پرسش نامه به برآورد پارامترهای دارای عدم قطعیت و داده های مرتبط با آن پارامترهای مورد نظر پرداخته و سپس از طریق مصاحبه، نظرات خبرگان در مورد حدود و شکل تغییرات پارامترهای مورد نظر تصمیم گیری را جمع اوری کرده است. سپس یک مدل برنامه ریزی عدد صحیح مختلط چند هدفه فازی که به دنبال حداقل کردن هزینه ها، حداقل کردن اثرات محیط زیستی و حداقل کردن زمان رسیدن محصول به مشتری در یک زنجیره تامین زیست توده می باشد، ارایه کرده است. یافته ها: پس از حل مدل، مقادیر سه تابع هدف حداقل کردن هزینه کل، حداقل کردن اثرات محیط زیستی و حداقل کردن زمان رسیدن محصول به مشتری به ازای مقادیر مختلف درجه برقراری محدودیت به دست آمدند. براساس نتایج به دست آمده، دو تابع هدف اقتصادی و محیط زیستی با یکدیگر در تضاد هستند. به این معنا که حرکت هر یک به سمت مطلوب مستلزم حرکت تابع هدف دیگر به سمت نامطلوب خواهد بود. بحث و نتیجه گیری: در این پژوهش مدل برنامه ریزی ریاضی پیشنهادی با الگوریتم MOPSO حل شده است که نتایج آن نشان دهنده مکان و ظرفیت تسهیلات، میزان تولید زیست دیزل و گلیسرین، میزان روغن استخراج شده جاتروفا و روغن پسماند تصفیه شده می باشند. تفاصيل المقالة -
حرية الوصول المقاله
14 - انتخاب استراتژی های پاسخ به ریسک زیست محیطی پروژه های ساخت و ساز با استفاده از الگوریتم های فراابتکاری(مطالعه موردی: پروژه مجتمع ساختمانی صبا )
اسماعیل چراغی محمد خلیل زاده امیرپویا چراغی یاسر رحیمیزمینه و هدف: غالباً اجرای پروژه‌های بزرگ به گونه ای است که عدم اطمینان و ریسک جزء ویژگی‌های ذاتی آنها میباشد. این عدم اطمینان باعث عدم موفقیت چشم گیر اغلب پروژه‌های کشور در رسیدن به اهداف از پیش تعیین شده می باشد. بیش تر مطالعات پیشین به ارزیابی ریسک های زیست محیطی پرد أکثرزمینه و هدف: غالباً اجرای پروژه‌های بزرگ به گونه ای است که عدم اطمینان و ریسک جزء ویژگی‌های ذاتی آنها میباشد. این عدم اطمینان باعث عدم موفقیت چشم گیر اغلب پروژه‌های کشور در رسیدن به اهداف از پیش تعیین شده می باشد. بیش تر مطالعات پیشین به ارزیابی ریسک های زیست محیطی پرداخته اند به همین دلیل، در این مطالعه یک مساله در قالب یک مدل بهینه سازی برنامه ریزی عدد صحیح خطی برای انتخاب پاسخ های ریسک مناسب برای ریسک های پروژه با رویکرد زیست محیطی پیشنهاد میشود. عدم شناسایی دقیق ریسک های ساخت پروژه های ساخت و ساز علاوه بر افزایش زمان و هزینه نهایی پروژه ها، خسارات اجتماعی، زیست محیطی و جانی در پی خواهد داشت. هدف پژوهش حل یک مدل ریاضی برای انتخاب استراتژی های پاسخ به ریسک های زیست محیطی و بهداشت شغلی بر اساس استاندارد IS0 14001-OHSAS 18001 پروژه های ساخت و ساز است. روش بررسی: تمامی ریسک های زیست محیطی پروژه شناسایی شده و با استفاده از یک مدل ریاضی و الگوریتم فرا ابتکاری NSGAII یک روند حل برای به دست آوردن استراتژی مطلوب تر پاسخ به ریسک های زیست محیطی یک پروژه مجتمع ساختمانی با توجه به زمان، هزینه و کیفیت ارایه شده است. یافته‌ها: نتایج نشان می دهد برای 10 ریسک مهم زیست محیطی شناسایی شده در پروژه با استفاده از روش FMEA و استاندارد ISO 31000 که مربوط به 8 فعالیت مهم و بحرانی پروژه بر اساس ساختار شکست کار می باشد با استفاده از مدل ریاضی ارایه شده، استراتژی های مناسب پاسخ به ریسک ها به صورت بهینه انتخاب شدند و سیستم مدیریت ریسک در این پروژه به صورت مناسبی جاری سازی گردید. بحث و نتیجه‌گیری: انتخاب استراتژی های مناسب پاسخ به ریسکها در پروژه های عمرانی یکی از دغدغه های ذی نفعان پروژه می باشد. برای اولین بار از یک الگوریتم فرا ابتکاری برای انتخاب استراتژی های پاسخ به ریسک HSE پروژه های عمرانی استفاده شده است. در برج صبا که مطالعه موردی این مقاله می باشد کل ریسک های اثر گذار در بحث زیست محیطی و بهداشت شغلی شناسایی شده و برای هر کدام از ریسک ها استراتژی پاسخ به ریسک مناسب داده شده است. تفاصيل المقالة -
حرية الوصول المقاله
15 - GSOCPP optimization for predicting the proper number of controllers in SDN
A. Amin M. Jahanshahi M. R. MeybodiIn Software Defined Network (SDN), the controller layer that is separated from the data layer is responsible for all system functionalities. However, centralized solutions suffer from single-point-of-failure and bottleneck problems. Several controllers are used to incre أکثرIn Software Defined Network (SDN), the controller layer that is separated from the data layer is responsible for all system functionalities. However, centralized solutions suffer from single-point-of-failure and bottleneck problems. Several controllers are used to increase availability and performance in large networks to solve the aforementioned problems. One of the main concerns is finding the optimal number of controllers and their locations, which is known as an NP-hard problem. To do this, in this paper, in addition to presenting an efficient algorithm based on Garter snake algorithm (GSO), a new statistical analysis for determining the number of controllers is figured out. تفاصيل المقالة -
حرية الوصول المقاله
16 - Optimum Design and Construction of Hydraulic Sections of Parabolic Water Transmitting Channels using the Harris Hawks Optimization Algorithm
Mehrzad torkzadeh Hamed Reza Zarif Sanayei reza kamgarChannels have various types of cross-sectional shapes, including trapezoidal, rectangular, semi-circular, parabolic, chain-curved, semi-cubic parabolic, egg-shaped, and circular as the most common shapes. A channel designer has many design options in different condition أکثرChannels have various types of cross-sectional shapes, including trapezoidal, rectangular, semi-circular, parabolic, chain-curved, semi-cubic parabolic, egg-shaped, and circular as the most common shapes. A channel designer has many design options in different conditions, including hydraulic, economic, and hydrological conditions, leakage, etc. Among the above-mentioned sections, the first two have a horizontal bottom while the other sections are curve-shaped with bottom curvature. The primary goal in the design of hydraulic channels is to achieve the maximum flow capacity considering the minimum channel construction cost. A variety of studies has been conducted on the different types of hydraulic channels so far, each dealing with the subject from a certain perspective. However, most of the studies have focused on circular, rectangular and trapezoidal channels. This study has focused on the parabolic channel. Genetic algorithm (GA) and particle swarm optimization (PSO) or GRG algorithms and their combination are usually used for optimization. However, this research adopts a novel and updated meta-heuristic algorithm, namely the Harris Hawks Optimization (HHO) algorithm, to optimize the parabolic channel with a fixed roughness coefficient and determine the optimal dimensions of the channel with different flow rates. This channel uses different flow rates, namely 50, 100, 150, 200, 250, and 300 m3/s to solve the optimization problem. Finally, it was found that the lowest construction cost and the highest efficiency for water supply is achieved with a roughness coefficient of 0.015 and a flow rate of 100 m3/s. تفاصيل المقالة -
حرية الوصول المقاله
17 - یک سیستم توصیه‌گر مبتنی بر اعتماد با استفاده از الگوریتم بهبودیافته بهینه‌سازی ازدحام ذرات
سجاد احمدیان محمدحسین اولیائیسیستمهای توصیه‌گر ابزارهای هوشمندی هستند که به کاربران کمک¬میکنند اطلاعات مورد نیاز خود را بر اساس علایق قبلی خود با صرف زمان کمتری نسبت به موتورهای جستجو پیداکنند. یکی از چالش‌های اصلی سیستم‌های توصیه‌گر تنکی ماتریس رتبه‌های کاربر-قلم میباشد. این چالش به این دلیل ات أکثرسیستمهای توصیه‌گر ابزارهای هوشمندی هستند که به کاربران کمک¬میکنند اطلاعات مورد نیاز خود را بر اساس علایق قبلی خود با صرف زمان کمتری نسبت به موتورهای جستجو پیداکنند. یکی از چالش‌های اصلی سیستم‌های توصیه‌گر تنکی ماتریس رتبه‌های کاربر-قلم میباشد. این چالش به این دلیل اتفاق¬می‌افتد که کاربران عمدتاً به تعداد کمی از اقلام موجود رتبه می‌دهند. سیستم‌های توصیه‌گر مبتنی بر اعتماد از روابط اعتماد بین کاربران به¬منظور کاهش مشکل تنکی ماتریس رتبه‌های کاربر-قلم استفاده¬میکنند. ایده اصلی این سیستم‌ها این است که وجود رابطه اعتماد بین دو کاربر نشاندهنده علایق مشابه آن دو کاربر میباشد. کارایی این سیستم‌ها به انتخاب درست کاربران همسایه برای کاربر هدف بر اساس میزان شباهت بین آن¬ها بستگی دارد. در این مقاله، یک سیستم توصیه‌گر مبتنی بر اعتماد جدید با استفاده از الگوریتم بهبودیافته بهینه‌سازی ازدحام ذرات ارائه¬شده¬است. در این روش، ابتدا میزان شباهت بین کاربران بر اساس ماتریس رتبه‌های کاربر-قلم و روابط اعتماد محاسبه¬می‌گردد. سپس، از الگوریتم بهبودیافته بهینه‌سازی ازدحام ذرات برای وزن‌دهی بهینه کاربران همسایه کاربر هدف استفاده¬میشود. به¬منظور بهبود الگوریتم بهینه‌سازی ازدحام ذرات از عملگرهای الگوریتم ژنتیک و الگوریتم بهینه‌سازی تولیدمثل تک¬جنسیتی مبتنی بر آشوب استفاده¬شده¬است. پس از وزن‌دهی بهینه کاربران همسایه، رتبه‌های نامشخص برای کاربر هدف پیشبینی¬می‌گردد. نتایج آزمایش¬ها بر روی یک مجموعه داده استاندارد کارایی بالای روش پیشنهادی را نسبت به سایر روشهای مقایسه¬شده، نشان¬می‌دهد. تفاصيل المقالة -
حرية الوصول المقاله
18 - طراحی بهینه یک نیروگاه خورشیدی جدا از شبکه به منظور کاهش هزینه های احداث و میزان بار تأمین نشده با استفاده از الگوریتم ALPSO
لیث خضیر عباس هلای محمد مهدی رضاییانرژی خورشیدی منحصربه فردترین و مقرون به صرفه منبع انرژی تجدیدپذیر در جهان است و می تواند به اشکال دیگر انرژی تبدیل گردد. لذا در این مقاله قرار است تا به صورت کلان و در چشم انداز دراز مدت به امکان سنجی فنی و اقتصادی نصب یک واحد نیروگاه خورشیدی از نوع منفصل از شبکه با پش أکثرانرژی خورشیدی منحصربه فردترین و مقرون به صرفه منبع انرژی تجدیدپذیر در جهان است و می تواند به اشکال دیگر انرژی تبدیل گردد. لذا در این مقاله قرار است تا به صورت کلان و در چشم انداز دراز مدت به امکان سنجی فنی و اقتصادی نصب یک واحد نیروگاه خورشیدی از نوع منفصل از شبکه با پشتیبانی باتری برای تأمین بخشی از برق شهر بغداد در کشور عراق پرداخته شود. تابع هدف این مسئله شامل هزینه نصب و تعمیر و نگهداری صفحات خورشیدی، باتری ها و اینورتر است که با نرخ بهره مشخص در چشم انداز 20 ساله با استفاده از روشهای فرا ابتکاری IPSO و ALPSOبرای حل شده است، همچنین فاکتور میزان بار از دست رفته، حد مجاز شارژ و دشار باتری ها از جمله قیود اصلی مسئله هستند. یکی از ویژگی هایی که این مقاله را از سایر مقالات متمایز می کند اجرای آن برای مورد عملی شهر بغداد است، همچنین بررسی سود احتمالی حاصل از فروش برق به شبکه بالادست و استفاده از الگوریتم جدید ALPSOهم از دیگر ویژگی ها و نوآوری های این مقاله به شمار می روند. این الگوریتم از یک فرآیند جستجوی تطبیقی سه مرحله ای استفاده می کند و باعث می شود تا قیود مسئله به خوبی رعایت شوند. نتایج نشان می دهند که روش های پیشنهادی باعث کاهش قابل توجه بار از دست رفته (به خصوص در روش ALPSO)، کاهش هزینه تعمیر نگهداری و نصب می شوند و در کل باعث بهبود عملکرد سیستم می شوند. تفاصيل المقالة -
حرية الوصول المقاله
19 - Determination of Optimal Parameters for Finite Plates with a Quasi-Square Hole
M Jafari M.H Bayati Chaleshtari E ArdalaniThis paper aims at optimizing the parameters involved in stress analysis of perforated plates, in order to achieve the least amount of stress around the square-shaped holes located in a finite isotropic plate using metaheuristic optimization algorithms. Metaheuristics m أکثرThis paper aims at optimizing the parameters involved in stress analysis of perforated plates, in order to achieve the least amount of stress around the square-shaped holes located in a finite isotropic plate using metaheuristic optimization algorithms. Metaheuristics may be classified into three main classes: evolutionary, physics-based, and swarm intelligence algorithms. This research uses Genetic Algorithm (GA) from evolutionary algorithm category, Gravitational Search Algorithm (GSA) from physics-based algorithm category and Bat Algorithm (BA) from Swarm Intelligence (SI) algorithm category. The results obtained from the present study necessitate the determination of the actual boundary between finite and infinite plate for the plates with square-shaped holes. The design variables such as bluntness, hole orientation, and plate dimension ratio as effective parameters on stress distribution are investigated. The results obtained from comparing BA, GA and GSA indicate that BA as SI algorithm category competitive results, proper convergence to global optimal solution and more optimal stress level than the two mentioned algorithms. The obtained results showed that the aforementioned parameters have a significant impact on stress distribution around a square-shaped holes and that the structure’s load-bearing capability can be increased by proper selection of these parameters without needing any change in material properties. تفاصيل المقالة -
حرية الوصول المقاله
20 - Comparison of Portfolio Optimization for Investors at Different Levels of Investors' Risk Aversion in Tehran Stock Exchange with Meta-Heuristic Algorithms
Mohammad Hassan Fotros Idris Miri Ayob MiriThe gaining returns in line with risks is always a major concern for market play-ers. This study compared the selection of stock portfolios based on the strategy of buying and retaining winning stocks and the purchase strategy based on the level of investment risks. In أکثرThe gaining returns in line with risks is always a major concern for market play-ers. This study compared the selection of stock portfolios based on the strategy of buying and retaining winning stocks and the purchase strategy based on the level of investment risks. In this study, the two-step optimization algorithms NSGA-II and SPEA-II were used to optimize the stock portfolios. In order to determine the winning algorithm, the performance indexes, Set coverage and the Mean Ideal Distance were used. Finally, the active shares of 50 Tehran Stock Exchange com-panies were analysed (2007-2016). The results indicate that the SPEA-II algo-rithm can perform optimization and achieve a better performance than the NSGA-II. This algorithm could achieve better outcomes than the winning strategy during the selection period based on the risk-taking strategies in different months تفاصيل المقالة -
حرية الوصول المقاله
21 - Hybrid Multilayer Perceptron Neural Network with Grey Wolf Optimization for Predicting Stock Market Index
Meysam Doaei Seyed Ahmad Mirzaei Mohammad RafighStock market forecasting is a challenging task for investors and researchers in the financial market due to highly noisy, nonparametric, volatile, complex, non-linear, dynamic and chaotic nature of stock price time series. With the development of computationally intelli أکثرStock market forecasting is a challenging task for investors and researchers in the financial market due to highly noisy, nonparametric, volatile, complex, non-linear, dynamic and chaotic nature of stock price time series. With the development of computationally intelligent method, it is possible to predict stock price time series more accurately. Artificial neural networks (ANNs) are one of the most promising biologically inspired techniques. ANNs have been widely used to make predictions in various research. The performance of ANNs is very dependent on the learning technique utilized to train the weight and bias vectors. The proposed study aims to predict daily Tehran Exchange Dividend Price Index (TEDPIX) via the hybrid multilayer perceptron (MLP) neural networks and metaheuristic algorithms which consist of genetic algorithm (GA), particle swarm optimization (PSO), black hole (BH), grasshopper optimization algorithm (GOA) and grey wolf optimization (GWO). We have extracted 18 technical indicators based on the daily TEDPIX as input parameters. Therefore, the experimental result shows that grey wolf optimization has superior performance to train MLPs for predicting the stock market in metaheuristic-based. تفاصيل المقالة -
