Firefly algorithm

دسترسی آزاد مقاله

1 - بهره برداری چندهدفه شبکه توزیع دربرگیرنده توربین بادی با لحاظ نمودن کمینه¬سازی آلایندگی زیست محیطی در شبکه
رضا صداقتی

مقدمه: رشد روز افزون بار‌های مصرفی و ضرورت تأمین مناسب، به موقع و با قابلیت اطمینان شبکه‌های برق، ضرورت نگرش مجدد در بهره‌برداری بهینه از سیستم‌ها و خطوط برق را بیش از پیش ایجاب می‌نماید. از طرفی، در سال‌های اخیر حمایت‌های زیادی از منابع تولیدات پراکنده مبتنی بر انرژی‌ه چکیده کامل

مقدمه: رشد روز افزون بار‌های مصرفی و ضرورت تأمین مناسب، به موقع و با قابلیت اطمینان شبکه‌های برق، ضرورت نگرش مجدد در بهره‌برداری بهینه از سیستم‌ها و خطوط برق را بیش از پیش ایجاب می‌نماید. از طرفی، در سال‌های اخیر حمایت‌های زیادی از منابع تولیدات پراکنده مبتنی بر انرژی‌های نو خصوصاً توربین‌های بادی صورت گرفته است. یکی از عمده مسأله‌های توربین‌های بادی مسأله نوسانات شدید باد و وابستگی توان خروجی به سرعت باد می‌باشد. به موازات این مشکل، در بحث مدیریت شبکه، خطای ناشی از پیش‌بینی بار مصرفی در آینده نیز می‌تواند به هرچه سخت‌تر شدن صورت مسأله بیانجامد. یکی از تکنیک‌های مناسب بدون هزینه‌گذاری اولیه، روش تجدید ساختار و توپولوژی شبکه با هدف بهبود وضع شبکه است. مواد و روش‌ها: در این تحقیق جهت بررسی مسأله تجدید ساختار و توپولوژی شبکه توزیع با حضور منابع توربین بادی به ارائه روشی نوین جهت مدیریت همزمان آن‌ها پرداخته شده است. یک تابع چند هدفه جهت دستیابی به کاهش تلفات اکتیو شبکه، کاهش هزینه‌های کلی شبکه، بهبود پروفیل ولتاژ باس‌های موجود، و کاهش میران آلایندگی کل تولیدی توسط شبکه در نظر گرفته شده که به¬منظور کمینه نمودن آن از الگوریتم بهینه‌سازی کرم شب تاب بهره گرفته شده است. نتایج و بحث: حل مسأله تجدید ساختار با در نظر گرفتن عدم قطعیت ناشی از توربین‌های بادی لحاظ شده است. حضور منابع بادی در شبکه توانسته توابع هدف را به مقدار قابل توجهی کاهش دهد. نتیجه‌گیری: به منظور ارزیابی روش پیشنهادی شبیه‌سازی‌هایی روی شبکه 32 باسه IEEE صورت گرفته که حاکی از اثرپذیری الگوریتم در نظر گرفته شده در قیاس با سایر الگوریتم‌های بهینه‌سازی خواهد بود. ساختار پیشنهادی دارای قدرت مناسبی جهت در نظر عدم قطعیت متغیر‌های تصادفی مسأله بوده بطوری که مقدار انحراف استاندارد هر یک از توابع هدف بعد از بهینه‌سازی کاهش یافته و در حقیقت میزان اطمینان پاسخ‌های یافت شده افزایش یافته است. پرونده مقاله

دسترسی آزاد مقاله

2 - A hybrid meta-heuristic algorithm based on ABC and Firefly algorithms
azita yousefi bita amirshahi

Abstract— In this paper we have tried to develop an altered version of the artificial bee colony algorithm which is inspired from and combined with the meta-heuristic algorithm of firefly. In this method, we have tried to change the main equation of searching with چکیده کامل

Abstract— In this paper we have tried to develop an altered version of the artificial bee colony algorithm which is inspired from and combined with the meta-heuristic algorithm of firefly. In this method, we have tried to change the main equation of searching within the original ABC algorithm. On this basis, a new combined equation was used for steps of employed bees and onlooker bees. For this purpose, we had to define several new parameters for improving the quality of the proposed method. In this regard, we have introduced two new parameters to the method. The new method has been simulated within the software of MATLAB and it has also been run according to objective functions of SPHERE, GRIEWANK and ACKLEY. All these functions are standard evaluation functions that are generally used for meta-heuristic algorithms. Results that were yielded by the proposed method were better than the results of the initial algorithm and especially by increasing the number of variables of the problem, this improvement becomes even more significant. We have successfully established a better balance between concepts of exploration and exploitation, especially with increasing the repetition cycles, we have successfully controlled the concept of utilization with random parameters. Tests have been ran more than 500 times. پرونده مقاله

دسترسی آزاد مقاله

3 - Dynamic Replication based on Firefly Algorithm in Data Grid
mehdi Sadeghzadeh

In data grid, using reservation is accepted to provide scheduling and service quality. Users need to have an access to the stored data in geographical environment, which can be solved by using replication, and an action taken to reach certainty. As a result, users are d چکیده کامل

In data grid, using reservation is accepted to provide scheduling and service quality. Users need to have an access to the stored data in geographical environment, which can be solved by using replication, and an action taken to reach certainty. As a result, users are directed toward the nearest version to access information. The most important point is to know in which sites and distributed system the produced versions are located. By selecting a suitable place for versions, the versions having performance, efficiency and lower access time are used. In this study, an efficient method is presented to select the best place for those versions created in data grid by using the users’ firefly algorithm which is compared with cooling algorithm. Results show that firefly algorithm has better performance than others.This means firefly algorithm is better and more accurate than genetic algorithm and particle swarm optimization in data replication task. پرونده مقاله

