توازن میان توابع هدف در بهینه‌سازی چندهدفه یکی از ابزارهای تفسیر و بررسی جواب‌های کارا است. جواب‌های کارای سره یکی از مفاهیم مهم از نظر تئوری و عملی می‌باشد که نشان دهنده رفتار توابع هدف طی یک فرایند تغییر می باشد؛ جواب-های کارای سره جواب های کارایی هستند که ناهنجاری های توابع هدف در بعضی از نقاط را فیلتر می کنند و این به تصمیم گیری برای به دست آوردن جواب های با اهمیت بیشتر توسط مدیریت کمک شایانی خواهد کرد. یکی از مهمترین ابزارهای به دست آوردن جواب با توازن کراندار در بهینه سازی چندهدفه، روش اسکالرسازی مجموع وزنی است که بسیاری از نویسندگان این نوع از اسکالرسازی را در بهینه سازی تعاملی بررسی کرده اند. این مقاله روشی برای به دست آوردن جواب-های کارای سره نزدیک به نقطه ایدآل با دیدگاه تئوری و تعاملی و با استفاده از اسکالرسازی وزنی ارائه می‌دهد. با توجه به اینکه نزدیکی به نقطه ایدآل می‌تواند یکی از ترجیحات تصمیم گیرنده باشد؛ این روش، ترجیحات تصمیم گیرنده را بدون از دست دادن تئوری در نظر می‌گیرد. بنابراین این مقاله رویکردی برای یافتن جواب های کارای سره نزدیک به نقطه ایدآل ارائه می دهد. Manuscript profile

فناوری از جنس دانش است و کاربردی شدن دانش نیازمند سرمایه‌‌گذاری در علم و فناوری و سرمایه انسانی است که خود محرک نوآوری می‌‌باشند. بنابراین مطالعه عوامل و متغیرهای موثر بر تولید دانش و فناوری برای کشورهای در حال توسعه، که دراین زمینه با کشورهای پیشرفته فاصله زیادی دارد، از اهمیت ویژه ‌ای برخوردار است. به همین منظور پژوهش حاضر با هدف مطالعه تاثیر برخی متغیرهای اقتصادی تاثیرگذار بر تولید فناوری پیشرفته در کشورهای در حال توسعه انجام شده است. در این مطالعه تاثیر متغیر های مختلف از جمله نوآوری، سرمایه‌‌گذاری مستقیم خارجی و سرمایه انسانی (به عنوان متغیر های مستقل) بر تولید فناوری پیشرفته (به عنوان متغیر وابسته) در دوره زمانی 2019 - 2015، برای 30 کشور در حال توسعه از آسیا و آسیای جنوب شرقی، خاورمیانه، اروپا، آفریقا و امریکای لاتین با استفاده از روش داده‌های تابلویی برآورد شده است. یافته ‌ها نشان می‌دهند که علاوه بر تاثیر مثبت و معنادار سرمایه‌گذاری مستقیم خارجی، نوآوری (که با درخواست‌های ثبت پتنت سنجیده شده) و سرمایه انسانی (تعداد محققان) بر تولید فناوری پیشرفته در کشورهای در حال توسعه منتخب، بالاترین کشش تولید فناوری پیشرفته (بیشترین اثرگذاری) از آن سرمایه انسانی است. Manuscript profile

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

In this paper we extend the concept of "cost minimizing industry structure" and develop two DEA models for dealing with imprecise data. The main aim of this study is to propose an approach to compute the industry cost efficiency measure in the presence of interval data. We will see that the value obtained by the proposed approach is an interval value. The lower bound and upper bound of the interval industry cost efficiency measure are computed and then decomposed into three components to examine the relationship between them and the lower and upper bounds of the individual interval cost efficiency measures. We also define the cost efficient organization of the industry as a set of DMUs, which minimizes the total cost of producing the interval industry output vector. In fact, this paper determines the optimal number of DMUs and the reallocation of the industry observed outputs among them. We hereby determine the effects of the optimal number of DMUs and the reallocation of outputs among them on the interval industry cost efficiency measure. Finally, a numerical example will be presented to illustrate the proposed approach. Manuscript profile