حرية الوصول المقاله
22 - Application of meta-heuristic algorithms in portfolio optimization with capital market bubble conditions
Iman Mohammadi Hamzeh Mohammadi Khoshouei Arezo Aghaee chadeganiThe existence of bubbles in the market, especially the capital market, can be a factor in preventing the participation of investors in the capital market process and the correct allocation of financial resources for the economic development of the country. On the other أکثرThe existence of bubbles in the market, especially the capital market, can be a factor in preventing the participation of investors in the capital market process and the correct allocation of financial resources for the economic development of the country. On the other hand, due to the goal of investors in achieving a portfolio of high returns with the least amount of risk, the need to pay attention to these markets increases. In this research, with the aim of maximizing return and minimizing investment risk, an attempt has been made to form an optimal portfolio in conditions where the capital market has a price bubble. According to the purpose, the research is of applied type, and in terms of data, quantitative and post-event, and in terms of type of analysis, it is of descriptive-correlation type. In order to identify the months with bubbles in the period from 2015 to 2021 in the Tehran Stock Exchange market, sequence tests and skewness and kurtosis tests were used. After identifying periods with bubbles, the meta-heuristic algorithms were used to optimize the portfolio. The results indicate the identification of 14 periods with price bubbles in the period under study. Also, in portfolio optimization, selected stock portfolios with maximum returns and minimum risk are formed. This research will be a guide for investors in identifying bubble courses and how to form an optimal portfolio in these conditions. تفاصيل المقالة -
حرية الوصول المقاله
23 - Application of HS Meta-heuristic Algorithm in Designing a Mathematical Model for Forecasting P/E in the Panel Data Approach
Mozhgan Safa Hossein PanahianIn financial markets such as Tehran Stock Exchange, P/E coefficient, which is one of the most well-known instruments for evaluating stock prices in financial markets, is considered necessary for shareholders, investors, analysts and corporate executives. P/E is used as أکثرIn financial markets such as Tehran Stock Exchange, P/E coefficient, which is one of the most well-known instruments for evaluating stock prices in financial markets, is considered necessary for shareholders, investors, analysts and corporate executives. P/E is used as an important indicator in investment decisions. In this research, harmony search metaheuristic algorithm is used to select optimal variables affecting P/E and then, modelling is done through multivariate regression based on panel data. For this purpose, a sample of 87 companies has been selected from listed companies in the Tehran Stock Exchange during a 10-year period (2006-2015). The results indicate the effect of the variables of stock returns, stock price to book value ratio, price to net selling ratio, return on assets, earnings per share, market value to book value, money volume, operating return margin, return on capital, and current assets, as top ten variables, on P/E ratio, which estimates a total of 86% of the P/E ratio changes. تفاصيل المقالة -
حرية الوصول المقاله
24 - A Mathematical Model to Optimize Cost, Time in The Three echelon Supply Chain in Post COVID 19 pandemic
Reza Ehtesham Rasi Jamal Mahmoodi Alireza IrajpoorPurpose – The purpose of this paper is to optimize Cost & time in the three echelon supply chain (SC) network. This paper developed a linear programing (LP) model to consider economic data. Design/methodology/approach – The overall objective of the prese أکثرPurpose – The purpose of this paper is to optimize Cost & time in the three echelon supply chain (SC) network. This paper developed a linear programing (LP) model to consider economic data. Design/methodology/approach – The overall objective of the present study is to use high-quality raw materials, at the same time in post COVID 19 pandemic and the highest profitability is achieved. The model in the problem is solved using two metaheuristic algorithms, namely, Cuckoo and Genetic. Optimization of supply chain performance indicators in minimization of cost and time and maximization of sustainability indexes of the system. Findings – The differences found between the genetic algorithms (GAs) and the LP approaches can be explained by handling the constraints and their various logics. To deal with ambiguity in the reverse logistics network, a fuzzy approach has been applied. To solve the problem in large dimensions, meta-heuristic algorithms of Cuckoo and Genetic were employed by applying MATLAB software. In order to compare two optimization algorithms, a series of sample problems have been generated then the results of two algorithms were compared and superiority of each of them was discussed. تفاصيل المقالة -
حرية الوصول المقاله
25 - A Heuristic Algorithm for Solving Single Machine Scheduling Problem with Periodic Maintenance
Amir Ebrahimi Zade Mohammad Bagher Fakhrzad Mohsen HasaninezhadAbstract. In this paper, the scheduling problem with nonresumable jobs and maintenance process is considered in order to minimize the makespan under two alternative strategies. The first strategy is to implement the maintenance process on the machine after a predetermin أکثرAbstract. In this paper, the scheduling problem with nonresumable jobs and maintenance process is considered in order to minimize the makespan under two alternative strategies. The first strategy is to implement the maintenance process on the machine after a predetermined time period and the second one is to consider the maximum number of jobs that can be done with an especial tool. We propose a new mathematical formulation for the aforementioned problem and regarding the problem is included in the NP-Hard class of problems, in the second part of the paper, we propose a heuristic algorithm in order to solve the problem in a reasonable time. Also we compare the performance of the proposed algorithm with existing methods in the literature. Computational results showed that the proposed algorithm is able to attain optimum solutions in most cases and also corroborate its better performance than the existing heuristic methods in the literature. تفاصيل المقالة -
حرية الوصول المقاله
26 - Stochastic Facilities location Model by Using Stochastic Programming
Ali Gholinezhad Devin Saeed Fayyaz Reza SadeghiFinding the location for plans like factories or warehousesfor any organization is an important and strategic decision. Costs oftransportation which are the main part of the price of the goods, is thefunction of the location of these projects. to find the optimum locati أکثرFinding the location for plans like factories or warehousesfor any organization is an important and strategic decision. Costs oftransportation which are the main part of the price of the goods, is thefunction of the location of these projects. to find the optimum locationof these projects, there have been various methods proposed which areusually defined (not random). In reality and in dealing with real worldconditions, taking into account influential and effective parameters leadsto unexpected results. In this research, while introducing these definedalgorithms, it been tried to random location model based on the existingmodels. Regarding this, by studying the models taken in randomlocation we tried to propose an efficient and effective model. For thispurpose, by using randomized planning and randomized constrainedplanning, we turn random model to defined model, which is solvable byusing the last algorithm or standard planning methods. تفاصيل المقالة -
حرية الوصول المقاله
27 - Checking the performance of Shahin Harris algorithm in dam reservoir optimization
کبری رنجوری مهدی اژدری مقدم سید آرمان هاشمی منفرد سیما اوحدیIn any region due to the lack of precipitation and with any type of weather, there is a possibility of a drought phenomenon. This phenomenon depends on factors such as high temperature, low relative humidity, low coefficient of snow melting, wind and lack of precipitati أکثرIn any region due to the lack of precipitation and with any type of weather, there is a possibility of a drought phenomenon. This phenomenon depends on factors such as high temperature, low relative humidity, low coefficient of snow melting, wind and lack of precipitation. Optimum exploitation of reservoirs by considering multiple important goals together and simultaneously is of great importance, and for this reason, it is necessary to manage the volume of the reservoir every month; Because the efficiency of the reservoir in flood control depends on the volume of the reservoir and its geometric characteristics and overflow. In this study, using MATLAB software and an optimal algorithm of Harris Hawks, the data of Amirkabir Karaj dam was written in order to find the optimal amount of withdrawal from the reservoir of the dam, and Harris Hawk algorithm was evaluated. The population-based algorithm performs the search process in two stages: exploration and exploitation. In Harris Hawk algorithm, there are parameters whose value change affects the performance of this algorithm. In this study, the minimum value of the objective function was investigated in Harris Hawk algorithm. By increasing the number of iterations, the value of the objective function improves, and the best value of the objective function was in iteration 64000 with a value of 25.8934, which achieved the best performance of the algorithm in this iteration تفاصيل المقالة -
حرية الوصول المقاله
28 - جایگاه نقاط بی تفاوتی در مسائل تصمیم گیری چند معیاره (مطالعه موردی ارزیابی تامین کنندگان شرکت آب و فاضلاب شهری استان زنجان)
Reza Radfar ARSHAD FARAHMANDIAN Mohammad Ali Afshar Kazemiتصمیمات مربوط به فرایند ارزیابی و انتخاب تأمین کنندگان باید با بررسی همه گزینه‌های ممکن انجام گیرد، در غیر اینصورت در مرحله پیاده سازی و اجرا، سازمان با مشکلات عدیده‌ای روبرو خواهد شد. هدف مطالعه حاضر تعیین نقاط بی تفاوتی ارزیابی تأمین کنندگان شرکت آب و فاضلاب شهری استا أکثرتصمیمات مربوط به فرایند ارزیابی و انتخاب تأمین کنندگان باید با بررسی همه گزینه‌های ممکن انجام گیرد، در غیر اینصورت در مرحله پیاده سازی و اجرا، سازمان با مشکلات عدیده‌ای روبرو خواهد شد. هدف مطالعه حاضر تعیین نقاط بی تفاوتی ارزیابی تأمین کنندگان شرکت آب و فاضلاب شهری استان زنجان میباشد.مطالعه حاضر از نوع توصیفی میباشد. داده‌های این مطالعه مربوط به ارزیابی تأمین کنندگان یکی از پروژه های شرکت آب و فاضلاب شهری استان زنجان میباشد. داده‌ها بر اساس نظرات 10 نفر از خبرگان که دارای حداقل مدرک کارشناسی و همچنین حداقل 5 سال سابقه کار در شرکت را داشتند بر اساس "فرم ارزیابی تأمین کنندگان " جمع آوری شد. داده‌ها با استفاده از نرم افزار متلب نسخه 2014 تحلیل شده اند.تعداد 10 مورد ماتریس هم ارز با ماتریس اولیه تصمیم گیری به تفکیک برای هر روش شناسایی و تولید شده است. روش TOPSIS-GA=2 ، TOPSIS- PSO = 3 ، AHP- GA= 2و روش AHP- PSO = 3 . ازبین ماتریس های هم ارز شناسایی شده ماتریس مربوط به خروجی دوم TOPSIS-GA براساس نظر خبرگان شرکت به عنوان گزینه مطلوب انتخاب به عنوان نسخه نهایی جهت تطبیق در اختیار پیمانکار مربوطه قرار گرفته شده است. تفاصيل المقالة -
حرية الوصول المقاله
29 - طراحی مدل ریاضی چند هدفه برای مکانیابی زنجیره تامین چهار سطحی با استفاده از الگوریتم های فرا ابتکاری
hamid Reza Mohammadi Reza Ehtesham Rasi Ali Mohtashamiهدف این پژوهش ، طراحی یک مدل ریاضی چند هدفه به در راستای بهینه سازی زنجیره تامین چهار سطحی کالاهای فاسد شدنی با استفاده از الگوریتم فرا ابتکاری هیبرید با عنایت به زمان تدارک، هزینه و رضایت مشتری است. زنجیره‌های تامین چهار سطحی مواد غذایی فاسدشدنی به دلیل تغییرات مداوم و أکثرهدف این پژوهش ، طراحی یک مدل ریاضی چند هدفه به در راستای بهینه سازی زنجیره تامین چهار سطحی کالاهای فاسد شدنی با استفاده از الگوریتم فرا ابتکاری هیبرید با عنایت به زمان تدارک، هزینه و رضایت مشتری است. زنجیره‌های تامین چهار سطحی مواد غذایی فاسدشدنی به دلیل تغییرات مداوم و قابل توجه در کیفیت محصولات غذایی در سراسر زنجیره تا زمان مصرف نهایی جزو زنجیره‌های تامین محصولات متفاوت محسوب می‌گردد. در این تحقیق، مدل ریاضی برای مسئله مکانیابی- مسیریابی تسهیلات در یک زنجیره تامین چهار سطحی برای محصولات فاسد شدنی با رویکرد بهینه سازی همزمان هزینه‌های کل زنجیره تامین، زمان تحویل سفارشات، انتشار آلاینده‌ها و سطح رضایت مشتریان ارائه می‌گردد. برای سنجش اعتبار تحقیق، مدل ریاضی در صنایع غذایی بهشهر مورد مطالعه قرار گرفته و مسئله پژوهش در قالب یک مدل چندهدفه برنامه‌ریزی غیرخطی عدد صحیح مختلط ارائه و برای حل آن، از ترکیب دو الگوریتم تبرید و گوزن قرمز استفاده شده است. نتایج الگوریتم پیشنهادی در یک مطالعه موردی حل و نتایج حاصل از عملکرد الگوریتم بر اساس شاخص‌های استاندارد بررسی شده و در نهایت نتایج محاسباتی، نشانگر کارایی الگوریتم برای طیف وسیعی از مسائل با اندازه‌های متفاوت است. تفاصيل المقالة -
حرية الوصول المقاله
30 - مقایسه و رتبه‌بندی الگوریتم‌های فراابتکاری با استفاده از روشهای تصمیم‌گیری گروهی
Hojatollah Rajabi Moshtaghi Abbas Toloie Eshlaghy Mohammad Reza Motadelدر سالهای اخیر، شاهد ظهور و گسترش الگوریتم‌های فراابتکاری و استفاده از آنها جهت حل مسائل پیچیده، غیرخطی و NP-hard بوده‌ایم. هدف از انجام این تحقیق رتبه‌بندی الگوریتم‌های فراابتکاری با استفاده از روشهای تصمیم‌گیری گروهی بوده است. در این راستا، پنج الگوریتم شامل: GA، PSO أکثردر سالهای اخیر، شاهد ظهور و گسترش الگوریتم‌های فراابتکاری و استفاده از آنها جهت حل مسائل پیچیده، غیرخطی و NP-hard بوده‌ایم. هدف از انجام این تحقیق رتبه‌بندی الگوریتم‌های فراابتکاری با استفاده از روشهای تصمیم‌گیری گروهی بوده است. در این راستا، پنج الگوریتم شامل: GA، PSO، ABC،SFLA و ICA انتخاب و با بهره‌گیری از 15 تابع تست استاندارد و همچنین با در نظر گرفتن دو شاخص میانگین تابع هدف و میانگین زمان محاسباتی مقایسه‌ها انجام شد. در ادامه الگوریتم ها بوسیله سه تکنیک تصمیم‌گیری گروهی شامل:کوک وسیفرد، کندرست و دادسون رتبه‌بندی گردیدند. علاوه بر این، در این پژوهش برای خروج از گره حاصل از یکسان شدن رتبه برخی از گزینه‌ها در روشهای کندرست و دادسون راه حل‌هایی پیشنهاد و سپس الگوریتم‌های تحت بررسی، با روشهای پیشنهادی نیز رتبه‌بندی شدند. در نهایت رتبه‌بندی کلی با استفاده از یک مدل تخصیص انجام شد، که نتایج آن به صورت زیر است: رتبه یکم PSO ، رتبه دوم ICA ، رتبه سوم GA، رتبه چهارم ABC و رتبه پنجم SFLA . تفاصيل المقالة -
حرية الوصول المقاله
31 - طراحی مدل بهینه بازیافت در زنجیره تأمین چهار سطحی حلقه بسته به وسیله تئوری صف و برنامه ریزی استوار (مطالعه موردی صنعت کاغذ)