دسترسی آزاد مقاله

4 - پیش بینی قیمت سهام بااستفاده از الگوریتم کرم شب‌تاب (FA)
علی بیات زینب باقری

در این پژوهش به پیش‌بینی قیمت سهام 10 شرکت از شرکت‌های پذیرفته شده در بورس و تعدادی از شرکت‌های حاضر در فرابورس بااستفاده از الگوریتم کرم شب‌تاب پرداخته شده است. این پژوهش ازنظر هدف، کاربردی، از نظر روش گردآوری اطلاعات شبه تجربی، توصیفی - پیمایشی و پس رویدادی است. همچنی چکیده کامل

در این پژوهش به پیش‌بینی قیمت سهام 10 شرکت از شرکت‌های پذیرفته شده در بورس و تعدادی از شرکت‌های حاضر در فرابورس بااستفاده از الگوریتم کرم شب‌تاب پرداخته شده است. این پژوهش ازنظر هدف، کاربردی، از نظر روش گردآوری اطلاعات شبه تجربی، توصیفی - پیمایشی و پس رویدادی است. همچنین ازنظر ابزارهای گردآوری اطلاعات، کتابخانه ای می باشد و بدلیل ماهیت مدل‌سازی و پیش‌بینی، ازنوع پژوهش استقرایی است. در این تحقیق از داده‌ها در دو مرحله، الگوریتم استفاده خواهیم کرد: الف ) داده هایی برای آموزش الگوریتم کرم شب‌تاب قبل از پیش‌بینی (مرحله یادگیری الگوریتم) که تعداد این متغیرها برابر 16 متغیر می‌باشد. این متغیرها برای دوره زمانی سه سال (1388-1392) ب) داده های گذشته شرکت ها برای پیش‌بینی قیمت سهام در آینده (مرحله تست الگوریتم) که تعداد این متغیرها برابر12 متغیر است. سرانجام دراین پژوهش از الگوریتم آموزش دیده برای پیش بینی قیمت سهام استفاده می‌گردد. طرز کار الگوریتم نیز به این صورت است که داده های روزانه , ماهانه یا سالانه (N) به الگوریتم داده می شود. الگوریتم به پیش بینی قیمت سهام برای روز، ماه یا سال N+1 ام می پردازد. برای محاسبه ی خطای پیش بینی از محاسبه خطای نسبی استفاده شده است. محاسبات انجام خطای کمتر از 6% را برای پیش‌بینی نشان می‌دهد. بنابراین الگوریتم کرم شب تاب قابلیت پیش بینی قیمت سهام را داراست. پرونده مقاله

دسترسی آزاد مقاله

5 - کاربرد مدل هیبریدی شبکه‌های عصبی مصنوعی و الگوریتم کرم شب‌تاب برای پیش‌بینی مقدار جامدات محلول در آب رودخانه
فرحناز سبزواری بهروز یعقوبی سعید شعبانلو

10.30495/wsrcj.2023.71849.11356

زمینه و هدف: برآورد و پیش بینی پارامتر های کیفی در کنار پارامتر های کمی آب در طول رودخانه یکـی از مولفـه‌ های ی است که در تصمیم‌گیری‌ های مدیریتی صحیح بایستی به‌دقـت شـبیه‌سـازی شـده و تخمین زده شود. اکثر مـدل های مربوط به برآورد پارامتر های کیفی نیازمند پارامتر های ور چکیده کامل

زمینه و هدف: برآورد و پیش بینی پارامتر های کیفی در کنار پارامتر های کمی آب در طول رودخانه یکـی از مولفـه‌ های ی است که در تصمیم‌گیری‌ های مدیریتی صحیح بایستی به‌دقـت شـبیه‌سـازی شـده و تخمین زده شود. اکثر مـدل های مربوط به برآورد پارامتر های کیفی نیازمند پارامتر های ورودی بسیار زیادی هستند که یـا دسترسـی بـه آن ها مشکل است و یا تعیین آن ها نیازمند صرف هزینه و زمان زیادی است. بنابراین استفاده از مدل‌ های داده‌محور در این زمینه برای صرفه‌جویی در زمان و هزینه گسترش یافت ها ست.روش پژوهش: در این مقاله کاربرد شبکه های عصبی مصنوعی و ترکیب آن با الگوریتم کرم شب تاب جهت پیش بینی مقدار جامدات محلول در آب (TDS) در رودخانه گاوه رود واقع در ایران کرمانشاه مورد آموزش و صحت سنجی قرار می گیرد. برای این منظور از داده های کیفیت آب ایستگاه هیدرو متری در بالادست سد مخزنی گاوشان برای بازه آماری (1389-1370) استفاده گردید. براساس ورودی های مختلف، شبکه عصبی مصنوعی پرسپترون چند لایه (MLP) و ترکیب آن با الگوریتم کرم شب تاب مورد آزمون قرار گرفت. بهترین الگوی ورودی ها ، تعداد لایه پن ها ن و تعداد نرون های هر لایه در شبکه عصبی مصنوعی مشخص گردید. داده های ورودی به مدل‌ ها شامل دبی (Q)، سدیم(Na)، منیزیم (Mg)، کلسیم (Ca)، سولفات (So4)، کلرید (Cl)، بی کربنات (Ho3)، هدایت الکتریکی (EC) و جامدات محلول رودخانه در بازه زمانی قبل (TDSt-1) و داده های خروجی جامدات محلول آب (TDS) می باشد. تعداد لایه‌ های پن ها ن برابر یک و تعداد نرون‌ های لایه پن ها ن برابر نه بدست آمد، همچنین تابع شبکه عصبی در این مطالعه نوع آبشاری در نظر گرفته شد و نتایج با روش ترکیب شبکه‌ های عصبی مصنوعی با الگوریتم کرم شب تاب مقایسه گردید.یافته‌ ها : باتوجه به این خروجی های مدل با داده های مشاهده شده با استفاده از معیار های برآورد خطا مقایسه شد؛ در این راستا مقادیرشاخص های ارزیابی خطا مورد استفاده شاخص مربعات خطا به انحراف معیار استاندارد مشاهداتی (RSR)، رابطه ناش ساتکلیف (NSC)، ضریب همبستگی (R) و ریشه میانگین مربعات خط (MSE) برای شبکه عصبی مصنوعی به ترتیب 154/0، 976/0، 989/0 و 27/25 و در حالت ترکیب شبکه عصبی با الگوریتم کرم شب تاب نیز به ترتیب 129/0، 983/0، 992/0 و 8/17 بدست آمد.نتایج: لذا عملکرد روش هیبریدی شبکه های عصبی مصنوعی با استفاده از الگوریتم کرم شب تاب در پیش بینی TDS مناسب‌تر از تکنیک شبکه های عصبی مصنوعی است. پرونده مقاله