In the real world, many systems are a combination of two stages that are connected with intermediate measures. In fact, intermediate measures are considered as the outputs of the first stage and the inputs of the second stage. To evaluate the efficiency of these system, network DEA (NDEA) models are presented. In some cases, these systems may have shared inputs, and also part of the intermediate measures will be allocated as inputs of second-stage. We also frequently deal uncertain information such as stochastic data, fuzzy data and so on. Therefore, in practice, it is not easy to obtain the exact values of these inputs and assign them to each of the stages and determine the use of the second stage of intermediate measures. Therefore, in this paper, we shall combine fuzzy DEA and NDEA models which introduce a model based on the multiplicative approach, the non-compensatory property of the multiplication operator and the cut procedure. These models calculate the cut interval of overall efficiency and efficiency of stages in the presence of triangular fuzzy numbers (TFNs) and specify the optimal portion of stages in the use of shared inputs and the portion of the second stage of intermediate measures. Furthermore, the product of the upper (the lower) bound of the cut of the stages efficiency is considered as the upper (the lower) bound overall efficiency. Finally, we will illustrate the proposed models by using a numerical example extracted from the extant literature. Manuscript profile

این پژوهش به دنبال ارزیابی کارایی کشورهای دارای ضریب هوش ملی بالای 85 در تولید فناوری های پیشرفته، باتوجه‌به قابلیت‌هایی است که پایه و اساس آن ها سرمایۀ انسانی است؛ مانند نوآوری، موفقیت تحصیلی و هوش ملی. پژوهش حاضر از نظر روش، کمی و توصیفی و از نوع کاربردی است. از لحاظ افق زمانی مقطعی و از منظر شیوۀ گردآوری داده‌ها به صورت کتابخانه‌ای و از طریق مراجعه به درگاه‌های رسمی بین المللی مانند بانک جهانی است. به جهت رتبه بندی کشورها، شناسایی کشورهای ابرکارا و بهبود کارایی تولید فناوری های پیشرفته، با استفاده از روش تحلیل پوششی داده‌های شبکه، یک زنجیرۀ دومرحله‌ای برای تولید فناوری پیشرفته در نظر گرفته شده است. در مرحلة اول این زنجیره، نهاد های پژوهشی با ورودی‌های تعداد محقق تحقیق و توسعه (شاخص سرمایۀ انسانی) و میزان هزینه‌کرد برای تحقیق و توسعه و در مرحلۀ دوم آن، بخش صنعت با ورودی‌های سرمایه‌گذاری مستقیم خارجی، تعداد درخواست های ثبت اختراع (شاخص نوآوری) و تعداد مقالات علمی (شاخص موفقیت تحصیلی) هر کشور قرار دارد. یافته‌ها نشان می‌دهند که 12 کشور از 56 کشور در تولید فناوری‌های پیشرفته کارا و 3 کشور آمریکا، انگلیس و روسیه در هر دو بخش صنعت و پژوهش ابرکارا هستند. Manuscript profile

‎By p-power (or partial p-power) transformation‎, ‎the Lagrangian function in nonconvex optimization problem becomes locally convex‎. ‎In this paper‎, ‎we present a neural network based on an NCP function for solving the nonconvex optimization problem‎. An important feature of this neural network is the one-to-one correspondence between its equilibria and KKT points of the nonconvex optimization problem. the proposed neural network is proved to be stable and convergent to an optimal solution of the original problem‎. ‎Finally‎, an ‎examples is provided to show the applicability of the proposed neural network‎. Manuscript profile

In this paper, the common centralized DEA models are extended to the bi-level centralized resource allocation (CRA) models based on revenue efficiency. Based on the Karush–Kuhn–Tucker (KKT) conditions, the bi-level CRA model is reduced to a one-level mathematical program subject to complementarity constraints (MPCC). A recurrent neural network is developed for solving this one-level mathematical programming problem. Under a proper assumption and utilizing a suitable Lyapunov function, it is shown that the proposed neural network is Lyapunov stable and convergent to an exact optimal solution of the original problem. Finally, an illustrative example is elaborated to substantiate the applicability and effectiveness of the proposed approach. Manuscript profile