Mahdi Alizadeh Beromi Mohammad Ali Afshar Kazemi Mohammadali Keramati Abbass Toloie Ashlaghiدر سالهای اخیر رقابت‌های صنعتی و اقتصادی، مباحث زیست محیطی و فشار دولت‌ها بر تولیدکنندگان برای مدیریت پسماند محصولات و از طرفی سود ناشی از بازیافت محصولات، اهمیت طراحی شبکه زنجیره تأمین معکوس و حلقه بسته را دوچندان کرده است. تحقیق موردنظر در زمینه طراحی شبکه زنجیره تأم أکثردر سالهای اخیر رقابت‌های صنعتی و اقتصادی، مباحث زیست محیطی و فشار دولت‌ها بر تولیدکنندگان برای مدیریت پسماند محصولات و از طرفی سود ناشی از بازیافت محصولات، اهمیت طراحی شبکه زنجیره تأمین معکوس و حلقه بسته را دوچندان کرده است. تحقیق موردنظر در زمینه طراحی شبکه زنجیره تأمین حلقه بسته چهار سطحی در شرایط عدم قطعیت درصد بازیافت محصولات انجام میشود. هدف اصلی این تحقیق، ارائه یک مدل برنامه‌ریزی خطی عدد صحیح است که به منظور حداقل سازی هزینه‌های زنجیره تأمین و زمان خدمت دهی به مشتریان تحت شرایط عدم قطعیت ایجاد میشود. این مدل شبکه تأمین با در نظر گرفتن تئوری صف و بهینه‌سازی سیستم بازیافت محصولات طراحی میشود.یکی از نکات مهم تحقیق، مدلسازی عدم قطعیت در میزان بازگشت محصولات مصرفی به چرخه زنجیره تأمین حلقه بسته است. این تحلیل به منظور ایجاد یک رهیافت استوار برای مدلسازی مساله مورد استفاده قرار میگیرد.در انتها، عملکرد مدل پیشنهادی در صنعت تولید کاغذ ارزیابی میشود و یک تحلیل حساسیت با توجه به متغیرهای تصمیم بین دو الگوریتم فراابتکاری جستجوی هارمونی چندهدفه و الگوریتم ژنتیک مرتب‌سازی مغلوب ارائه میشود. تفاصيل المقالة -
حرية الوصول المقاله
32 - ارائه مساله طرح تاسیسات پویا با روشهای فراابتکاری تک جواب و مبتنی بر جمعیت
Mohammad Mahdi Karampour Mostafa Hajiaghaei-Keshteliدر جوامع مدرن امروزی، مراکز تولیدی باید قادر به ارائه پاسخی صریح، دقیق، فوری به تغییرات تقاضا و تبع آن تغییرات در محصول باشند، بنابراین در این مقاله در پی مطرح نمودن مساله چیدمان و بازآرایی تاسیسات مراکز تولیدی و خدماتی هستیم به‌گونه‌ای که مجموع هزینه‌های حمل و نقل مواد أکثردر جوامع مدرن امروزی، مراکز تولیدی باید قادر به ارائه پاسخی صریح، دقیق، فوری به تغییرات تقاضا و تبع آن تغییرات در محصول باشند، بنابراین در این مقاله در پی مطرح نمودن مساله چیدمان و بازآرایی تاسیسات مراکز تولیدی و خدماتی هستیم به‌گونه‌ای که مجموع هزینه‌های حمل و نقل مواد و بازآرایی خطوط تولیدی به کمترین میزان خود برسد. یک طرح بهینه باعث انتقال بهینه و کارا مواد بین تاسیسات و کاهش فرآیند کار و هزینه انبار‌داری میشود. برای مراکز تولیدی، هزینه حمل مواد مهمترین شاخص برای تعیین بهره‌وری یک طرح میباشد. این موضوع به عنوان مساله طرح تاسیسات پویا (DFLP) مطرح گردیده است. در این مقاله، DFLP با پنج روش فراابتکاری شامل ژنتیک (GA)، شبیه‌سازی تبرید (SA)، جستجوی ممنوع (TS)، ازدحام ذرات (PSO) و رقابت استعماری (ICA) مدلسازی شده است. روش تاگوچی جهت انتخاب پارامترهای بهینه به کار برده شده است. نتایج حاصله به خوبی نمایانگر آن‌اند که روشهای فراابتکاری، راه‌کارهایی بهینه و موثر برای غلبه بر مساله طرح تاسیسات مراکز تولیدی و خدماتی ارائه می‌دهند. نتایج مدلسازی حاکی از آن هستند که الگوریتم رقابت استعماری در مقام مقایسه با دیگر روش‌ها، جواب‌های بهینه بهتری را در این مساله با محدودیت‌های مفروض در معیارهای مختلف ارائه می‌دهد. تفاصيل المقالة -
حرية الوصول المقاله
33 - حل مسئله زمانبندی پروژه با هدف کمینه سازی زمان اتمام پروژه با محدودیت منابع با الگوریتم فراابتکاری قورباغه
Alireza Haji Akhondi Gholam Reza Tavakoli Peyman Akhavan Manouchehr Manteghiالگوریتم جهش ترکیبی قورباغه (SFLA) یک الگوریتم مبتنی بر ممتیک متاهیوریستیکِ است. این الگوریتم در سالهای اخیر توسط Eusuff و Lansey ایجاد شد. الگوریتم SFLA از نحوه‌ی جستجوی غذای گروه‌های قورباغه سرچشمه میگیرد. این الگوریتم برای جستجوی محلی میان زیرگروه‌های قورباغه از رو أکثرالگوریتم جهش ترکیبی قورباغه (SFLA) یک الگوریتم مبتنی بر ممتیک متاهیوریستیکِ است. این الگوریتم در سالهای اخیر توسط Eusuff و Lansey ایجاد شد. الگوریتم SFLA از نحوه‌ی جستجوی غذای گروه‌های قورباغه سرچشمه میگیرد. این الگوریتم برای جستجوی محلی میان زیرگروه‌های قورباغه از روش نمو ممتیک استفاده میکند. SFLA از استراتژی ترکیب استفاده میکند و امکان مبادله پیام در جستجوی محلی را فراهم می‌سازد. الگوریتم جهش ترکیبی قورباغه مزایای الگوریتم نمو ممتیک و بهینه‌سازی گروه ذرات (PSO) را ترکیب میکند. یکی از مسائل مشهور در زمینه کنترل پروژه، زمانبندی پروژه با محدودیت منابع و سایر محدودیتها می باشد که زمانبندی پروژه با در نظر گرفتن محدودیت منابع از جمله مسائل دارای پیشینه تحقیقاتی غنی است. مساله زمانبندی پروژه با منابع محدود در واقع کلی ترین مساله زمانبندی است. مسائل زمانبندی کارگاهی، جریان کارگاهی ، زمانبندی و سایر مسائل زمانبندی همگی زیر مجموعه ای از این مسئله به حساب می آیند. زمانبندی پروژه یکی از وظایف اصلی و فعالیت‌های اصلی در مدیریت پروژه است. وجود محدودیت منابع و همچنین روابط پیش نیازی بین فعالیت‌ها مسئله زمانبندی پروژه را امری دشوار می‌سازد. زمانبندی پروژه با در نظر گرفتن محدودیت منابع از جمله مسائل با ادبیات غنی در حوزه مسائل تحقیق در عملیات است.این مسئله توجه محققان را در سالهای اخیر بشدت بخود جلب کرده است و تاکنون با الگوریتم های مختلف حل شده است. در این مقاله به بررسی و عملکرد الگوریتم جهش قورباغه (SFLA) در حل مسائل زمانبندی پروژه با محدودیت منابع پایه پرداخته می شود که نتایج حاکی از عملکرد مناسب و قوی این الگوریتم فراابتکاری جدید می باشد. تفاصيل المقالة -
حرية الوصول المقاله
34 - بهینه‌سازی در مسیریابی باز وسیله نقلیه با استفاده از یک الگوریتم کارای ترکیبی فراابتکاری
Majid Yousefi khoshbakht Hassan Zarie Zahra Sadati Eskandari Narges Mahmmudi Daranie Ahmad Mahmmud Janloمسئله مسیریابی وسیله نقلیه باز (OVRP) یکی از مسائل مورد علاقه در ریاضیات محاسباتی است که بسیار مورد توجه محققان و دانشمندان قرار میگیرد. در این مسئله هدف تعیین کمینه هزینه جابجایی چندین وسیله نقلیه است که به طور همزمان از انبار کالا شروع به حرکت میکنند و تعدادی از مش أکثرمسئله مسیریابی وسیله نقلیه باز (OVRP) یکی از مسائل مورد علاقه در ریاضیات محاسباتی است که بسیار مورد توجه محققان و دانشمندان قرار میگیرد. در این مسئله هدف تعیین کمینه هزینه جابجایی چندین وسیله نقلیه است که به طور همزمان از انبار کالا شروع به حرکت میکنند و تعدادی از مشتری‌ها را مورد ملاقات قرار می‌دهند. باید توجه کرد که برخلاف مسئله مسیریابی وسیله نقلیه (VRP)، در این مسئله وسائل نقلیه لازم نیست که به انبار کالا برگردند. این مقاله نوعی روش فراابتکاری که در فاز اول آن از روش اصلاحی نمونه مورچگان (EAS) برای یافتن جوا‌ب‌هایی زیر بهینه استفاده میکند و در فاز دوم الگوریتم‌های درج و جابجایی برای یافتن جواب‌های بهتر به کار گرفته میشود. این الگوریتم بر روی مجموعه‌ای از 15 مثال با 50-400 مشتری مورد آزمایش واقع گردید که معلوم شد که این الگوریتم قادر است که در 10 مثال به بهترین جواب تاکنون یافت شده دست یابد. به علاوه از نظر کیفیت جواب‌های بدست آمده، ثابت شد که الگوریتم پیشنهادی بسیار رقابت پذیر است و انحراف معیار الگوریتم در همه مثال‌ها در حدود 1 درصد قرار دارد. به طور کل می‌توان گفت که الگوریتم پیشنهادی در مقایسه با سایر روشهای موجود برای حل مسئله OVRP از نظر کیفیت جواب‌‌ها نتایج بهتری را بدست آورده است. تفاصيل المقالة -
حرية الوصول المقاله
35 - بهینه‌سازی توان و وزن چرخدنده‌های ساده به کمک روشهای بهینه‌سازی فرا ابتکاری و روشهای اجزا محدود
محمد صادقی علی سعدالهچرخدندهها یکی از پرکاربردترین اجزای انتقال و یا تغییر قدرت محسوب میشوند که به وفور در صنعت به چشم میخورند. در طراحی چرخدنده ها، متغیرهای وزن، اندازه و راندمان از عوامل مهم و تاثیرگذار در یک طراحی بهینه محسوب میشوند، هرچند این عوامل گاهی در تضاد با یکدیگر هستند. از اینر أکثرچرخدندهها یکی از پرکاربردترین اجزای انتقال و یا تغییر قدرت محسوب میشوند که به وفور در صنعت به چشم میخورند. در طراحی چرخدنده ها، متغیرهای وزن، اندازه و راندمان از عوامل مهم و تاثیرگذار در یک طراحی بهینه محسوب میشوند، هرچند این عوامل گاهی در تضاد با یکدیگر هستند. از اینرو اهمیت بهینه سازی در چرخدنده ها امری ضروری قلمداد میشود. امروزه با توسعه رایانه ها و گسترش نرم افزارهای مهندسی در علم مکانیک می‌توان در هزینه و در ساخت این چرخدنده ها پیشرفت قابل توجه ای کرد. چرخدنده مورد نظر در این تحقیق از نوع چرخدنده ساده است که البته این تحقیق قابلیت بسط به انواع دیگر چرخدنده ها را داراست. در این مقاله از نرم افزار انسیس و زبان برنامه نویسی متلب جهت مدلسازی و بهینه سازی چرخدنده ساده استفاده شده است. در این مطالعه، هدف افزایش بیشترین توان با کمترین وزن ممکن است. متغیرهای طراحی در این مقاله، توان، تعداد دندانه، مدول، و ضخامت چرخدنده هستند که به بهینه‌ترین شکل ممکن با نرم‌افزار متلب بهینه سازی شده اند و سپس با نرم‌افزار انسیس مدلسازی و تحلیل مهندسی میشوند. در این میان، قیودی مانند قیود مربوط به تنش‌های موجود، مدول، فاصله دو محور چرخدنده، راندمان، و ضرایب اطمینان نیز در نظر گرفته میشوند. نتایج حاصله از برنامه نویسی با خطای بسیار کمی نتایج حاصله از نرم افزار مهندسی را تایید میکند که این مهم مبین قابل قبول بودن مدل ریاضی ارایه شده در این مقاله است. تفاصيل المقالة -
حرية الوصول المقاله
36 - A Hybrid Meta-Heuristic Approach for Design and Solving a Location Routing Problem Considering the Time Window
Mohammad Amin Rahmani Ahamd Mirzaei Milad Hamzehzadeh AghbelaghThe supply chain requires a distribution network between customers and suppliers. This distribution network can be multifaceted. Combining these two problems into a single problem increases the efficiency of the distribution network and ultimately increases the efficien أکثرThe supply chain requires a distribution network between customers and suppliers. This distribution network can be multifaceted. Combining these two problems into a single problem increases the efficiency of the distribution network and ultimately increases the efficiency of the supply chain. Establishing a window of time to deliver goods to customers also increases their satisfaction and, as a result, more profitability in the long run. Therefore, in this research, an attempt has been made to present a routing-location problem in the multimodal transportation network. A time window is also included in this model. To solve such a model, especially in large dimensions, exact solution methods cannot be used. Based on this, a combined meta-heuristic algorithm (genetic optimization algorithm and neural network) has been proposed to solve the model, and the result has been compared with two gray wolf optimization algorithms and grasshopper optimization algorithms. The presented results indicate the effectiveness of the proposed algorithm. تفاصيل المقالة -
حرية الوصول المقاله
37 - A Review of Feature Selection Method Based on Optimization Algorithms
Zohre Sadeghian Ebrahim Akbari Hossein Nematzadeh Homayun MotameniFeature selection is the process of identifying relevant features and removing irrelevant and repetitive features with the aim of observing a subset of features that describe the problem well and with minimal loss of efficiency. One of the feature selection approaches i أکثرFeature selection is the process of identifying relevant features and removing irrelevant and repetitive features with the aim of observing a subset of features that describe the problem well and with minimal loss of efficiency. One of the feature selection approaches is using optimization algorithms. This work provides a summary of some meta-heuristic feature selection methods proposed from 2018 to 2021 that were designed and implemented on a wide range of different data. The results of the study showed that some meta-heuristic algorithms alone cannot perfectly solve the feature selection problem on all types of datasets with an acceptable speed. In other words, depending on dataset, a special meta-heuristic algorithm should be used. تفاصيل المقالة -
حرية الوصول المقاله
38 - بهینه‌سازی خطوط مونتاژ مختلط U شکل با رویکرد فراابتکاری الگوریتم جمعیت ملخ‌ها
ندا مظفری حسن مهرمنش محمود محمدیعدم دستیابی به یک سیستم تولید متعادل به معنای عدم استفاده کامل از ظرفیت‌های سیستم تولید میباشد و بخاطر هزینه‌های بسیار زیاد سیستم‌های تولیدی، متعادل‌سازی این سیستم‌ها یکی از مهمترین مشغله‌های مدیران تولید میباشد. به‌همین دلیل این تحقیق با هدف ایجاد تعادل در خطوط مونت أکثرعدم دستیابی به یک سیستم تولید متعادل به معنای عدم استفاده کامل از ظرفیت‌های سیستم تولید میباشد و بخاطر هزینه‌های بسیار زیاد سیستم‌های تولیدی، متعادل‌سازی این سیستم‌ها یکی از مهمترین مشغله‌های مدیران تولید میباشد. به‌همین دلیل این تحقیق با هدف ایجاد تعادل در خطوط مونتاژ مختلط در جهت کاهش هزینه نیروی‌انسانی و کاهش تعداد ایستگاه‌های کاری انجام شده است. برای حل مساله دو رویکرد کلی به کار گرفته می شود، برای ارزیابی مساله در شرایط مختلف دو مساله با اندازه متوسط و بزرگ حل می شود. ابتدا یک مساله متوسط را با روش دقیق از طریق نرم افزار گمز (GAMS) و سالور بارون (BARON) حل می شود. سپس یک بار دیگر مساله متوسط با الگوریتم فراابتکاری ملخ حل شده است و نتایج آن ها با روش دقیق مقایسه می شود و از این طریق صحت و دقت روش فراابتکاری سنجیده می شود تا بتوان از آن برای حل مساله با اندازه بزرگ استفاده کرد. در نهایت مقادیر برابر تابع هدف الگوریتم ملخ و تابع هدف در نرم افزار گمز نشان از عملکرد خوب این الگوریتم دارد و در نتیجه مساله بزرگ با الگوریتم فراابتکاری ملخ حل میشود و نتایج نشان از کاهش هزینه و کاهش ایستگاه‌های کاری دارد. تفاصيل المقالة -
حرية الوصول المقاله
39 - طراحی مدل ریاضی زنجیره تأمین حلقه بسته با تاکید برتوانمندسازی قابلیت های زیست محیطی و افزایش سود آوری
ابوالفضل صادقی کیوان شاه قلیان اکبر عالم تبریزراهکار اصلی دستیابی همزمان شرکت ها به اهداف اقتصادی و زیست محیطی پیاده سازی زنجیره تامین حلقه بسته میباشد. هدف اصلی این پژوهش طراحی مدل ریاضی توانمند سازی قابلیت‌های زیست محیطی و سودآوری زنجیره تأمین حلقه بسته در صنایع نظامی میباشد. مدل ارائه شده یک مدل 4 هدفه بوده که أکثرراهکار اصلی دستیابی همزمان شرکت ها به اهداف اقتصادی و زیست محیطی پیاده سازی زنجیره تامین حلقه بسته میباشد. هدف اصلی این پژوهش طراحی مدل ریاضی توانمند سازی قابلیت‌های زیست محیطی و سودآوری زنجیره تأمین حلقه بسته در صنایع نظامی میباشد. مدل ارائه شده یک مدل 4 هدفه بوده که هدف اول آن حداقل ساختن نشر الایندگی, هدف دوم حداقل ساختن زباله های زیست محیطی, هدف سوم حداقل ساختن هزینه و هدف چهارم حداقل ساختن ریسک تامین مواداولیه است. پس از طراحی مدل , اعتبار سنجی مدل با حل آن در ابعاد کوچک صورت گرفته است و سپس با استفاده از چهار الگوریتم NSGAII,MOPSO,MOACO,MOSA حل مدل در ابعاد متوسط و بزرگ حل و نتایج آن با هم مقایسه گردیده است. بر اساس نتایج تنظیم پارامترهای مدل صورت گرفته و واکنش مدل نسبت به پارامترهای مختلف بررسی گردیده است. نتایج نشان داده ، ملاحظات هم زمان ابعاد زیست محیطی ,اقتصادی در پارامترها به بهبود عملکرد زنجیره تأمین حلقه بسته از نظر توانمند سازی قابلیت های زیست محیطی و سودآوری منجر می شود. تفاصيل المقالة -
حرية الوصول المقاله
40 - طراحی و تشریح مدل قیمت گذاری در زنجیره تأمین چهار سطحی حلقه بسته با در نظر گرفتن عدم قطعیت در صنعت کاغذ
مهدی علیزاده برمی محمدعلی افشارکاظمی محمدعلی کرامتی عباس طلوعی اشلقیاخیراٌ زنجیره تأمین کالاهای فاسدشدنی با توجه به تأثیرشان بر زندگی انسان مورد توجه قرار گرفته‌اند. از سوی دیگر در صنعت بسته‌بندی، با در نظر گرفتن کاغذ به عنوان ماده اولیه و فسادپذیر به دلیل ماهیت جذب آب، پوسیدگی شدید در مقابل نور آفتاب، اشتعال‌پذیری و خاکستر شدن و درنها أکثراخیراٌ زنجیره تأمین کالاهای فاسدشدنی با توجه به تأثیرشان بر زندگی انسان مورد توجه قرار گرفته‌اند. از سوی دیگر در صنعت بسته‌بندی، با در نظر گرفتن کاغذ به عنوان ماده اولیه و فسادپذیر به دلیل ماهیت جذب آب، پوسیدگی شدید در مقابل نور آفتاب، اشتعال‌پذیری و خاکستر شدن و درنهایت تأثیر بر کیفیت نهایی محصول تولیدشده از این موضوع مستثنی نبوده است. سطح بالای سرعت تغییرات و ابهام در تصمیمات، پیشبینی شرایط آینده زنجیره‌های تأمین را به امری غیر‌ممکن مبدل ساخته است. از اینرو، طراحی و استفاده از یک مدل ریاضی برای طراحی شبکه زنجیره تأمین حلقه بسته، با در نظر گرفتن قیمت‌گذاری بهینه محصولات ، نرخ بازگشت و تقاضا همراه با در نظر گرفتن هدر رفت مواد در سیستم به شدت مورد نیاز است. در ابتدا زنجیره تأمین صنعت کاغذ-کارتن طراحی و با برنامه‌ریزی آمیخته عدد صحیح مدلسازی شده، سپس با توجه به حجم بالای محاسبات و داده‌های مسئله و همچنین عدم توانایی رویکردهای حل دقیق، رویکرد فرا ابتکاری جستجوی هارمونی جهت حل مدل استفاده گردیده است. مسئله یک مدل تک هدفه بوده که هزینه‌های سیستم را با لحاظ نمودن ملاحظات زیست‌محیطی حداقل می‌نماید. پژوهش حاضر نشان می‌دهد که افزایش قیمت دارای تأثیر مثبت بر نرخ بازگشت محصول و کاهش سطح فساد محصول دارد. در انتها برای اعتبارسنجی مدل، حل عددی یک شبکه حلقه بسته در این صنعت ارائه گردیده است. تفاصيل المقالة -
حرية الوصول المقاله
41 - جایگاه نقاط بی تفاوتی در مسائل تصمیم گیری چند معیاره