دسترسی آزاد مقاله

6 - بهینه‌سازی بهره‎برداری از مخزن برای تأمین آب کشاورزی با استفاده از الگوریتم کرم شب‌تاب
سید محمد حسینی موغاری محمد ابراهیم بنی‌حبیب

بیشترین مقدار آب کشور در بخش کشاورزی مصرف می‌شود. بنابراین استفاده بهینه از آب در این بخش، به میزان قابل توجهی در حفاظت منابع آب و استفاده حداکثری از آب موجود موثر است. در بسیاری از مناطق، سدهای ذخیره‌ای وظیفه تأمین آب کشاورزی پایین دست خود را بر عهده دارند. بهره‌برداری چکیده کامل

بیشترین مقدار آب کشور در بخش کشاورزی مصرف می‌شود. بنابراین استفاده بهینه از آب در این بخش، به میزان قابل توجهی در حفاظت منابع آب و استفاده حداکثری از آب موجود موثر است. در بسیاری از مناطق، سدهای ذخیره‌ای وظیفه تأمین آب کشاورزی پایین دست خود را بر عهده دارند. بهره‌برداری بهینه از مخازن یکی از مهم‌ترین بخش‌های مدیریت منابع آب سطحی بوده و روش‌های بهینه‌سازی گوناگونی در این زمینه استفاده شده‌اند، که پرکاربردترین آنها روش‌های فراکاوشی می‌باشند. در این پژوهش الگوریتم کرم شب‌ تاب (FA) به عنوان روشی نوین برای تعیین سیاست‌های بهینه بهره‌برداری از مخزن بازفت، به‌کار گرفته شده است. مدل‌سازی بهره‌برداری از مخزن سد بازفت برای یک بازه 120 ماهه مربوط به سال‌های آبی 66-65 تا 75-74 صورت گرفت. تابع هدف در نظر گرفته شده به صورت کمّینه‌کردن مجموع مجذور نسبتِ تفاضلِ مقدار نیاز و مقدار رهاسازی شده از مخزن، به بیشینه نیاز طی دوره بهره‌برداری تعریف گردید. عملکرد الگوریتم FA با الگوریتم ژنتیک (GA)و بهینه‌سازی مجموعه ذرات (PSO) که روش‌های بهینه‌سازی متداول و شاخصی می‌باشند، مقایسه و ارزیابی شد. نتایج حاکی از عملکرد بهتر FA نسبت به دو روش دیگر بود، به گونه‌ای که مقدار متوسط تابع هدف حاصل از FA برابر 408/0 و متوسط تابع هدف برای GA و PSO به ترتیب برابر 618/0 و 913/0 به دست آمد. افزون بر مقدار مناسب تابع هدف، FA مقدار کمبودهای کمتر و خفیف‌تری نسبت به GA و PSO ایجاده کرده است. پرونده مقاله

دسترسی آزاد مقاله

7 - مطالعه ارتباط کمی ساختار – فعالیت جهت پیش بینی فعالیت دارویی برخی از ترکیبات پیریدین در درمان سرطان پوست با استفاده از الگوریتم کرم شب تاب
مهدی نکوئی فاطمه شمس

مطالعه ارتباط کمی-ساختار فعالیت(QSAR) جهت پیش بینی فعالیت دارویی برخی از ترکیبات پیریدین و مشتقات آن در درمان سرطان پوست انجام شد. در ابتدا ساختار ترکیبات مورد نظر توسط نرم افزار هایپرکم رسم و بهینه گردید. سپس تعداد 1481 توصیف کننده توسط نرم افزار دراگون محاسبه شد. برای چکیده کامل

مطالعه ارتباط کمی-ساختار فعالیت(QSAR) جهت پیش بینی فعالیت دارویی برخی از ترکیبات پیریدین و مشتقات آن در درمان سرطان پوست انجام شد. در ابتدا ساختار ترکیبات مورد نظر توسط نرم افزار هایپرکم رسم و بهینه گردید. سپس تعداد 1481 توصیف کننده توسط نرم افزار دراگون محاسبه شد. برای انتخاب مناسب ترین توصیف کننده ها از روش رگرسیون مرحله ایی و الگوریتم کرم شب تاب استفاده شد. پس از انتخاب مناسبترین توصیف کننده‌ها توسط این دو روش، جهت مدلسازی و پیش بینی فعالیت دارویی ترکیبات مورد نظر از روش رگرسیون خطی چندگانه (MLR) استفاده شد. عملکرد هر مدل توسط سری تست مورد بررسی قرار گرفت. ریشه میانگین مربعات خطا سری پیش بینی(RMSEP)، خطای نسبی پیش بینی (REP) و ضریب تعیین (R2) و خطای استاندارد پیش بینی (SEP) در روشهای SW-MLR و FF-MLR به ترتیب برابر6203/0، 7232/10، 8355/0، 6203/0، 7862/0، 526/10، 8591/0، 7862/0 می باشد. نتایج برتری نسبی روش انتخاب متغیر الگوریتم کرم شب تاب را نسبت به رگرسیون مرحله ایی جهت پیش بینی فعالیت دارویی ترکیبات ضد سرطان پوست نشان می دهد. پرونده مقاله