ارشد فرهمندیان رضا رادفر محمدعلی افشار کاظمیفرایند ارزیابی و انتخاب تأمین کنندگان باید با بررسی همه گزینه‌های ممکن و سناریوهای مختلف برای هریک از پیمانکاران انجام گیرد، در غیر اینصورت در مرحله پیاده سازی و اجرای تعهدات، سازمان با مشکلات عدیده‌ای روبرو خواهد شد. هدف مطالعه حاضر تعیین نقاط بی تفاوتی ارزیابی تأمین ک أکثرفرایند ارزیابی و انتخاب تأمین کنندگان باید با بررسی همه گزینه‌های ممکن و سناریوهای مختلف برای هریک از پیمانکاران انجام گیرد، در غیر اینصورت در مرحله پیاده سازی و اجرای تعهدات، سازمان با مشکلات عدیده‌ای روبرو خواهد شد. هدف مطالعه حاضر تعیین نقاط بی تفاوتی ارزیابی تأمین کنندگان شرکت گاز استان زنجان میباشد. مطالعه حاضر از نوع توصیفی میباشد. داده‌های این مطالعه مربوط به ارزیابی تأمین کنندگان یکی از پروژه های شرکت گاز استان زنجان میباشد. داده‌ها بر اساس نظرات 10 نفر از خبرگان که دارای حداقل مدرک کارشناسی و همچنین حداقل 5 سال سابقه کار در شرکت را داشتند بر اساس فرم ارزیابی تأمین کنندگان جمع آوری شده است. داده‌ها با استفاده از نرم افزار متلب نسخه 2014 تحلیل شده اند. تعداد 6 مورد ماتریس هم ارز با ماتریس اولیه تصمیم گیری به تفکیک برای هر یک روش های رتبه بندی شناسایی و تولید گردیده است. روش TOPSIS-GA=0 ،TOPSIS- PSO = 3 ، AHP- GA= 0، AHP- PSO = 3 .ازبین نتایج حاصل از رتبه بندی گزینه ها،پیمانکار سوم رتبه اول را نسبت به سایر گزینه ها کسب نموده است. با توجه به ماتریس های بی تفاوتی شناسایی شده سناریوهای مختلف برای پیمانکار سوم تعیین شده است. با توجه به وضعیت بودجه و انتظارات شرکت که با نقطه بی تفاوتی چهارم (OUT PUT 5- AHP-PSO) تطابق بیشتری دارداز پیمانکار سوم درخواست می شود که توانمندیهای خود را تقویت نماید تا ضمن موفقیت در قرارداد منعقده شانس خود را برای همکاری های آتی افزایش دهد. تفاصيل المقالة -
حرية الوصول المقاله
42 - بهبود الگوریتم رقابتی کلونی استعمارگران با استفاده از عملگر یادگیری استعمارگران وکاربرد آن در حل مساله فروشنده دوره گرد
حسن حاله دانیال اسماعیلی علی آبادیدر این مقاله سعی شده تا با بهبود الگوریتم رقابتی کلونی استعمارگران ( ICA ) در قالب مساله فروشنده دوره گرد (TSP)، پاسخ مسأله بهبود یابد و میزان میزان این بهبود مورد بررسی و تحقیق قرار گیرد. با افزودن عملگر یادگیری، استعمارگران از کلونی‌هایی که تا حد مطلوبی پیشرفت حاصل نم أکثردر این مقاله سعی شده تا با بهبود الگوریتم رقابتی کلونی استعمارگران ( ICA ) در قالب مساله فروشنده دوره گرد (TSP)، پاسخ مسأله بهبود یابد و میزان میزان این بهبود مورد بررسی و تحقیق قرار گیرد. با افزودن عملگر یادگیری، استعمارگران از کلونی‌هایی که تا حد مطلوبی پیشرفت حاصل نموده اند، خواصی را در جهت‌هایی یاد می گیرند که باعث بهبود پاسخ مسأله شود. با توجه به یادگیری کنترل شده استعمارگران از کلونی‌های مطلوب میزان بهبود پاسخ بیشتر از زمانی است که کلونی‌ها بصورت غیر کنترل شده از استعمارگران خود خواصی را برداشت می نمایند. در این مقاله سعی شده تا عملکرد عملگر یادگیری را با مثال های متعدد از TSPLIB نمایش دهد و بیان نماید که الگوریتم رقابتی کلونی استعمارگران با عملگر یادگیری استعمارگران نتایج بهتری را هم در کیفیت پاسخ و هم در زمان حل نسبت به زمانی که این عملگر استفاده نشود، ارائه می دهد. تفاصيل المقالة -
حرية الوصول المقاله
43 - Meta-heuristic Algorithms for an Integrated Production-Distribution Planning Problem in a Multi-Objective Supply Chain
Abolfazl Kazemi Fatemeh Kangi Maghsoud AmiriIn today's globalization, an effective integration of production and distribution plans into a unified framework is crucial for attaining competitive advantage. This paper addresses an integrated multi-product and multi-time period production/distribution planning probl أکثرIn today's globalization, an effective integration of production and distribution plans into a unified framework is crucial for attaining competitive advantage. This paper addresses an integrated multi-product and multi-time period production/distribution planning problem for a two-echelon supply chain subject to the real-world variables and constraints. It is assumed that all transportations are outsourced to third-party logistics providers and all-unit quantity discounts in transportation costs are taken into consideration. The problem has been formulated as a multi-objective mixed-integer linear programming model which attempts to simultaneously minimize total delivery time and total transportation costs. Due to the complexity of the considered problem, genetic algorithm (GA) and particle swarm optimization (PSO) algorithm are developed within the LP-metric method and desirability function framework for solving the real-sized problems in reasonable computational time. As the performance of meta-heuristic algorithms is significantly influenced by calibrating their parameters, Taguchi methodology has been used to tune the parameters of the developed algorithms. Finally, the efficiency and applicability of the proposed model and solution methodologies are demonstrated through several problems in different sizes تفاصيل المقالة -
حرية الوصول المقاله
44 - Optimization of Multi-period Three-echelon Citrus Supply Chain Problem
Navid Sahebjamnia Fariba Goodarzian Mostafa Hajiaghaei-KeshteliIn this paper, a new multi-objective integer non-linear programming model is developed for designing citrus three-echelon supply chain network. Short harvest period, product specifications, high perished rate, and special storing and distributing conditions make the mod أکثرIn this paper, a new multi-objective integer non-linear programming model is developed for designing citrus three-echelon supply chain network. Short harvest period, product specifications, high perished rate, and special storing and distributing conditions make the modeling of citrus supply chain more complicated than other ones. The proposed model aims to minimize network costs including waste cost, transportation cost, and inventory holding cost, and to maximize network’s profits. To solve the model, firstly the model is converted to a linear programming model. Then three multi-objective meta-heuristic algorithms are used including MOPSO, MOICA, and NSGA-II for finding efficient solutions. The strengths and weaknesses of MOPSO, MOICA, and NSGA-II for solving the proposed model are discussed. The results of the algorithms have been compared by several criteria consisting of number of Pareto solution, maximum spread, mean ideal distance, and diversification metric.Computational results show that MOPSO algorithm finds competitive solutions in compare with NSGA-II and MOICA. تفاصيل المقالة -
حرية الوصول المقاله
45 - Solving the Fixed Charge Transportation Problem by New Heuristic Approach
Komeil Yousefi Ahmad J. Afshari Mostafa Hajiaghaei-KeshteliThe fixed charge transportation problem (FCTP) is a deployment of the classical transportation problem in which a fixed cost is incurred, independent of the amount transported, along with a variable cost that is proportional to the amount shipped. Since the problem is c أکثرThe fixed charge transportation problem (FCTP) is a deployment of the classical transportation problem in which a fixed cost is incurred, independent of the amount transported, along with a variable cost that is proportional to the amount shipped. Since the problem is considered as an NP-hard, the computational time grows exponentially as the size of the problem increases. In this paper, we propose a new heuristic along with well-known metaheuristic like Geneticalgorithm (GA), simulated annealing (SA) and recently developed one, Keshtel algorithm (KA) to solve the FCTP. Contrary to previous works, we develop a simple and strong heuristic according to the nature of the problem and compare the result with metaheuristics. In addition, since the researchers recently used the priority-based representation to encode the transportation graphs and achievedverygood results, we consider this representation in metaheuristics and compare the results with the proposed heuristic. Furthermore, we apply the Taguchi experimental design method to set the proper values of algorithms in order to improve their performances. Finally, computational results of heuristic and metaheuristics with different encoding approaches, both in terms of the solution quality and computation time, are studied in different problem sizes. تفاصيل المقالة -
حرية الوصول المقاله
46 - Bi-objective Optimization of a Multi-product multi-period Fuzzy Possibilistic Capacitated Hub Covering Problem: NSGA-II and NRGA Solutions
Zahra Rajabi Soroush Avakh DarestaniThe hub location problem is employed for many real applications, including delivery, airline and telecommunication systems and so on. This work investigates on hierarchical hub network in which a three-level network is developed. The central hubs are considered at the f أکثرThe hub location problem is employed for many real applications, including delivery, airline and telecommunication systems and so on. This work investigates on hierarchical hub network in which a three-level network is developed. The central hubs are considered at the first level, at the second level, hubs are assumed which are allocated to central hubs and the remaining nodes are at the third level. In this research, a novel multi-product multi-objective model for capacitated hierarchical hub location problem with maximal covering under fuzzy condition first is suggested. Cost, time, hub and central hub capacities are considered as fuzzy parameters, whereas manyparameters are uncertainty and indeterministic in the real world. To solve the proposed fuzzy possibilistic multi-objective model, first, the model is converted to the equivalent auxiliary crisp model by hybrid method and then is solved by two meta-heuristic algorithms such as Non-Dominated Sorting Genetic Algorithm (NSGA-II) and Non-Dominated Ranked Genetic Algorithm (NRGA) using MATLAB software The statistical results report that there is no significant difference between means of two algorithms exception CPU time criteria. In general, in order to show efficiency of two algorithms, we used Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS), the resultsclearly show that the efficiency of NRGA is better than NSGA-II and finally, figures are achieved by MATLAB software that analyze the conflicting between two objectives. تفاصيل المقالة -
حرية الوصول المقاله
47 - Optimizing a bi-objective preemptive multi-mode resource constrained project scheduling problem: NSGA-II and MOICA algorithms
Javad Hasanpour Mohammad Ghodoosi Zahra Sadat HosseiniThe aim of a multi-mode resource-constrained project scheduling problem (MRCPSP) is to assign resource(s) with the restricted capacity to an execution mode of activities by considering relationship constraints, to achieve pre-determined objective(s). These goals vary wi أکثرThe aim of a multi-mode resource-constrained project scheduling problem (MRCPSP) is to assign resource(s) with the restricted capacity to an execution mode of activities by considering relationship constraints, to achieve pre-determined objective(s). These goals vary with managers or decision makers of any organization who should determine suitable objective(s) considering organization strategies. We also introduce the preemptive extension of the problem which allows activity splitting. In this paper the preemption multi-mode resource-constrained project scheduling problem (P-MMRCPSP) with Minimum makespan and the maximization of net present value (NPV) has been considered. Since the considered model is NP-Hard, The performance of our proposed model is evaluated by comparison with two well-known algorithms; non-dominated sorting genetic algorithm (NSGA II), multi-objective imperialist competitive algorithm (MOICA). These metaheuristics have been compared on the basis of a computational experiment performed on a set of instances obtained from standard test problems constructed by the ProGen project generator, where, additionally, cash flows were generated randomly with the uniform distribution. Since the effectiveness of most meta-heuristic algorithms significantly depends on choosing the proper parameters. A Taguchi experimental design method (DOE) was applied to set and estimate the proper values of GAs parameters for improving their performances. The computational results show that the proposed MOICA outperforms the NSGA-II. تفاصيل المقالة -
حرية الوصول المقاله
48 - Solving Bi-objective Model of Hotel Revenue Management Considering Customer Choice Behavior Using Meta-heuristic Algorithms
Surur Yaghobi Harzandi Amir Abbas NajafiThe problem of maximizing the benefit from a specified number of a particular product with respect to the behavior of customer choices is regarded as revenue management. This managerial technique was first adopted by the airline industries before being widely used by ma أکثرThe problem of maximizing the benefit from a specified number of a particular product with respect to the behavior of customer choices is regarded as revenue management. This managerial technique was first adopted by the airline industries before being widely used by many others such as hotel industries. The scope of this research is mainly focused on hotel revenue management, regarding which a bi-objective model is proposed. The suggested method aims at increasing the revenue of hotels by assigning the same rooms to different customers. Maximization of hotel revenue is a network management problem aiming to manage several resources simultaneously. Accordingly, a model is proposed in this paper based on the customer choice behavior in which the customers are divided into two groups of business and leisure. Customers of the business group prefer products with full price, whereas products with discounts are most desirable for leisure customers. The model consists of two objectives, the first one of which maximizes the means of revenue, and the second one minimizes the dispersion of revenue. Since the problem under consideration is Non-deterministic Polynomial-time hard (NP-hard), two meta-heuristic algorithms of Non-dominated Sorting Genetic Algorithm-II (NSGA-II) and Multiple Objective Particle Swarm Optimization (MOPSO) are proposed to solve the problem. Moreover, the tuned algorithms are compared via the statistical analysis method. The results show that the NSGA-II is more efficient in comparison with MOPSO. تفاصيل المقالة -
حرية الوصول المقاله
49 - A Risk-averse Inventory-based Supply Chain Protection Problem with Adapted Stochastic Measures under Intentional Facility Disruptions: Decomposition and Hybrid Algorithms
Sajjad Jalali Mehdi Seifbarghy Seyed Taghi Akhavan NiakiOwing to rising intentional events, supply chain disruptions have been considered by setting up a game between two players, namely, a designer and an interdictor contesting on minimizing and maximizing total cost, respectively. The previous studies have found the equili أکثرOwing to rising intentional events, supply chain disruptions have been considered by setting up a game between two players, namely, a designer and an interdictor contesting on minimizing and maximizing total cost, respectively. The previous studies have found the equilibrium solution by taking transportation, penalty and restoration cost into account. To contribute further, we examine how incorporation of inventory cost influences the players’ strategies. Assuming risk-averse feature of the designer and fully optimizing property of the interdictor with limited budget, the conditional-value-at-risk is employed to be involved in total cost. Using special order sets of type two and duality role, the linearized tri-level problem is solved by column-and-constraint generation and benders decomposition algorithms in terms of small-sized instances. In terms of larger-sized instances, we also contribute to prior studies by hybridizing corresponding algorithms with bio-geography based optimization method. Another non-trivial extension of our work is to define adapted stochastic measures based on the proposed mean-risk tri-level formulation. Borrowing instances from prior papers, the computational results indicate the managerial insights on players’ decisions, the model’s efficiency and performance of the algorithms. تفاصيل المقالة -