دسترسی آزاد مقاله

8 - FA-ABC: A Novel Combination of Firefly Optimization Algorithm and Artificial Bee Colony for Mathematical Test Functions and Real-World Problems
Ali reza Shafiee sarvestany Mohammadjavad Mahmoodabadi

10.30486/admt.2022.1940026.1314

In this research study, an attempt is made to present a new optimization scheme by combination of the firefly algorithm and artificial bee colony (FA-ABC) to solve mathematical test functions and real-world problems as best as possible. In this regard, the main operator چکیده کامل

In this research study, an attempt is made to present a new optimization scheme by combination of the firefly algorithm and artificial bee colony (FA-ABC) to solve mathematical test functions and real-world problems as best as possible. In this regard, the main operators of the two meta-heuristic algorithms are employed and combined to utilize both advantages. The results are compared with those of five prominent well-known approaches on sixteen benchmark functions. Moreover, thermodynamic, economic and environmental modeling of a thermal power plant known as the CGAM problem is represented. The proposed FA-ABC algorithm is used to reduce the total cost and increase the efficiency of the system as shown in the Pareto front diagrams. پرونده مقاله

دسترسی آزاد مقاله

9 - ارزیابی عملکرد چراغ‌های راهنمایی هوشمند مبتنی بر الگوریتم کرم شب‌تاب در یک سیستم کنترل تطبیقی
فریبا جباری مهدی فلاح تفتی

در این پژوهش به بررسی سیستم‌های کنترل چراغ راهنمایی تطبیقی جهت کنترل ترافیک تقاطعات پرداخته شده است. برای این منظور از الگوریتم کرم شب‌تاب جهت توزیع زمان سبز میان رویکردها استفاده شد که به بهینه‌سازی میزان گذردهی خودروها از تقاطع و طول صف رویکردهای تقاطع می‌پردازد و در چکیده کامل

در این پژوهش به بررسی سیستم‌های کنترل چراغ راهنمایی تطبیقی جهت کنترل ترافیک تقاطعات پرداخته شده است. برای این منظور از الگوریتم کرم شب‌تاب جهت توزیع زمان سبز میان رویکردها استفاده شد که به بهینه‌سازی میزان گذردهی خودروها از تقاطع و طول صف رویکردهای تقاطع می‌پردازد و در نهایت منجر به بهبود عملکرد ترافیک در تقاطع‌ها می‌گردد. همچنین جهت بررسی الگوریتم پیشنهادی، به آماربرداری از دو تقاطع شهر یزد و شبیه‌سازی آنها در نرم افزار شبیه‌ساز AIMSUN پرداخته شد. سپس این تقاطع‌ها برای شرایط موجود کالیبره و اعتبارسنجی شدند. آنگاه الگوریتم مذبور بر آن اعمال گردید و عملکرد آن با سیستم کنترل با زمان‌بندی ثابت مقایسه گردید. همچنین جهت اطمینان از اختلاف میانگین معنادار شاخص‌های ارزیابی طول صف و گذردهی تقاطع بین روش پیشنهادی و روش زمان ثابت، از آزمون t استفاده گردید. نتایج نشان داد روش پیشنهادی که در زمره کنترل تطبیقی چراغ راهنمایی تقاطع‌ها قرار می‌گیرد دارای عملکرد بهتری نسبت به روش کنترل زمان ثابت در تقاطع‌های منفرد است. پرونده مقاله

دسترسی آزاد مقاله

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

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

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

دسترسی آزاد مقاله

11 - Predict the Stock price crash risk by using firefly algorithm and comparison with regression
Serveh Farzad Esfandiar Malekian Hossein Fakhari Jamal Ghasemi

10.22034/amfa.2018.540830

Stock price crash risk is a phenomenon in which stock prices are subject to severe negative and sudden adjustments. So far, different approaches have been proposed to model and predict the stock price crash risk, which in most cases have been the main emphasis on the fa چکیده کامل

Stock price crash risk is a phenomenon in which stock prices are subject to severe negative and sudden adjustments. So far, different approaches have been proposed to model and predict the stock price crash risk, which in most cases have been the main emphasis on the factors affecting it, and often traditional methods have been used for prediction. On the other hand, using Meta Heuristic Algorithms, has led to a lot of research in the field of finance and accounting. Accordingly, the purpose of this research is to model the Stock price crash risk of listed companies in Tehran Stock Exchange using firefly algorithm and compare the results with multivariate regression as a traditional method. Of the companies listed on the stock exchange, 101 companies have been selected as samples. Initially, 19 independent variables were introduced into the model as input property of the particle accumulation algorithm, which was considered as a feature selection method. Finally, in each of the different criteria for calculating the risk Stock price crash risk, some optimal variables were selected, then using firefly algorithm and multivariate regression, the stock price crash risk was predicted and results were compared. To quantify the Stock price crash risk, three criteria for negative skewness, high fluctuations and maximum sigma have been used. Two methods of MSE and MAE have been used to compare the methods. The results show that the ability of meta-meta-heuristic methods to predict the risk Stock price crash risk is not generally higher than the traditional method of multivariate regression, And the research hypothesis was not approved. پرونده مقاله

دسترسی آزاد مقاله

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

10.22094/jcr.2022.1966472.1278

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

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

دسترسی آزاد مقاله

13 - A Hybrid Grey based Two Steps Clustering and Firefly Algorithm for Portfolio Selection
farshad faezy razi Naeimeh Shadloo

10.22094/joie.2017.276

Considering the concept of clustering, the main idea of the present study is based on the fact that all stocks for choosing and ranking will not be necessarily in one cluster. Taking the mentioned point into account, this study aims at offering a new methodology for mak چکیده کامل