حرية الوصول المقاله
50 - Developing a Fuzzy Green Supply Chain Management Problem Considering Location Allocation Routing Problem: Hybrid Meta-Heuristic Approach
Behzad Aghaei Fishani Ali Mahmoodirad Sadegh Niroomand Mohammad FallahNowadays, the internationalization of supply chains makes the management of operation affairs face a great challenge. On the other hand, vague parameters have challenged decision-makers to drive decision-making. To cope with these challenges, this study tries to model a أکثرNowadays, the internationalization of supply chains makes the management of operation affairs face a great challenge. On the other hand, vague parameters have challenged decision-makers to drive decision-making. To cope with these challenges, this study tries to model a green SCM (GSCM) model which considers fuzzy parameters. The objective function of our model is to minimize total fuzzy cost including fuzzy establishment costs of the plants and distribution centers, fuzzy transportation costs among the suppliers, facilities, and customers, fuzzy hiring cost of the transportation facilities, and miscellaneous fuzzy environmental impact costs. The developed model also includes facilities location constraints, material flow constraints, open transportation routing from plants to customers and from distribution centers to customers. Also, determining alternative products for customers has not been addressed in the literature. Therefore, this paper tries to focus on the mentioned complex problem and develop a comprehensive model. Because of the level of complexity of the developed model, two empowered meta-heuristic approaches, named fuzzy hybrid genetic algorithm (FHGA) and fuzzy hybrid biogeography-based optimization algorithm (FHBBO), are implemented to solve the NP-hard developed problem. According to the best of our knowledge, the proposed FHGA is not addressed in the literature in this way. For instance, most of the fuzzy algorithms either are not hybrid or get out of the fuzzy environment in one of their complex evolution processes. However, our fuzzy hybrid algorithms follow a fuzzy environment from beginning test initialization to calculating the objective function and presenting the convergence plots and none of our parameters are defuzzied in all steps of these processes. Besides, miscellaneous Figures, illustrations, and tables support the explanations of results. تفاصيل المقالة -
حرية الوصول المقاله
51 - Scheduling on flexible flow shop with cost-related objective function considering outsourcing options
Mojtaba Enayati Ebrahim Asadi-Gangraj Mohammad Mahdi PaydarThis study considers outsourcing decisions in a flexible flow shop scheduling problem, in which each job can be processed by either an in-house production line or outsourced. The selected objective function aims to minimize the weighted sum of tardiness costs, in-house أکثرThis study considers outsourcing decisions in a flexible flow shop scheduling problem, in which each job can be processed by either an in-house production line or outsourced. The selected objective function aims to minimize the weighted sum of tardiness costs, in-house production costs, and outsourcing costs with respect to the jobs due date. The purpose of the problem is to select the jobs that must be processed in-house, schedule processing of the jobs in-house, and finally select and assign other jobs to the subcontractors. We develop a mixed-integer linear programming (MILP) model for the research problem. Regarding the complexity of the research problem, the MILP model cannot be used for large-scale problems. Therefore, four metaheuristic algorithms, including SA, GA, PSO, hybrid PSO-SA, are proposed to solve the problem. Furthermore, some random test problems with different sizes are generated to evaluate the effectiveness of the proposed MILP model and solution approaches. The obtained results demonstrate that the GA can obtain better solutions in comparison to the other algorithms. تفاصيل المقالة -
حرية الوصول المقاله
52 - Providing a multi-objective sustainable distribution network of agricultural items considering uncertainty and time window using meta-heuristic algorithms
Abbas Toloie Ashlaghi Amir Daneshvar Adel Pourghader Chobar Fariba SalahiIn this article, a sustainable network of distribution of agricultural items with suppliers, distribution centers, and retailers is considered. The main purpose of presenting the mathematical model in this article is to determine the optimal number and location of suppl أکثرIn this article, a sustainable network of distribution of agricultural items with suppliers, distribution centers, and retailers is considered. The main purpose of presenting the mathematical model in this article is to determine the optimal number and location of suppliers, assigning suppliers to distribution centers and optimal routing for the distribution of agricultural items to retailers in a predefined time window. Also, determining the optimal amount of inventory and the reorder point in retailers and distribution centers is another problem decision. To model the problem, some parameters of the model were considered non-deterministic and were controlled by the probabilistic fuzzy method. The results of solving numerical examples in different sizes showed that with the increase of the total costs of the distribution network of agricultural items, the amount of greenhouse gas emissions decreases, and the employment rate increases. Also, with the increase of the uncertainty rate, due to the increase of the real demand and the change in the optimal amount of production, distribution, storage and reorder point, the values of all the objective functions also increase. It was also observed by solving different numerical examples with NSGA II and MOGWO algorithms, these algorithms have been able to solve the problem in a much shorter period than the epsilon constraint method, and comparison indicators such as NPF, MSI, SM, and computing time show These algorithms have a high efficiency in solving numerical examples of the problem of the distribution network of agricultural items. تفاصيل المقالة -
حرية الوصول المقاله
53 - A Bi-objective Pre-emption Multi-mode Resource Constrained Project Scheduling Problem with due Dates in the Activities
zahra Sadat Hosseini Javad Hassan pour Emad RoghanianIn this paper, a novel mathematical model for a preemption multi-mode multi-objective resource-constrained project scheduling problem with distinct due dates and positive and negative cash flows is presented. Although optimization of bi-objective problems with due dates أکثرIn this paper, a novel mathematical model for a preemption multi-mode multi-objective resource-constrained project scheduling problem with distinct due dates and positive and negative cash flows is presented. Although optimization of bi-objective problems with due dates is an essential feature of real projects, little effort has been made in studying the P-MMRCPSP while due dates are included in the activities. This paper tries to bridge this gap by studying tardiness MMRCPSP, in which the objective is to minimize total weighted tardiness and to maximize the net present value (NPV). In order to solve the given problem, we introduced a Non-dominated Ranking Genetic Algorithm (NRGA) and Non-Dominated Sort Genetic Algorithm (NSGA-II). Since the effectiveness of most meta-heuristic algorithms significantly depends on choosing the proper parameters. A Taguchi experimental design method was applied to set and estimate the proper values of GAs parameters for improving their performances. To prove the efficiency of our proposed meta-heuristic algorithms, a number of test problems taken from the project scheduling problem library (PSPLIB) were solved. The computational results show that the proposed NSGA-II outperforms the NRGA. تفاصيل المقالة -
حرية الوصول المقاله
54 - 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 AfrabandpeiLogistic 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 أکثرLogistic 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
55 - A Heuristic Algorithm for Nonlinear Lexicography Goal Programming with an Efficient Initial Solution
Mahdi Bashiri Amir Hossein Parsa Manesh Hamid HasanzadehIn this paper, a heuristic algorithm is proposed in order to solve a nonlinear lexicography goal programming (NLGP) by using an efficient initial point. Some numerical experiments showed that the search quality by the proposed heuristic in a multiple objectives problem أکثرIn this paper, a heuristic algorithm is proposed in order to solve a nonlinear lexicography goal programming (NLGP) by using an efficient initial point. Some numerical experiments showed that the search quality by the proposed heuristic in a multiple objectives problem depends on the initial point features, so in the proposed approach the initial point is retrieved by Data Envelopment Analysis to be selected as an efficient solution. There are some weaknesses in classic NLGP algorithm that lead to trapping into the local optimum, so a simulated annealing concept is implemented during the searching stage to increase the diversity of search in the solution space. Some numerical examples with different sizes were generated and comparison of results confirms that the proposed solution heuristic is more efficient than the classic approach. Moreover the proposed approach was extended for cases with ordinal weights of inputs or outputs. The computational experiments for 5 numerical instances and the statistical analysis indicate that the proposed heuristic algorithm is a robust procedure to find better preferred solution comparing to the classic NLGP. تفاصيل المقالة -
حرية الوصول المقاله
56 - A Discrete Hybrid Teaching-Learning-Based Optimization algorithm for optimization of space trusses
Siamak Talatahari Vahid GoodarzimehrIn this study, to enhance the optimization process, especially in the structural engineering field two well-known algorithms are merged together in order to achieve an improved hybrid algorithm. These two algorithms are Teaching-Learning Based Optimization (TLBO) and Ha أکثرIn this study, to enhance the optimization process, especially in the structural engineering field two well-known algorithms are merged together in order to achieve an improved hybrid algorithm. These two algorithms are Teaching-Learning Based Optimization (TLBO) and Harmony Search (HS) which have been used by most researchers in varied fields of science. The hybridized algorithm is called A Discrete Hybrid Teaching-Learning Based Optimization (DHTLBO) that is applied to optimization of truss structures with discrete variables. This new method is consisted of two parts: in the first part the TLBO algorithm applied as conventional TLBO for local optimization, in the second stage the HS algorithm is applied to global optimization and exploring all the unknown places in the search space. The new hybrid algorithm is employed to minimize the total weight of structures. Therefore, the objective function consists of member’s weight, which is depends on the form of stress and deflection limits. To demonstrate the efficiency and robustness of this new algorithm several truss structures which are optimized by most researchers are presented and then their results are compared to other meta-heuristic algorithm and TLBO and HS standard algorithms. تفاصيل المقالة -
حرية الوصول المقاله
57 - بررسی مقایسه‌ای الگوریتم‌های فرا ابتکاری برای مسیریابی وسیله نقلیه پویا به منظور بهره‌وری وکارایی سیستم‌های حمل و نقل
نازیلا مصیب زاده فرزین مدرس خیابانیمسأله 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 أکثرمسأله 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
58 - Indifferent Points in The Multicriteria Decision Making Problems (A Case Study of Suppliers’ Evaluation in Zanjan Province Gas Company)
Arshad Farahmandian reza radfar mohammad ali afshar kazemiEvaluating and selecting the right contractors can increase the chances of success of a project and the organization. Considering the intense competition faced by organizations today, proper cost management to enhance profitability and customer satisfaction has attracte أکثرEvaluating and selecting the right contractors can increase the chances of success of a project and the organization. Considering the intense competition faced by organizations today, proper cost management to enhance profitability and customer satisfaction has attracted a lot of attention. The evaluation of contractors is usually a process thatis based on various criteria.By the end of it, theappropriate options are selected. Given the diversity in the criteria and among thedecision-making subjects, no singleway has been offered to suggest substitution between criteria.The desirability indifference on the curve ofconsumption of various goods (selection ofdecision-making options) are the same. This paper seeks to identify parallel matrices with the initial decision-making matrix of contractors that have the same results and desirability for decision-makers (indifference points). At first, the initial rating using the AHP and TOPSIS methods andthe particle swarm optimization (PSO) and genetic algorithm (GA)techniques, along withMATLAB software,was used to identify theparallel matrices. According to the obtained results, sixparallel matrixes with the initial decision-making matrix that had been prepared by experts fromthe company were produced.Out of them, the matrix related to The point of indifference is the fifth output5 AHP-PSO, based on the company experts' opinions was selected as the final version. تفاصيل المقالة -
حرية الوصول المقاله
59 - Solving Group Scheduling Problem in No-wait Flow Shop with Sequence Dependent Setup Times
Abolfazl Adressi Reza Bashirzadeh Vahid Azizi Saeed Tasouji HassanpourDifferent manufacturing enterprises use regularly scheduling algorithms in order to help meeting demands over time and reducing operational costs. Nowadays, for a better useofresources and manufacturingin accordance withcustomer needs and given the level ofcompetitionbe أکثرDifferent manufacturing enterprises use regularly scheduling algorithms in order to help meeting demands over time and reducing operational costs. Nowadays, for a better useofresources and manufacturingin accordance withcustomer needs and given the level ofcompetitionbetweencompanies, employing asuitablescheduling programhasa double importance. Conventional productionmethods are constantly substituted with new ones for improving the efficiency and effectiveness of the entire production system. In this paper, two Meta-heuristic algorithms, Genetic and simulated annealing, have been used in order to solve the group scheduling problem of jobs in a single stage No-wait flow shop environment in which setup times are sequence dependent,. The purpose of solving the proposed problem is to minimize the maximum time needed to complete the jobs (Makespan). The results show that Genetic algorithm is efficient in problems with small and large dimensions, with respect to time parameter of problem solving. تفاصيل المقالة -
حرية الوصول المقاله
60 - بررسی آموزش شبکه عصبی با استفاده از الگوریتم‌های فراابتکاری به‌منظور پیشبینی شاخص کل در بورس ایران
سیداحمد میرزائی زکیه نیکدل زهرا نیکدلپیشبینی و آنالیز حرکات بازار سهام موضوع بسیار مهم برای محققان، معامله گران و تحلیل گران بازار می باشد و نقش مهمی در اقتصاد امروز دارد. تنوع در سیاست هایی مانند سیاست های دولتی و سیاست های اقتصادی بر بازار سرمایه تأثیر می گذارند و باعث تغییرات قیمتی سهام می شوند. پیش‌بی أکثرپیشبینی و آنالیز حرکات بازار سهام موضوع بسیار مهم برای محققان، معامله گران و تحلیل گران بازار می باشد و نقش مهمی در اقتصاد امروز دارد. تنوع در سیاست هایی مانند سیاست های دولتی و سیاست های اقتصادی بر بازار سرمایه تأثیر می گذارند و باعث تغییرات قیمتی سهام می شوند. پیشبینی حرکات بازار به‌صورت روزانه، به دلیل غیرخطی بودن و آشوبناک بودن حرکات قیمت سهام کار بسیار مشکلی می باشد. روش های مختلفی برای پیشبینی در بورس وجود دارد. تکنیک های هوش مصنوعی به‌صورت گسترده برای پیشبینی داده های با ساختار غیرخطی و آشوبناک به کار گرفته‌شده‌اند. یکی از این تکنیک‌ها استفاده از شبکه‌های عصبی میباشد. درصورتی‌که شبکه عصبی به‌درستی آموزش داده شود، خطای کمتری در پیشبینی خواهد داشت. در این پژوهش با استفاده از ۸ الگوریتم فراابتکاری اقدام به آموزش شبکه عصبی پرسپترون چندلایه خواهیم کرد و به پیشبینی شاخص کل بورس تهران خواهیم پرداخت. نتایج به‌دست‌آمده از این پژوهش نشان داد که الگوریتم بهینه‌سازی گرگ خاکستری دارای کمترین خطا در آموزش شبکه عصبی دارد. تفاصيل المقالة -
حرية الوصول المقاله
61 - پیشبینی مصرف برق با استفاده از الگوریتم جدید بهینه‌سازی زغن و شبکه عصبی مصنوعی پرسپترون چند لایه
جلال رئیسی گهرویی زهرا بهشتیاز آنجا که پیش بینی مصرف برق از موارد مهم مدیریت انرژی هر کشور محسوب می شود، در سال های اخیر روش های مختلفی براساس هوش مصنوعی برای آن ارائه شده است. یکی از این روش ها، استفاده از شبکه های عصبی مصنوعی است. برای آن که این شبکه ها عملکرد خوبی داشته باشند، باید به خوبی آموز أکثراز آنجا که پیش بینی مصرف برق از موارد مهم مدیریت انرژی هر کشور محسوب می شود، در سال های اخیر روش های مختلفی براساس هوش مصنوعی برای آن ارائه شده است. یکی از این روش ها، استفاده از شبکه های عصبی مصنوعی است. برای آن که این شبکه ها عملکرد خوبی داشته باشند، باید به خوبی آموزش ببینند. یکی از متداول ترین الگوریتم های آموزش مورد استفاده در این شبکه ها، الگوریتم پس انتشار خطاست که براساس گرادیان نزولی است. از آنجا که الگوریتم های مبتنی برگرادیان نزولی ممکن است به نقاط بهینه محلی گرفتار شوند، در برخی از مسائل راه حل خوبی ارائه نمی دهند. از این رو برای آموزش این شبکه ها می توان از الگوریتم های بهینه سازی مانند الگوریتم های فراابتکاری که امکان فرار از بهینه های محلی را دارند، استفاده نمود. در این تحقیق، الگوریتم فراابتکاری جدیدی به نام الگوریتم بهینه سازی زغن معرفی می گردد که از زندگی اجتماعی زغن ها در طبیعت الهام گرفته شده است و دارای مزایایی مانند تعداد پارامترهای کم، قابلیت اکتشاف و سرعت همگرایی خوب، است. کارایی الگوریتم پیشنهادی، با چند الگوریتم جدید فراابتکاری روی توابع محک CEC2018 و برای آموزش شبکه عصبی در پیش بینی مصرف برق ایران در زمان های اوج مصرف بار، مقایسه گردیده است. نتایج حاصل، نشان می دهد الگوریتم پیشنهادی راه حل بهتری با خطای کمتری، در مقایسه با الگوریتم های رقیب به دست می آورد. تفاصيل المقالة -
حرية الوصول المقاله
62 - تاثیر زلزله‌های دور و نزدیک گسل بر ظرفیت فروریزش قابهای خمشی بتنی بهینه‌سازی شده بر اساس عملکرد
اشکان خدابنده لو سیامک صابونچیطراحی براساس عملکرد، نگرشی نوین بر مباحث طرح لرزه‌ای سازه‌ها میباشد که مبنای آن برخلاف روشهای سنتی طراحی مبتنی بر نیرو، بر تغییر مکان‌های سازه استوار است. استفاده از این رویکرد در فرآیند طراحی سازه‌ها موجب دستیابی به سازه‌هایی با عملکرد مناسب و سطح اطمینان قابل قبولی أکثرطراحی براساس عملکرد، نگرشی نوین بر مباحث طرح لرزه‌ای سازه‌ها میباشد که مبنای آن برخلاف روشهای سنتی طراحی مبتنی بر نیرو، بر تغییر مکان‌های سازه استوار است. استفاده از این رویکرد در فرآیند طراحی سازه‌ها موجب دستیابی به سازه‌هایی با عملکرد مناسب و سطح اطمینان قابل قبولی میشود. هدف اصلی این تحقیق بررسی تاثیر زلزله‌های حوزه دور و نزدیک بر ظرفیت فروریزش و شکنندگی قابهای خمشی بتنی بهینه‌سازی شده بر اساس عملکرد با استفاده از الگوریتم فراکاوشی مرکز جرم، میباشد. از تحلیل بارافزون در فرآیند بهینه سازی برای کنترل پاسخ‌های قابهای مورد مطالعه در سطوح عملکردی و از تحلیل دینامیکی افزایشی برای ارزیابی شکنندگی قابهای بهینه بدست‌آمده، استفاده شده است. با توجه به مقادیر به دست آمده برای نسبت حاشیه فروریزش و نسبت حاشیه فروریزش اصلاح شده برای قابهای 3، 6 و 12 طبقه مشاهده می‌کنیم نسبت حاشیه فروریزش و به طبع آن ایمنی لرزه‌ای تحت زلزله‌های دور گسل بترتیب 7%، 16% و 8% بیشتر از نسبت حاشیه فروریزش و ایمنی لرزه‌ای تحت زلزله‌های نزدیک گسل میباشد. به عبارت دیگر سازه‌های بهینه‌سازی شده در این مطالعه در برابر زلزله‌های نزدیک گسل ایمنی لرزه‌ای کم و شکنندگی بیشتری نسبت به زلزله‌های دور گسل دارند. تفاصيل المقالة -
حرية الوصول المقاله
63 - ارزیابی شکنندگی لرزه‌ای و ظرفیت فروریزش قابهای خمشی بتنی بهینه با توجه به افزایش صلبیت ستون نسبت به تیر تحت زلزله‌های دور و نزدیک گسل
سیامک صابونچی اشکان خدابنده لودر این تحقیق، شکنندگی لرزه‌ای و ظرفیت فروریزش قاب های خمشی بتنی با در نظر گرفتن نسبت‌های متفاوت برای ضابطه تیر ضعیف-ستون قوی در روند بهینه‌سازی در چهارچوب طراحی مبتنی بر عملکرد، مورد بررسی قرار گرفته شده است. بمنظور بهینه‌سازی مبتنی بر عملکرد، از الگوریتم فراکاووشی مرکز أکثردر این تحقیق، شکنندگی لرزه‌ای و ظرفیت فروریزش قاب های خمشی بتنی با در نظر گرفتن نسبت‌های متفاوت برای ضابطه تیر ضعیف-ستون قوی در روند بهینه‌سازی در چهارچوب طراحی مبتنی بر عملکرد، مورد بررسی قرار گرفته شده است. بمنظور بهینه‌سازی مبتنی بر عملکرد، از الگوریتم فراکاووشی مرکز جرم، در این تحقیق استفاده شده است. فلسفه رویکرد طراحی بر اساس عملکرد و حتی روش های سنتی طراحی، به سازه این اجازه را می دهد که در مواجهه با زلزله های قوی و نسبتاً قوی متحمل خسارت شود. لذا بمنظور برآوردی از میزان ایمنی سازه در برابر زلزله‌ها، استفاده از شاخص های کمی‌سازی ایمنی لرزه‌ای و ظرفیت فروریزش سازه ضروری به نظر می رسد. لذا برای پیشبینی ظرفیت فروریزش هر سازه بهینه، با استفاده از تحلیل دینامیکی فزاینده، نسبت حاشیه ایمنی فروریزش اصلاح شده تحت زلزله‌های دور و نزدیک گسل، محاسبه شده است. دو مثال 3 و 6 طبقه 3 دهانه قابهای مورد مطالعه در این تحقیق می‌باشند که در چارچوب بهینه‌سازی مبتنی بر عملکرد و با در نظر گرفتن ضرایب 0.8، 1.2 و 1.6 برای کنترل ضابطه تیر ضعیف- ستون قوی در روند بهینه‌سازی طراحی شده‌اند. مطابق نتایج بدست آمده مشاهده می شود افزایش صلبیت ستون نسبت به تیر در این پژوهش عملاً شکل پذیری سازه را تحت تاثیر قرار داده و با انتخاب سازه هایی با صلبیت بیشتر ستون نسبت به تیر منجر به افزایش ظرفیت فروریزش و کاهش شکنندگی سازه می شود. تفاصيل المقالة -
حرية الوصول المقاله
64 - تاثیر زلزله‌های دور و نزدیک گسل بر ظرفیت فروریزش قابهای خمشی بتنی بهینه‌سازی شده بر اساس عملکرد
سیامک صابونچی اشکان خدابنده لوطراحی براساس عملکرد، نگرشی نوین بر مباحث طرح لرزه‌ای سازه‌ها میباشد که مبنای آن برخلاف روشهای سنتی طراحی مبتنی بر نیرو، بر تغییر مکان‌های سازه استوار است. استفاده از این رویکرد در فرآیند طراحی سازه‌ها موجب دستیابی به سازه‌هایی با عملکرد مناسب و سطح اطمینان قابل قبولی أکثرطراحی براساس عملکرد، نگرشی نوین بر مباحث طرح لرزه‌ای سازه‌ها میباشد که مبنای آن برخلاف روشهای سنتی طراحی مبتنی بر نیرو، بر تغییر مکان‌های سازه استوار است. استفاده از این رویکرد در فرآیند طراحی سازه‌ها موجب دستیابی به سازه‌هایی با عملکرد مناسب و سطح اطمینان قابل قبولی میشود. هدف اصلی این تحقیق بررسی تاثیر زلزله‌های حوزه دور و نزدیک بر ظرفیت فروریزش و شکنندگی قابهای خمشی بتنی بهینه‌سازی شده بر اساس عملکرد با استفاده از الگوریتم فراکاوشی مرکز جرم، میباشد. از تحلیل بارافزون در فرآیند بهینه سازی برای کنترل پاسخ های قاب های مورد مطالعه در سطوح عملکردی و از تحلیل دینامیکی افزایشی برای ارزیابی شکنندگی قابهای بهینه بدست آمده، استفاده شده است. با توجه به مقادیر به دست آمده برای نسبت حاشیه فروریزش و نسبت حاشیه فروریزش اصلاح شده برای قابهای 3، 6 و 12 طبقه مشاهده می‌کنیم نسبت حاشیه فروریزش و به طبع آن ایمنی لرزه‌ای تحت زلزله‌های دور گسل بترتیب 7%، 16% و 8% بیشتر از نسبت حاشیه فروریزش و ایمنی لرزه‌ای تحت زلزله‌های نزدیک گسل میباشد. به عبارت دیگر سازه‌های بهینه‌سازی شده در این مطالعه در برابر زلزله‌های نزدیک گسل ایمنی لرزه‌ای کم و شکنندگی بیشتری نسبت به زلزله‌های دور گسل دارند. تفاصيل المقالة -
حرية الوصول المقاله
65 - Fuzzy Portfolio Optimization Using Credibility Theory: Multi-Objective Evolutionary Optimization Algorithms
MariehAlsadat MirAboalhassani Farzad Movahedi Sobhani Emran MohammadiInvestors are always interested to choose the portfolio with the highest return and lowest risk for optimal asset management. A multi-objective portfolio optimization problem with cardinality constraint that determines the number of assets in a portfolio is considered i أکثرInvestors are always interested to choose the portfolio with the highest return and lowest risk for optimal asset management. A multi-objective portfolio optimization problem with cardinality constraint that determines the number of assets in a portfolio is considered in this paper. Objectives are maximizing the expected value of wealth and minimizing value at risk and conditional value at risk. Due to the complexity of the problem, it is necessary to use meta-heuristic algorithms. We use multi-objective evolutionary algorithms (Multi-Objective Particle Swarm Optimization, Non-Dominated Sorting Genetic Algorithm-II) to overcome this problem. In this research, the liquidity constraint and the thresholds of investments are considered. We use experts’ opinions in a fuzzy method to deal with the uncertainties in the parameters and provide better and more quality decisions. Finally, an Iranian stock market case study is presented to examine the proposed model in various situations. The results indicate that examining uncertainties and other real-world assumptions provides more efficient and practical solutions. تفاصيل المقالة -
حرية الوصول المقاله
66 - A Review of Metaheuristic Algorithms and Data Envelopment Analysis
Mohsen Vaez-ghasemi Zohreh Moghaddas Hamid Askari Feloora ValizadehToday, many activities from businesses to engineering design, routing on the Internet, and even routing of foodstuff trucks require programming and optimization. Many of these problems have no determinate solution and cannot be solved easily. To solve these problems, al أکثرToday, many activities from businesses to engineering design, routing on the Internet, and even routing of foodstuff trucks require programming and optimization. Many of these problems have no determinate solution and cannot be solved easily. To solve these problems, algorithms have been developed inspired by nature based on particle intelligence, biological, physical, and chemical systems, and even human communities and have been named after their inspiration source. A metaheuristic optimization algorithm is an innovative way that can be applied to various optimization problems by slight modifications. These algorithms can improve the capability of finding high-quality answers for difficult optimization problems significantly. The present paper reviews the application of various metaheuristic algorithms and data envelopment analysis (DEA) to optimization problems in the literature published in recent years. Descriptions are provided about the application of metaheuristic algorithms in DEA along with their applications, the field of activity, overlaps, and the integration of these two robust methods to find the optimal answer. تفاصيل المقالة -
حرية الوصول المقاله
67 - Iterative random search heuristic for the Single-Source Capacitated Multi-Facility Weber Problem with Setup Costs
سعید جهادیHere, we will study the Single-Source Capacitated Multi-Facility Weber Problem with Setup Costs (SSCMFWP-SC) to find location of certain numbers of facilities in continuous space so that demands by certain numbers of customers would be satisfied. This would be done in a أکثرHere, we will study the Single-Source Capacitated Multi-Facility Weber Problem with Setup Costs (SSCMFWP-SC) to find location of certain numbers of facilities in continuous space so that demands by certain numbers of customers would be satisfied. This would be done in a way that total transportation cost between customers and facilities as well as total setup cost would be minimized. Facilities have limited capacity and each customer has to satisfy all of its demands just from one facility. Setup cost of facilities is variable and dependent on combination of machineries used by each facility. To solve the problem, Two versions of the proposed heuristic method named iterative random search will be presented in which local search method and exact solution method are used. proposed method has been tested on a dataset available in the literature and the obtained solutions compared to the best of them in the literatures. The results show extraordinary performance of recommended methods. Moreover, best available solutions in the literature have been improved and the best obtained solutions can be used as a comparison source in future studies. تفاصيل المقالة -
حرية الوصول المقاله
68 - Communication-Aware Traffic Stream Optimization for Virtual Machine Placement in Cloud Datacenters with VL2 Topology
Sara Farzai Mirsaeid Hosseini Shirvani Mohsen RabbaniBy pervasiveness of cloud computing, a colossal amount of applications from gigantic organizations increasingly tend to rely on cloud services. These demands caused a great number of applications in form of couple of virtual machines (VMs) requests to be executed on dat أکثرBy pervasiveness of cloud computing, a colossal amount of applications from gigantic organizations increasingly tend to rely on cloud services. These demands caused a great number of applications in form of couple of virtual machines (VMs) requests to be executed on data centers’ servers. Some of applications are as big as not possible to be processed upon a single VM. Also, there exists several distributed applications such as MapReduce projects which exploit much number of VMs dispersed over physical machines (PMs) attached with high speed networks. These types of VMs involve mutual traffic transferring which is completely processed as an atomic application. High volume of traffic transfer among VMs may saturate network links and leads performance bottleneck for both data center and applications which seriously threat users’ service level agreement (SLA). Furthermore, communication energy consumption increases when network devices are heavily in use. This paper addresses the virtual machine placement (VMP) problem by considering inter-VM communications on VL2 topology. This is an optimization problem with the aim of network traffic transferring minimization. Dependent VMs are tried to be co-hosted or to be placed in close neighborhoods to minimize the amount of total traffic streaming over the network. A combined meta-heuristic approach based and ACO and GA algorithms is employed to solve the problem. The results of simulations imply the superiority of our proposed approach in comparison with other state-of-the-art approaches in terms of reducing total traffic flow, saving energy, and declining resource dissipation in servers. تفاصيل المقالة -