Considering the concept of clustering, the main idea of the present study is based on the fact that all stocks for choosing and ranking will not be necessarily in one cluster. Taking the mentioned point into account, this study aims at offering a new methodology for making decisions concerning the formation of a portfolio of stocks in the stock market. To meet this end, Multiple-Criteria Decision-Making, Data Mining, and Multi-objective Optimization were employed. First, candidate stocks were clustered using two-step clustering method. Available stocks in each cluster were independently ranked using grey relational analysis. Firefly algorithm was employed for Pareto analysis of risk and ranking. The results of clustering in the stocks revealed that all candidate stocks were not placed in one cluster. The results of robustness analysis employed in ranking method verified the accuracy of calculations in the grey relational analysis through stock repetition of candidates in each cluster. پرونده مقاله

دسترسی آزاد مقاله

14 - Multi Objective Optimization of Heat Pipe Using Firefly Algorithm
hossein amoozad khalili gholamreza salehi seyed mohsen momeni majid eshagh nimvari

In the present study, a firefly algorithm is used to achieve a multi objective optimization of heat pipe with axial “Ω” shaped micro grooves. The objective function of the optimization procedure is maximization of heat transport capability and minimiza چکیده کامل

In the present study, a firefly algorithm is used to achieve a multi objective optimization of heat pipe with axial “Ω” shaped micro grooves. The objective function of the optimization procedure is maximization of heat transport capability and minimization of the total thermal resistance. So the effects of geometrical dimensions and structural parameters on heat pipe performance have been considered as decision variables. Also heat transfer capability and total thermal resistance of heat pipe have been considered as objective function. The agreement between experimental data and calculated results confirms the accuracy of the proposed algorithm for micro groove heat pipe analysis .The effect of grooves number and vapor core diameter on heat transfer and total thermal resistance have been analyzed and it shows by increasing the number of grooves and core diameter, heat transfer capability and total thermal resistance increased. Heat transfer capability and total thermal resistance decreased by increasing width of slot. For equal in size width slot by increasing grooves diameter heat transfer and total thermal resistance respectively increased about 25% and 7%. Result shows working temperature significantly effects on the heat transfer capability and maximum heat transfer capacity occurred about 271 K. پرونده مقاله

دسترسی آزاد مقاله

15 - Determining the Optimum Investment Portfolios in the Iranian Banking Network Base on Bi-level Game using the Markowitz Optimization Model by Firefly Algorithm
Mehdi Memarpour Ashkan Hafezalkotob Mohammad Khalilzadeh Abbas Saghaei Roya Soltani

The present study is presented in order to determine the optimal investment portfolios between a bank and its customers, in the form of a two-level game by Stackelberg (leader-follower). The game is based on the Markowitz mean-variance model. Leader player portfolios (B چکیده کامل

The present study is presented in order to determine the optimal investment portfolios between a bank and its customers, in the form of a two-level game by Stackelberg (leader-follower). The game is based on the Markowitz mean-variance model. Leader player portfolios (Bank 3) have included deposit portfolios in rival banks (Banks 1 and 2), investment in the real estate market, investment in the stock market and investment in the foreign exchange market. Also follower player portfolios (Bank 3 customers), including deposits in rival Banks(1,2), investment in the coin and gold market, investment in the foreign exchange market, investment in the housing and real estate market, investment in the car market, investment in the stock market. The data related to the mentioned assets covered 2009-2017, where the optimal investment portfolios of the players was first determined using GAMS software. Next, the problem was solved again using the meta-heuristic algorithm of Firefly in Matlab Software. Eventually, the optimal technique was chosen. Finally, the results of the study showed that the optimal investment portfolios for the leader player include investing in the real estate market and investing in the stock market, respectively. Also, the optimal investment portfolios of the following player include depositing in Bank 2, investing in the coin and gold market, investing in the stock market and investing in the real estate market, respectively. پرونده مقاله

دسترسی آزاد مقاله

16 - Optimization of Stand-alone Hybrid PV/Wind/Fuel-Cell System ‎Considering Reliability Indices Using Cuckoo Optimization and Firefly ‎Algorithm
Mehdi Rezaei Mahmood Ghanbari

In this paper, a hybrid system based on wind turbines, solar arrays and fuel cells is designed optimally in the view of economical and technical aspects. The objective of the hybrid system optimization is to minimize the system net peresent cost(NPC) while considering t چکیده کامل

In this paper, a hybrid system based on wind turbines, solar arrays and fuel cells is designed optimally in the view of economical and technical aspects. The objective of the hybrid system optimization is to minimize the system net peresent cost(NPC) while considering the reliability as a constraint. The economical designing aspect is defined as equivalent loss factor (ELF) of reliability. The NPC consist of capital, operation and maintenance, replacement and, especially, loss of load costs. The data of load, solar radiation and definitive wind speed are from the North West of Iran. It is assumed that between the system components, i.e., wind turbine, photovoltaic array and inverter, there is a forced outage probability. The cuckoo optimization (COA) and firefly algorithms(FA) are applied to optimize the hybrid system components and the results are compared with the last studies. The results show that the COA method is superior to the FA and the last studies, with respect to the economical and technical aspects and convergence speed. They also show that complete consideration of the components availability and the availability of inverter increases the generation costs of the system, but improves the system reliability indices, too. پرونده مقاله

دسترسی آزاد مقاله

17 - ارائه روشی جدید برای آشکارسازی سرطان سینه در تصاویر ماموگرافی با استفاده از الگوریتم کرم شب تاب
غزال مردانیان ندا بهزادفر

سرطان سینه یکی از شایع ترین سرطان ها در بین زنان است. در بسیاری از مواقع، هیچ علائم آشکاری در بیماران مبتلا به سرطان سینه مشاهده نمی شود. تشخیص دقیق سرطان سینه در مراحل اولیه برای کاهش مرگ و میر امری ضروری است. ماموگرافی به عنوان یک روش استاندارد بیش از 40 سال است که در چکیده کامل

سرطان سینه یکی از شایع ترین سرطان ها در بین زنان است. در بسیاری از مواقع، هیچ علائم آشکاری در بیماران مبتلا به سرطان سینه مشاهده نمی شود. تشخیص دقیق سرطان سینه در مراحل اولیه برای کاهش مرگ و میر امری ضروری است. ماموگرافی به عنوان یک روش استاندارد بیش از 40 سال است که در تشخیص بیماری های سینه مورد استفاده قرار گرفته است. برای جلوگیری از تجزیه و تحلیل های ذهنی تصاویر ماموگرافی توسط رادیولوژیست ها و افزایش دقت آشکارسازی سرطان سینه، سیستم های مبتنی بر هوش مصنوعی در سال های اخیر مورد توجه زیادی قرار گرفته اند. در این مطالعه با ترکیب الگوریتم کرم شب تاب و اعمال پیش پردازش های مناسب بر روی تصویر به آشکارسازی سرطان سینه در تصاویر ماموگرافی پرداخته شده است. در این مطالعه، از تصاویر ماموگرافی موجود در مجموعه داده DDSM استفاده شد. 3 معیار عملکردی صحت، حساسیت و دقت (%4/93، 91%، 95% ) برای تجزیه و تحلیل عملکرد تشخیص استفاده شد. اثر پیشنهادی در مقایسه با کارهای موجود در ادبیات عملکرد بهتری نشان می دهد پرونده مقاله

دسترسی آزاد مقاله

18 - Utilizing Firefly Algorithm-Optimized ANFIS for Estimating Engine Torque and Emissions Based on Fuel Use and Speed
Mahmut Dirik

10.30495/fomj.2023.1988182.1092

In this study, a method for predicting engine torque and emissions considering fuel consumption and engine speed parameters is presented. An adaptive neuro-fuzzy inference system (ANFIS) optimized with the Firefly algorithm is used. This strategy uses the global optimiz چکیده کامل

In this study, a method for predicting engine torque and emissions considering fuel consumption and engine speed parameters is presented. An adaptive neuro-fuzzy inference system (ANFIS) optimized with the Firefly algorithm is used. This strategy uses the global optimization capabilities of the Firefly algorithm, an algorithm inspired by biological phenomena, in combination with the ability of ANFIS to describe complicated non-linear relationships between inputs and outputs. The ANFIS system was trained on a dataset containing various engine operating conditions, with the Firefly algorithm fine-tuning the model parameters to ensure optimal effectiveness. The input parameters of the model consisted of fuel quantity and engine speed, while engine torque and nitrogen oxide emissions formed the output parameters. The results obtained showed high accuracy in predicting engine torque and emissions, confirming the effectiveness of the Firefly-optimized ANFIS model. This model makes an important contribution to engine performance monitoring and emissions management. It provides a powerful tool for real-time regulation and has the potential to improve fuel efficiency while reducing environmental impact. Future research efforts should extend the applicability of this model to a wider range of engine shapes and operating conditions. پرونده مقاله

دسترسی آزاد مقاله

19 - Multi-objective firefly optimization algorithm for construction site layout planning
Abolfazl Ghadiri داود صداقت شایگان علی اصغر امیرکاردوست

Safety importance on construction site layout plan is an essential requirement to improve construction project management. In previous studies the safety objective function is considered without risk factors analysis. Metaheuristics are widely used to solve construction چکیده کامل

Safety importance on construction site layout plan is an essential requirement to improve construction project management. In previous studies the safety objective function is considered without risk factors analysis. Metaheuristics are widely used to solve construction site layout problems (CSLP). Firefly Algorithm (FA) is employed as multi-objective optimization method to design and optimize two safety objective functions and total cost. Safety objective functions (due to potential risks arising from hazardous sources and interaction flows) connecting temporary facilities by considering total cost reduction. A case study is presented to find out accuracy of the proposed model. Finally, the performance of two metaheuristic algorithms called Firefly Algorithm (FA) and Ant Colony Optimization (ACO) are compared in terms of their effectiveness in resolving a practical construction site layout problem. Results show that the FA performs better than the ACO Algorithm. پرونده مقاله

دسترسی آزاد مقاله

20 - An Optimized Firefly Algorithm based on Cellular Learning Automata for Community Detection in Social Networks
Hasan Rabani Farhad Soleimanian Gharehchopogh

The structure of the community is one of the important features of social networks. A community is a sub graph which nodes have a lot of connections to nodes of inside the community and have very few connections to nodes of outside the community. The objective of commun چکیده کامل

The structure of the community is one of the important features of social networks. A community is a sub graph which nodes have a lot of connections to nodes of inside the community and have very few connections to nodes of outside the community. The objective of community detection is to separate groups or communities that are linked more closely. In fact, community detection is the clustering of the network, and the community separates a graph. In recent years, public methods suffer from inefficiency because of the high complexity of time and the need for full access to graph information. In contrast, smart methods such as meta-heuristic algorithms, the use of low parameters and much less complex time complexity have been among the most popular methods in recent years. These methods have good features, but they still face problems such as dependence on finding the best point in search space, global updates, and poor quality due to the formation of large communities and others. In this paper, in order to improve the mentioned problems, a method is proposed based on combining the Firefly Algorithm (FA) and Learning Automata (LA). In the proposed model, LA is used to increase the efficiency of the FA. Choosing the best neighbours for the FA agents is done using the LA. The results from the four datasets of Karate, Dolphins, Polbooks, and Football show that the proposed model has more Normalized Mutual Information (NMI) than other models. پرونده مقاله

دسترسی آزاد مقاله

21 - A Hybrid Algorithm Based on Firefly Algorithm and Differential Evolution for Global Optimization
Sosan Sarbazfard Ahmad Jafarian