حرية الوصول المقاله
69 - A Dual-Objective Nonlinear Model for Network Design with NSGA Algorithm
Bahar Khamfroush Mohamad Reza Akbari Jokar Keyhan KhamforooshThis study concerns the development of a nonlinear programming model capable of solving an adapted version of a single-objective nonlinear problem. The original problem was adapted via the inclusion of an additional constraint and term in the objective function. The res أکثرThis study concerns the development of a nonlinear programming model capable of solving an adapted version of a single-objective nonlinear problem. The original problem was adapted via the inclusion of an additional constraint and term in the objective function. The resultant aim is twofold: to optimize a three-level supply chain so as to decrease objective costs (such as shortage periods) while simultaneously increasing customer service levels. Demand is random and the inventory control system continuous. Lost sales due to urgent demand are assumed. After evaluating the formulated mathematical model, a metaheuristic algorithm is developed capable of determining the number of open distribution centers and allocating retailers to these centers. Experiments to evaluate the proposed method's performance are conducted on small to medium-sized problems. Results are compared against those of e-constraint and None Dominated Sorting Genetic Algoritms (NSGA2) (whose parameters are adjusted using the Taguchi method). Final results indicate the superiority of the proposed metaheuristic in comparison to other, competing approaches. تفاصيل المقالة -
حرية الوصول المقاله
70 - A Meta-heuristic Approach to CVRP Problem: Local Search Optimization Based on GA and Ant Colony
Arash Mazidi Mostafa Fakhrahmad Mohammadhadi SadreddiniThe 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 أکثرThe 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
71 - Robust Scheduling and Planning of Operating Rooms and Sterilization Unit with Emergency and Elective Patients: Two Metaheuristic Algorithms
Fatemeh Arjmandi Parvaneh SamoueiGreat attention should be paid to planning and scheduling surgeries in the operating room which is the most sensitive ward in the health context in terms of cost and specific sensitivity due to its association with the life and death of individuals. In this case, reusab أکثرGreat attention should be paid to planning and scheduling surgeries in the operating room which is the most sensitive ward in the health context in terms of cost and specific sensitivity due to its association with the life and death of individuals. In this case, reusable sterile equipment and devices are crucial issues because the hospital or nosocomial infections result from insufficient sterilization of these instruments. Therefore, sterilization of reusable medical devices is a necessity in the operating room to prevent possible infections. This study solves the integrated operating rooms and sterile section planning problem to minimize the total costs of sterilization, surgery postponement, and performance. This study also minimizes the completion time of surgery considering nondeterministic operating times and emergency-elective patients. In the real world, surgery time may be nondeterministic based on the conditions of the patient, surgeon, equipment, and instruments; hence, it is valuable to find a robust solution for planning under such circumstances. After presenting a bi-objective mathematical model for this problem, an improved epsilon constraint method was used to solve problems with small dimensions, and two metaheuristics NSGA-II and NRGA were developed for large dimensions regarding NP-hard problems. These two algorithms were analysed in terms of five indicators. The results indicated the superiority of the NSGA-II algorithm over NRGA to solve such problems. تفاصيل المقالة -
حرية الوصول المقاله
72 - Fuzzy modeling of allocation of financial resources of sustainable projects and Solving with GSSA algorithm
Mohsen Amini Khouzani Alireza Sadeghi Amir Daneshvar Adel Pourghader ChobarThe problem of allocation of financial resources in projects is one of the most important problems of mathematical optimization. Incorrect allocation of financial resources can lead to project failure, increased costs, and reduced profitability. The importance of this i أکثرThe problem of allocation of financial resources in projects is one of the most important problems of mathematical optimization. Incorrect allocation of financial resources can lead to project failure, increased costs, and reduced profitability. The importance of this issue has led to the modeling of a financial resource allocation problem for sustainable projects under uncertainty in this article. A fuzzy programming method was used to control model parameters and GSSA, GA, and SSA algorithms were used to solve the model. In the mathematical model, the goal was to optimize the objective function consisting of predicted return, investment risk, and project sustainability. Mathematical calculation results showed that meta-heuristic algorithms have high efficiency in achieving optimal solutions in a short time. so that the average time to solve them was less than 10 seconds. Also, the calculation results showed that increasing the uncertainty rate leads to increasing the value of the objective function and creating a distance from the optimal point. This is due to increasing costs and decreasing profits in sustainable projects. Finally, usage the TOPSIS method, the ranking of solving algorithms was done, and the GSSA algorithm was the most efficient algorithm among other algorithms with a desirability weight of 0.846. تفاصيل المقالة -
حرية الوصول المقاله
73 - Maximizing the nurses’ preferences in nurse scheduling problem: mathematical modeling and a meta-heuristic algorithm
Hamed Jafari Nasser SalmasiThe nurse scheduling problem (NSP) has received a great amount of attention in recent years. In the NSP, the goal is to assign shifts to the nurses in order to satisfy the hospital’s demand during the planning horizon by considering different objective functions. أکثرThe nurse scheduling problem (NSP) has received a great amount of attention in recent years. In the NSP, the goal is to assign shifts to the nurses in order to satisfy the hospital’s demand during the planning horizon by considering different objective functions. In this research, we focus on maximizing the nurses’ preferences for working shifts and weekends off by considering several important factors such as hospital’s policies, labor laws, governmental regulations, and the status of nurses at the end of the previous planning horizon in one of the largest hospitals in Iran i.e., Milad Hospital. Due to the shortage of available nurses, at first, the minimum total number of required nurses is determined. Then, a mathematical programming model is proposed to solve the problem optimally. Since the proposed research problem is NP-hard, a meta-heuristic algorithm based on simulated annealing (SA) is applied to heuristically solve the problem in a reasonable time. An initial feasible solution generator and several novel neighborhood structures are applied to enhance performance of the SA algorithm. Inspired from our observations in Milad hospital, random test problems are generated to evaluate the performance of the SA algorithm. The results of computational experiments indicate that the applied SA algorithm provides solutions with average percentage gap of 5.49% compared to the upper bounds obtained from the mathematical model. Moreover, the applied SA algorithm provides significantly better solutions in a reasonable time than the schedules provided by the head nurses. تفاصيل المقالة -
حرية الوصول المقاله
74 - Application of queuing theory in production-inventory optimization
Reza Rashid Seyed Farzad Hoseini M. R. Gholamian Mohammad FeizabadiThis paper presents a mathematical model for an inventory control system in which customers’ demands and suppliers’ service time are considered as stochastic parameters. The proposed problem is solved through queuing theory for a single item. In this case, t أکثرThis paper presents a mathematical model for an inventory control system in which customers’ demands and suppliers’ service time are considered as stochastic parameters. The proposed problem is solved through queuing theory for a single item. In this case, transitional probabilities are calculated in steady state. Afterward, the model is extended to the case of multi-item inventory systems. Then, to deal with the complexity of this problem, a new heuristic algorithm is developed. Finally, the presented bi-level inventory-queuing model is implemented as a case study in Electroestil Company. تفاصيل المقالة -
حرية الوصول المقاله
75 - A modified elite ACO based avoiding premature convergence for travelling salesmen problem
M Yousefikhoshbakht E Mahmoodabadi M SedighpourThe Travelling Salesmen Problem (TSP) is one of the most important and famous combinational optimization problems that aim to find the shortest tour. In this problem, the salesman starts to move from an arbitrary place called depot and after visiting all nodes, finally أکثرThe Travelling Salesmen Problem (TSP) is one of the most important and famous combinational optimization problems that aim to find the shortest tour. In this problem, the salesman starts to move from an arbitrary place called depot and after visiting all nodes, finally comes back to depot. Solving this problem seems hard because program statement is simple and leads this problem belonging to NP-hard programs.In this paper, the researchers present a modified Elite Ant System (EAS) which is different from common EAS. There is a linear function used here for increasing coefficient pheromone of the best route activated when a better solution is achieved. This process will avoid the premature convergence and makes better solutions. The results on several standard instances show that this new algorithm would gain more efficient solutions compared to other algorithms. تفاصيل المقالة -
حرية الوصول المقاله
76 - ارائه مدل تکاملی فروش استقراضی با استفاده از هوش جمعی و الگوریتم کلونی مورچگان
صادق حجتی آرش نادریان مجید اشرفی جمادوردی گرگانلی دوجیهدف این پژوهش ارایه مدل تکاملی فروش استقراضی به کمک هوش جمعی و الگوریتم‌های فرا ابتکاری (الگوریتم کلونی مورچگان) میباشد. این پژوهش از نظر روش، در زمرة پژوهش کمی و از نظر هدف پژوهش، کاربردی است. جامعة آماری شامل کلیة شرکتهای فعال پذیرفته شده در بورس اوراق بهادار تهران أکثرهدف این پژوهش ارایه مدل تکاملی فروش استقراضی به کمک هوش جمعی و الگوریتم‌های فرا ابتکاری (الگوریتم کلونی مورچگان) میباشد. این پژوهش از نظر روش، در زمرة پژوهش کمی و از نظر هدف پژوهش، کاربردی است. جامعة آماری شامل کلیة شرکتهای فعال پذیرفته شده در بورس اوراق بهادار تهران میباشد. این پژوهش در فاصلة زمانی بین سالهای 1390 تا 1398 برای شرکتهای فعال پذیرفته شده در بورس اوراق بهادار تهران مورد بررسی قرار گرفته است. شیوة جمع آوری داده‌ها از نوع کتابخانه‌ای و استفاده از مقاله‌های خارجی، داخلی و داده‌های مالی شرکتهای پذیرفته شده در بورس میباشد که با مراجعه به صورت‌های مالی ویاداشت‌های توضیحی با استفاده از نرم افزار ره‌آورد نوین گردآوری شده است. در ادامه با استفاده از نرم افزار ایویوز 9 و متلب اقدام به ارایه مدل فروش استقراضی نموده و سپس با استفاده از نرم‌افزار متلب و الگوریتم کلونی مورچگان اقدام به ارایه مدل تکاملی فروش استقراضی نموده ایم. در پایان، با مقایسه مدل رگرسیون گام به گام و مدل فروش استقراضی (الگوریتم کلونی مورچگان) اقدام به ارایه مدلی نموده که نسبت به مدل‌های دیگر از کارآیی بالاتری برخودار است. نتیجه پژوهش حاکی از آن است که مدل فروش استقراضی به کمک الگوریتم کلونی مورچگان از کارایی بالاتری نسبت برخوردار است. تفاصيل المقالة -
حرية الوصول المقاله
77 - برآورد زیان پرداخت وام در بانک سرمایه با استفاده از الگوریتم فراابتکاری بهینه سازی علف های هرز
زهرا رحمانی محمد ابراهیم محمدپور زرندی محمدعلی کرامتیمدیریت نقدینگی یکی از بزرگترین چالش هایی است که سیستم بانکداری درکشورمان در شرایط حاد تورمی سال های اخیر با آن روبروست. تسهیلات اعطایی بانک ها بدون لحاظ شرایط تورمی معمولا منجر به زیان پنهان پرداخت وام و در نتیجه کاهش سودآوری و خطرعدم توانایی در ایفای تعهدات و در نتیجه أکثرمدیریت نقدینگی یکی از بزرگترین چالش هایی است که سیستم بانکداری درکشورمان در شرایط حاد تورمی سال های اخیر با آن روبروست. تسهیلات اعطایی بانک ها بدون لحاظ شرایط تورمی معمولا منجر به زیان پنهان پرداخت وام و در نتیجه کاهش سودآوری و خطرعدم توانایی در ایفای تعهدات و در نتیجه خطر ورشکستگی بانک ها شده است. هدف از پژوهش حاضر برآورد زیان پرداخت وام در بانک سرمایه با استفاده از الگوریتم فراابتکاری بهینه سازی علف های هرز می باشد. در این پزوهش برای بررسی زیان پرداخت وام طراحی مدل انجام شده و جهت مقایسه پیش بینی زیان پرداخت وام بین نتایج محاسبه ای با استفاده از فرمول ابتکاری پیشنهادی و درآمد تسهیلات مالی اعطایی از الگوریتم فراابتکاری بهینه سازی علف های هرز استفاده شد. نتایج نشان داد ارتباط و همبستگی منفی بین زیان پرداخت وام با رشد سودآوری بانک سرمایه در شرایط تورمی بالا وجود دارد. همچنین مقایسه پیش بینی زیان پرداخت وام بین نتایج محاسبه ای با استفاده از فرمول ابتکاری پیشنهادی، عدد پیش بینی شده توسط الگوریتم بهینه سازی علف های هرز و درآمد تسهیلات مالی اعطایی نشان داد زیان پرداخت وام با استفاده از الگوریتم فراابتکاری بهینه سازی علف های هرز قابل محاسبه می باشد. تفاصيل المقالة -
حرية الوصول المقاله
78 - The Effect of Demand-Response Program and Distributed Generation Resources on Optimal Establishment of Electric Vehicle Charging/Discharging Stations Using a Triple Optimization Algorithm
Monireh Ahmadi Seyed Hossein Hosseini Murteza FarsadiThis study investigated the effect of distributed generation resources and demand-response program on the placement of charging/discharging stations and optimal exploitation programming of electric vehicles in a distribution network. Effective factors in the sitting of أکثرThis study investigated the effect of distributed generation resources and demand-response program on the placement of charging/discharging stations and optimal exploitation programming of electric vehicles in a distribution network. Effective factors in the sitting of stations and optimal charge/discharge power in stations are a combination of technical and economic parameters. Minimization of network losses, minimization of voltage loss in feeders, smoothing network load curve, and THD reduction were assumed as technical parameters. As to the economic scope, the placement of stations and charge/discharge power were considered the most effective parameters. In other words, the costs of charging/discharging operations needed to be minimized in the stations to reach the lowest costs spent on purchasing power. A price-based demand-response program was incorporated into the simulations to manage loads on the customer side and smooth the load curve. We implemented genetic, particle swarm optimization, and imperialist competitive hybrid meta-heuristic algorithms to find the optimum operating point. We performed simulations in an IEEE standard 69-bus network. The problem was solved using the former hybrid algorithm, and optimal sites of stations and exploitation program of charge/discharge were specified. This study evaluated the effects of renewable energy resources and price-based demand-response program on the optimal placement of stations and optimal exploitation program of stations. Furthermore, it addressed the effects of an increase in the number of stations and a rise in charge/discharge capacity. تفاصيل المقالة -