In this paper, a new and an eective combination of two metaheuristic algorithms, namely Fire y Algorithm and the Dierential evolution, has been proposed. This hybridization called as HFADE, consists of two phases of Dierential Evolution (DE) and Fire y Algorithm (FA) چکیده کامل

In this paper, a new and an eective combination of two metaheuristic algorithms, namely Fire y Algorithm and the Dierential evolution, has been proposed. This hybridization called as HFADE, consists of two phases of Dierential Evolution (DE) and Fire y Algorithm (FA). Fire y algorithm is the nature- inspired algorithm which has its roots in the light intensity attraction process of re y in the nature. Dierential evolution is an Evolutionary Algorithm that uses the evolutionary operators like selection, recombination and mutation. FA and DE together are eective and powerful algorithms but FA algorithm depends on random directions for search which led into retardation in nding the best solution and DE needs more iteration to nd proper solution. As a result, this proposed method has been designed to cover each algorithm deciencies so as to make them more suitable for optimization in real world domain. To obtain the required results, the experiment on a set of benchmark functions was performed and ndings showed that HFADE is a more preferable and eective method in solving the high-dimensional functions. پرونده مقاله

دسترسی آزاد مقاله

22 - NMFA: Novel Modified FA algorithm Based On Firefly Recent Behaviors
Fatemeh Jafarnejad Rezaiyeh Kambiz Majidzadeh

The Firefly optimization algorithm (FA) is one of the practical nature-inspired metaheuristic approaches in 2008, which simulated the behavior of fireflies in the movement toward the light sources. Recent studies on this beautiful creature have revealed new behaviors th چکیده کامل

The Firefly optimization algorithm (FA) is one of the practical nature-inspired metaheuristic approaches in 2008, which simulated the behavior of fireflies in the movement toward the light sources. Recent studies on this beautiful creature have revealed new behaviors that strongly require us to review them. The proposed algorithm NMFA is the simulation results with the latest information from the behavior of fireflies. The NMFA is used for data clustering and optimization of continuous problems. The experimental results of the testing on optimization of 26 standard functions show that the proposed method works best in terms of success rate and convergence than the FA, HS, ABC, and IWO algorithms and makes an important and substantial difference in optimization. The non-parametric, statistical, and pairwise tests show the superiority of the modern firefly algorithm. The NMFA can cluster the datasets like the conventional K-means algorithm and obtain a significant result among the well-known methods. پرونده مقاله

دسترسی آزاد مقاله

23 - Improving Reliability through Selecting Data in Grid Distributed System and Comparing it with Other Presented Algorithms
Sedigheh Navaezadeh Iman Zangeneh Elham Tavakol

In the past, one of the biggest problems requiring long and complicated computing was lack of appropriate software and hardware facilities in order to compute them in a proper and logical time. Due to this issue, sometimes, computing lasted for several days, months or y چکیده کامل

In the past, one of the biggest problems requiring long and complicated computing was lack of appropriate software and hardware facilities in order to compute them in a proper and logical time. Due to this issue, sometimes, computing lasted for several days, months or years. Therefore, computer science pioneers tried to find a solution for this problem. One of the ways was to present Grid computing. In order to present high-quality service, Grid integrated separate organizations, and represented virtual organization. In this study, we improved reliability by using iteration feature as well as distributing and duplicating resources. We considered and used the first nearest resource of the second nearest resource for duplication in order to place data. In addition, in this study, we compared our proposed method with other algorithms. پرونده مقاله

دسترسی آزاد مقاله

24 - An Optimal Similarity Measure for Collaborative Filtering Using Firefly Algorithm
Fatemeh Shomalnasab Mehdi Sadeghzadeh Mansour Esmaeilpour

Recommender Systems (RS) provide personalized recommendation according to user need by analyzing behavior of users and gathering their information. One of the algorithms used in recommender systems is user-based Collaborative Filtering (CF) method. The idea is that if u چکیده کامل

Recommender Systems (RS) provide personalized recommendation according to user need by analyzing behavior of users and gathering their information. One of the algorithms used in recommender systems is user-based Collaborative Filtering (CF) method. The idea is that if users have similar preferences in the past, they will probably have similar preferences in the future. The important part of collaborative filtering algorithms is allocated to determine similarity between objects. Similarities between objects are classified to user-based similarity and item-based similarity. The most popular used similarity metrics in recommender systems are Pearson correlation coefficient, Spearman rank correlation, and Cosine similarity measure. Until now, little computation has been made for optimal similarity in collaborative filtering by researchers.For this reason, in thisresearch, weproposean optimal similaritymeasure via a simple linear combination of values and ratio of ratings for user-based collaborative filtering by use ofFireflyalgorithm; and we compare our experimental results with Pearson traditional similarity measure and optimal similarity measure based on genetic algorithm. Experimental results on real datasets show that proposed method not only improves recommendation accuracy significantly but also increases quality of prediction and recommendation performance. پرونده مقاله

دسترسی آزاد مقاله

25 - Solving Fractional Programming Problems based on Swarm Intelligence
Osama Abdel Raouf Ibrahim M. Hezam

This paper presents a new approach to solve Fractional Programming Problems (FPPs) based on two different Swarm Intelligence (SI) algorithms. The two algorithms are: Particle Swarm Optimization, and Firefly Algorithm. The two algorithms are tested using several FPP چکیده کامل

This paper presents a new approach to solve Fractional Programming Problems (FPPs) based on two different Swarm Intelligence (SI) algorithms. The two algorithms are: Particle Swarm Optimization, and Firefly Algorithm. The two algorithms are tested using several FPP benchmark examples and two selected industrial applications. The test aims to prove the capability of the SI algorithms to solve any type of FPPs. The solution results employing the SI algorithms are compared with a number of exact and metaheuristic solution methods used for handling FPPs. Swarm Intelligence can be denoted as an effective technique for solving linear or nonlinear, nondifferentiable fractional objective functions. Problems with an optimal solution at a finite point and an unbounded constraint set, can be solved using the proposed approach. Numerical examples are given to show the feasibility, effectiveness, and robustness of the proposed algorithm. The results obtained using the two SI algorithms revealed the superiority of the proposed technique among others in computational time. A better accuracy was remarkably observed in the solution results of the industrial application problems. پرونده مقاله