حرية الوصول المقاله
79 - Intelligent Hybrid Heuristic-Metaheuristic Algorithm for Lifetime Extension in Wireless Body Area Networks
Pouya Aryai Ahmad Khademzadeh Somayyeh Jafarali Jassbi Mehdi HosseinzadehWireless 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 أکثرWireless 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
80 - بهینه‌سازی سبد سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران بر اساس روشهای ترکیبی یادگیری ماشین جمعی دوسطحی و الگوریتم‌های فرا ابتکاری چند هدفه مبتنی بر رویکرد زمان سنجی بازار
ساناز فریدی امیر دانشور مهدی معدن چی زاج شادی شاهوردیانیدر این مقاله با استفاده از رویکرد زمان سنجی بازار وروش‌های یادگیری جمعی همگن و غیر همگن به ارائه سیگنال خرید، نگهداری و فروش و پیشبینی بازار بر اساس ویژگی‌های بنیادی ویژگی‌های فنی و سری زمانی بازدهی هر شرکت در 100 روز منتهی به روز جاری پرداخته شده است. بر این اساس ، 20 أکثردر این مقاله با استفاده از رویکرد زمان سنجی بازار وروش‌های یادگیری جمعی همگن و غیر همگن به ارائه سیگنال خرید، نگهداری و فروش و پیشبینی بازار بر اساس ویژگی‌های بنیادی ویژگی‌های فنی و سری زمانی بازدهی هر شرکت در 100 روز منتهی به روز جاری پرداخته شده است. بر این اساس ، 208 شرکت که به عنوان شرکتهای فعال بین سالهای 1390 تا 1399 بودند، انتخاب شدند. برای آموزش داده‌ها توسط ماشین یادگیری جمعی دوسطحی (HHEL) و پیشبینی روند بازار بر اساس استراتژی زمان سنجی بازار ، از داده‌های 5 سال 1390 تا 1394 استفاده و برای تست داده‌ها به منزله بهینه‌سازی سبد سهام بر اساس بیشینه سازی بازده سبد سهام و کمینه سازی ریسک سبد سهام سرمایه‌گذاری، از الگوریتم‌های MOPSO و NSGA II استفاده و با سبد سرمایه گذاری بدست آمده با استراتژی خرید و نگهداری مقایسه شده است. نتایج نشان داد الگوریتم MOPSO بالاترین بازده سبد سهام را با 96.437 % در مقابل الگوریتم NSGA II با بازدهی 91.157 % و روش سرمایه‌گذاری یکسان با بازدهی 13.058 % بدست آورده است. همچنین ریسک سبد سرمایه‌گذاری در الگوریتم NSGA II بسیار پایین تر از ریسک سبد سرمایه‌گذاری در الگوریتم MOPSO به ترتیب با 0.792% و 1.367% بوده است. تفاصيل المقالة -
حرية الوصول المقاله
81 - بهینه سازی پرتفوی در فضای حباب بازار سرمایه، کاربردی از الگوریتم کلونی زنبور عسل
ایمان محمدی حمزه محمدی خشوئی آرزو آقایی چادگانیوجود حباب دربازار و بخصوص بازار سرمایه می تواند عاملی در جلوگیری ازمشارکت سرمایه گذاران در فرایند بازارسرمایه و تخصیص صحیح منابع مالی برای توسعه اقتصادی کشور باشد.ازطرفی،با توجه به هدف سرمایه گذاران در دستیابی به سبد دارایی با بازده بالا همراه کمترین میزان ریسک،لزوم توج أکثروجود حباب دربازار و بخصوص بازار سرمایه می تواند عاملی در جلوگیری ازمشارکت سرمایه گذاران در فرایند بازارسرمایه و تخصیص صحیح منابع مالی برای توسعه اقتصادی کشور باشد.ازطرفی،با توجه به هدف سرمایه گذاران در دستیابی به سبد دارایی با بازده بالا همراه کمترین میزان ریسک،لزوم توجه به این بازارها را بیشتر می کند.در این پژوهش،باهدف بیشینه کردن بازدهی و کمینه سازی ریسک سرمایه گذاری، تلاش شده تا پرتفوی بهینه درشرایطی که بازار سرمایه دارای حباب قیمتی باشد،تشکیل گردد.با توجه به هدف،پژوهش ازنوع کاربردی،و از نظرداده ها،کمی و پس رویدادی،و از نظر نوع تحلیل،ازنوع توصیفی–همبستگی می باشد.جهت شناسایی ماههای دارای حباب دربازه زمانی۱۳۹۴تا۱۳۹۷بازاربورس اوراق بهادار تهران،از آزمون های تسلسل و آزمون چولگی وکشیدگی استفاده و پس ازشناسایی دوره های دارای حباب،الگوریتم فراابتکاری کلونی زنبورعسل مصنوعی جهت بهینه سازی پرتفوی بکارگرفته شد.نتایج حاکی ازشناسایی ۱۰ دوره دارای حباب قیمتی دربازه زمانی مورد بررسی می باشد.همچنین،دربهینه سازی پرتفوی، سبدهای سهام انتخابی با بیشینه بازده و کمینه ریسک تشکیل شده است.این پژوهش راهنمایی برای سرمایه گذاران در شناسایی دوره های دارای حباب و چگونگی تشکیل پرتفوی بهینه در این شرایط خواهد بود. تفاصيل المقالة -
حرية الوصول المقاله
82 - ارائه سیستم معاملاتی هوشمند مبتنی بر اندیکاتورهای تحلیل تکنیکال بهینه شده با الگوریتم کرم شب تاب
فاطمه آسیائی طاهری غلامرضا زمردیان میرفیض فلاح شمسهدف اصلی سرمایه‌گذاران در بازار سهام، کسب بیشترین بازده در زمان مورد نظر میباشد، لذا معرفی مناسب ترین روش جهت انجام معاملات برای سرمایه‌گذاران از اهمیت ویژه‌ای برخوردار است. معاملات موفق در بازارهای مالی می‌بایست نزدیک به نقاط کلیدی بازگشتی انجام گردد. در سالهای اخیر أکثرهدف اصلی سرمایه‌گذاران در بازار سهام، کسب بیشترین بازده در زمان مورد نظر میباشد، لذا معرفی مناسب ترین روش جهت انجام معاملات برای سرمایه‌گذاران از اهمیت ویژه‌ای برخوردار است. معاملات موفق در بازارهای مالی می‌بایست نزدیک به نقاط کلیدی بازگشتی انجام گردد. در سالهای اخیر سیستم‌های مختلفی به منظور شناسایی این نقاط بازگشتی ایجاد شده‌اند. تحلیل تکنیکال سعی در شناسایی نقاط صحیح و به موقع برای ورود و خروج به معاملات را دارد.در این مقاله در تلاش هستیم تا با بهره‌گیری از قواعد تکنیکی طبق پژوهش‌ها و نتایج پیشین که دارای درصد موفقیت بالاتری باشد، را انتخاب نموده و با به کارگیری محاسبات نرم، پارامترهای تصمیم‌گیری در قواعد تکنیک با استفاده از الگوریتم کرم شب تاب بهبود داده شود.نتایج این مدل با نتایج حاصل از بهکارگیری پارامترهای استاندارد اندیکاتورها و نتایج حاصل از راهبرد خرید و نگهداری مقایسه میشود. به منظور اعتبار سنجی سیستم معاملاتی معرفی شده، به مقایسه آن با نتایج حاصل از سیستم هوشمند بهینه سازی شده مبتنی بر روش اپتیک و الگوریتم ژنتیک پرداختیم. نتایج پژوهش نشان می‌دهد که با بهینه سازی پارامترهای اندیکاتورهای تحلیل تکنیکال می توان بازدهی سرمایه‌گذاری را نسبت به روش های معمول در بازار سهام و پژوهش‌های پیشین افزایش داد. تفاصيل المقالة -
حرية الوصول المقاله
83 - پیشبینی درماندگی مالی با استفاده از روش ترکیبی PCA-ANFIS و الگوریتم فراابتکاری بهینه‌سازی ازدحام کبوتر
سینا خردیار محمد حسن قلیزاده فروغ لطفیدر پژوهش حاضر یک سیستم استنتاج فازی عصبی انطباق‌پذیر (ANFIS) مبتنی بر تحلیل مولفه‌های اصلی (PCA) جهت پیشبینی درماندگی مالی شرکت‌ها پیشنهاد شده‌است. این سیستم نه تنها توانایی سازگاری و یادگیری را دارد، بلکه خطا را نیز کاهش می‌دهد؛ زیرا از پارامترهای اضافی هنگامی که متغی أکثردر پژوهش حاضر یک سیستم استنتاج فازی عصبی انطباق‌پذیر (ANFIS) مبتنی بر تحلیل مولفه‌های اصلی (PCA) جهت پیشبینی درماندگی مالی شرکت‌ها پیشنهاد شده‌است. این سیستم نه تنها توانایی سازگاری و یادگیری را دارد، بلکه خطا را نیز کاهش می‌دهد؛ زیرا از پارامترهای اضافی هنگامی که متغیرهای ورودی بیش از حد هستند، اجتناب میکند. برای تأیید اثربخشی این مدل، تعداد 181 شرکت پذیرفته شده در بورس اوراق بهادار تهران (905 شرکت-سال) با استفاده از نمونه‌ای سیستماتیک در دوره زمانی 1390 تا 1394 انتخاب شدند که از این تعداد، 58 شرکت-سال درمانده مالی و تعداد 847 شرکت-سال سالم بودند. این شرکت‌ها به طور تصادفی به دو مجموعه تقسیم شدند: مجموعه آموزش جهت طراحی مدل و مجموعه وارسی جهت اعتبارسنجی مدل. نتایج حاصل از پژوهش نشان می‌دهد سیستم استنتاج فازی عصبی انطباق‌پذیر (ANFIS) مبتنی بر تحلیل مولفه‌های اصلی (PCA) قابلیت پیشبینی وقوع درماندگی مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران را دارد و زمانیکه مدل پیشنهادی با الگوریتم فراابتکاری ازدحام کبوتر ترکیب می‌گردد با کاهش مقدار خطا دقت مدل افزایش می‌یابد. بنابراین مشاهده میشود که استفاده از یک الگوریتم مکمل می‌تواند دقت پیشبینی مدل PCA-ANFIS را افزایش دهد. تفاصيل المقالة -
حرية الوصول المقاله
84 - بهینه‌سازی پارامترهای اندیکاتورهای تحلیل تکنیکال برای داده‌های درون‌روزی با استفاده از الگوریتم الهام‌گرفته از پدیده‌های نوری: مطالعه موردی بورس تهران
محمد علی رستگار فرح آشوریدر این پژوهش یک سیستم معاملاتی سهام مبتنی بر ترکیب شش اندیکاتور تکنیکال طراحی شده‌است. برای ترکیب این اندیکاتورها از شبکه عصبی مصنوعی استفاده شده و بهینه‌سازی پارامترهای این اندیکاتورها با الگوریتم فراابتکاری الهام‌گرفته از پدیده‌های نوری (اپتیک) مبتنی بر ترکیب محدب ا أکثردر این پژوهش یک سیستم معاملاتی سهام مبتنی بر ترکیب شش اندیکاتور تکنیکال طراحی شده‌است. برای ترکیب این اندیکاتورها از شبکه عصبی مصنوعی استفاده شده و بهینه‌سازی پارامترهای این اندیکاتورها با الگوریتم فراابتکاری الهام‌گرفته از پدیده‌های نوری (اپتیک) مبتنی بر ترکیب محدب انجام شده‌است. در مدل ارائه‌شده با هدف بیشینه‌سازی نسبت شارپ اصلاح‌شده، پارامترهای بهینه اندیکاتورهای تکنیکال با الگوریتم‌های اپتیک و ژنتیک به دست آمده‌است. در این پژوهش از داده‌های درون‌روزی قیمت سهام استفاده شده و هزینه‌های معاملاتی لحاظ شده‌است. نتایج این مدل با نتایج حاصل از بهکارگیری پارامترهای استاندارد اندیکاتورها، نتایج حاصل از راهبرد خرید‌و‌نگه‌داری و نیز نتایج حاصل از بهکارگیری الگوریتم ژنتیک برای بهینه‌سازی پارامتر اندیکاتورها، در هر دو حالت روزانه و درون‌روزی مقایسه شده و به دلیل کسب نسبت شارپ اصلاح‌شده بیشتر توسط مدل ارائه‌شده، در همه موارد برتری آن نشان داده‌شده‌است. همچنین در مقایسه نتایج در حالت‌های درون‌روزی و روزانه براساس معیار بازدهی پایان دوره بدون لحاظ هزینه‌های معاملاتی، در بیشتر موارد داده‌های درون‌روزی بازدهی بیشتری داشت لکن پس از لحاظ کردن هزینه‌های معاملاتی برتری در نتایج درون‌روزی مشاهده نمی‌شود. لذا کاهش هزینه معاملاتی برای افزایش انگیزه معامله‌گران در انجام معاملات درون‌روزی توصیه میشود. تفاصيل المقالة -
حرية الوصول المقاله
85 - پیشبینی شاخص کل بورس اوراق بهادار تهران با استفاده از رویکرد ترکیبی الگوریتم های فراابتکاری، هوش مصنوعی و معادله پارامتریک موجک
علیرضا سارنج مجید قدس رضا تهرانیموضوع شناخت و بررسی رفتار قیمت سهام، همواره یکی از موضوع های مهم و موردتوجه محافل علمی و سرمایه‌گذاری بوده است. در سالیان گذشته مدل های گوناگونی برای پیشبینی با استفاده از شبکه عصبی و مدل های ترکیبی پیشنهاد شده‌اند که از مدل های سنتی عملکرد بهتری داشتند. در این پژوهش ی أکثرموضوع شناخت و بررسی رفتار قیمت سهام، همواره یکی از موضوع های مهم و موردتوجه محافل علمی و سرمایه‌گذاری بوده است. در سالیان گذشته مدل های گوناگونی برای پیشبینی با استفاده از شبکه عصبی و مدل های ترکیبی پیشنهاد شده‌اند که از مدل های سنتی عملکرد بهتری داشتند. در این پژوهش یک مدل ترکیبی از شبکه عصبی و تبدیل موجک پیشنهادشده است که از الگوریتم ژنتیک برای بهینه سازی تابع پایه تبدیل موجک با هدف حداکثر نمایی کارایی این تبدیل، استفاده‌شده است. داده های مورداستفاده برای این پژوهش داده های روزانه از تاریخ 02/02/1391 تا تاریخ 30/01/1396 است. نتایج این پژوهش نشان داد که با این روش می‌توان تابع پایه‌ای متناسب با ویژگی های ذاتی سری زمانی برای پیشبینی یافت که خطای پیشبینی در این مدل نسبت به مدل شبکه عصبی و مدل ترکیبی شبکه عصبی و تبدیل موجک کاهش یابد. تفاصيل المقالة -
حرية الوصول المقاله
86 - Improving the Performance of Adaptive Neural Fuzzy Inference System (ANFIS) Using a New Meta-Heuristic Algorithm
Mehdi Khadem Abbas Toloie Eshlaghy Kiamars Fathi hafshejaniThe 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 أکثرThe 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
87 - الگوریتم‌های فراابتکاری برای جانمایی تاورکرین در سایت
رویا امیری جواد مجروحی سردرود وحید مومنایی کرمانیپروژههای تحقیقاتی نشان می‌دهد که تمایل به رویکردهای هوشمند برای اخذ تصمیم‌گیری‌ها در مراحل مختلف صنعت ساخت رو به افزایش است. برنامه‌ریزی جانمایی در سایت یکی از فرآیندهای مهم تصمیم‌گیری در مراحل اولیه پروژه‌های ساخت است که طی آن بایستی مکان تجهیزات و امکانات در داخل محد أکثرپروژههای تحقیقاتی نشان می‌دهد که تمایل به رویکردهای هوشمند برای اخذ تصمیم‌گیری‌ها در مراحل مختلف صنعت ساخت رو به افزایش است. برنامه‌ریزی جانمایی در سایت یکی از فرآیندهای مهم تصمیم‌گیری در مراحل اولیه پروژه‌های ساخت است که طی آن بایستی مکان تجهیزات و امکانات در داخل محدوده فضای سایت تعیین شود. تاورکرین یکی از تجهیزات حیاتی و گران‌قیمت در سایت‌های ساخت به شمار می‌رود. جانمایی مناسب تاورکرین تاثیر قابل توجهی برکیفیت، بهره‌وری، ایمنی، هزینه و مدت زمان پروژه دارد. در انتخاب مکان تاورکرین معیارهای متعددی شامل بزرگترین شعاع بالابری و ظرفیت تاورکرین، جنس خاک در سایت، ظرفیت باربری خاک و محل عرضه مصالح تاثیر دارند. لذا با توجه به تاثیر عوامل زیاد، جانمایی تاورکرین، یک مساله بهینه-سازی پیچیده و سخت است که حل آن با بالارفتن تعداد پارامترها و متغیرها از طریق الگوریتم‌های ریاضی دقیق میسر نیست. بنابراین، تعریف مسئله به صورت یک مساله بهینه‌سازی و ادغام آن با مدلسازی ریاضی برای رسیدن به جواب بهینه ضروری است. حل اینگونه مسائل معمولا از طریق الگوریتم‌های فراابتکاری که از دسته الگوریتم‌های تقریبی هستند انجام میشود. این مقاله مروری جامع بر تحقیقات انجام شده در زمینه مساله جانمایی تاورکرین در سایت‌های ساخت با استفاده از مدلسازی ریاضی و الگوریتم‌های فراابتکاری ارائه می‌دهد. بر اساس یافته‌های این مقاله، شکاف‌های تحقیقاتی در این زمینه شناسایی شده است. لذا پیشنهاداتی برای تحقیقات آتی در جهت رفع نواقص ارائه شده است که می‌تواند موضوع مقالات تحقیقاتی متعددی باشد. تفاصيل المقالة -
حرية الوصول المقاله
88 - A Multi-objective Leagile Demand-Driven Optimization Model incorporating a Reliable Omnichannel Retailer: A Case Study
Farnaz Javadi Gargari Zahra Saeidi-Mobarakeh Hossein Amoozad KhaliliThis research proposed a comprehensive model designed for the optimization of supply chain networks, particularly emphasizing leagile demand-driven systems within the context of omnichannel operations. The proposed model integrates various parameters such as total cost, أکثرThis research proposed a comprehensive model designed for the optimization of supply chain networks, particularly emphasizing leagile demand-driven systems within the context of omnichannel operations. The proposed model integrates various parameters such as total cost, lead time, service level, and residual capacity, addressing the complex interdependencies among an omnichannel environment of retailers. To enhance the model's reliability, a hybrid meta-heuristic algorithm is employed, combining the strengths of MOEA/D-DE (Multi-Objective Evolutionary Algorithm with Differential Evolution), IBEA (Indicator-Based Evolutionary Algorithm), and NSGA-II (Non-dominated Sorting Genetic Algorithm II). The collaborative optimization approach ensures adaptability and efficiency in addressing diverse and intricate optimization challenges inherent in omnichannel networks. The numerical data from a case study on the supply of sanitary masks in Tabriz, Iran, during August 2021 is utilized to validate the model within the specific omnichannel context. The study includes a thorough sensitivity analysis, demonstrating the model's robustness against disturbances in the omnichannel network. The consistent performance of the odel across various disruption scenarios underscores its reliability and efficacy in ensuring the stability of supply chain operations within omni-channel frameworks. This observed resilience significantly enhances the overall robustness of the supply chain, especially when confronted with disruptive events. The model's ability to maintain stability under diverse conditions contributes to fortifying the supply chain against potential disruptions, thereby augmenting its adaptive capabilities in dynamic environments..Managerial and practical implications are discussed, emphasizing the significance of the proposed reliable omnichannel approach in leagile demand-driven systems. تفاصيل المقالة
سند
Sanad is a platform for managing Azad University publications
الروابط
المراكز ذات الصلة
دعامة
الصفحات الرسمية
حقوق هذا الموقع الإلكتروني مملوكة لنظام SANAD Press Management. © 1442-1446