دسترسی آزاد مقاله

26 - بررسی اثرات انواع جریان وجه نقد و سهامداران کنترلی بر ارتباط مدیریت سود و عملکرد مالی جهت پیش‌بینی ورشکستگی مالی (الگوریتم کرم شب تاب)
قربان هکی بهروز صادقی عمروآبادی سید محمدرضا داودی

10.30495/fed.2023.705596

چکیده شرکت ها برای ادامه فعالیت خود به منابع کافی نیاز دارند که از جمله آن وجه نقد کافی برای پرداخت به وام دهندگان است. اگر شرکت در کسب منابع برای رفع نیاز هایش توانایی کافی نداشته باشد، دچار درماندگی مالی می شود. شرکت ها در مواجهه با درماندگی مالی، سود حسابداری را به چکیده کامل

چکیده شرکت ها برای ادامه فعالیت خود به منابع کافی نیاز دارند که از جمله آن وجه نقد کافی برای پرداخت به وام دهندگان است. اگر شرکت در کسب منابع برای رفع نیاز هایش توانایی کافی نداشته باشد، دچار درماندگی مالی می شود. شرکت ها در مواجهه با درماندگی مالی، سود حسابداری را به عنوان یکی از اقلام ارزیابی عملکرد، دستکاری می نمایند. در این شرایط، مدیریت با دستکاری حساب ها به مدیریت سود اقدام می نماید که هدف آن، دادن اطلاعات و اخبار خوب به بازار سرمایه است تا بدین وسیله از کاهش ارزش شرکت جلوگیری نماید. در صورت دستکاری حساب ها، فلسفه وجودی صورت های مالی خدشه دار می شود و قابلیت اتکای آنها از بین می رود. از این رو در پژوهش حاضر به تحلیل اثرات انواع جریان وجه نقد و سهامداران کنترلی بر ارتباط مدیریت سود و عملکرد مالی جهت پیش بینی ورشکستگی مالی در شرکت های بورس اوراق بهادار تهران پرداخته شده است. برای این منظور از داده های 128 شرکت منتخب طی دوره زمانی 1390 تا 1398 استفاده شده است. تجزیه و تحلیل داده ها در دو بخش انجام شده؛ در بخش اول، با استفاده از روش رگرسیونی داده های تابلویی، به برآورد اثر انواع جریان وجه نقد و سهامداران کنترلی بر ارتباط مدیریت سود و عملکرد مالی شرکت ها پرداخته شده است. نتایج این قسمت نشان داد که متغیر مدیریت سود اثرات مثبت و متغیرهای عملکرد، سهامداران کنترلی، جریانات نقدی سرمایه ای، جریانات نقدی حقوق صاحبان سهام و جریانات نقدی عملیاتی آزاد اثر منفی بر معیار ورشکستگی شرکت ها داشته است؛ علاوه بر این، مشاهده شد که انوع جریانات نقدی مورد بررسی در این تحقیق، اثر تعدیل کننده بر ارتباط بین مدیریت سود با ورشکستگی شرکت ها داشته است. در ادامه و در بخش دوم تجزیه و تحلیل ها، بر اساس ضرایب بدست آمده در بخش قبلی و با استفاده از الگوریتم کرم شب تاب پرداخته شده است. نتایج این قسمت نیز نشان داد که درصد موفقیت الگوریتم کرم شب تاب در پیش بینی ورشکستگی شرکت ها برابر با 12/98 درصد بوده است. بر همین اساس پیشنهاد می گرد که سیاست‌های مبتنی بر کنترل و حفظ انواع جریانات نقدی و بهره گیری از سهامداران کنترلی استفاده شود تا از این طریق احتمال ورشکستگی شرکت ها کاهش پیدا کند. پرونده مقاله

دسترسی آزاد مقاله

27 - A New Clustering Approach for Efficient Placement of Controllers in SDN using Firefly Algorithm
Azam Amin Mohsen Jahanshahi Mohammadreza Meybodi

10.30495/ijsee.2021.685507

In Software Defined Network (SDN), controller plane is separated from the data plane simplifying management. In these networks, data forwarding cannot be conducted just one controller. Therefore, it is needed to use multiple controllers in control plane. Since, switch-c چکیده کامل

In Software Defined Network (SDN), controller plane is separated from the data plane simplifying management. In these networks, data forwarding cannot be conducted just one controller. Therefore, it is needed to use multiple controllers in control plane. Since, switch-controller propagation delays and inter-controller latencies affect the performance, the problem of determining appropriate number of controllers as well as their suitable locations are two main challenges, which are known as NP-Hard. In this paper, a new clustering method based on K-means, K-Harmonics means and firefly algorithm named CPP-KKF is proposed for controller placement in SDN. Result obtained by CPP- KKF algorithm is benefitted by the advantages of all techniques. The proposed algorithm is evaluated on four topologies of TopologyZoo with different scales, that include Aarnet, Colt, Cognet, and DFN and the conducted simulations demonstrate that the proposed solution outperforms K-means, K-means++, Firefly and GSO algorithms in terms of aforementioned performance issues. پرونده مقاله

دسترسی آزاد مقاله

28 - پیش بینی ورشکستگی مالی شرکت‌های بورس اوراق بهادار با استفاده از شبکه عصبی مصنوعی و الگوریتم کرم شب‌تاب
مهدی حیدری شکراله زیاری سید احمد شایان نیا علیرضا رشیدی کمیجان

با پیش‌بینی نابسامانی مالی، پیشگیری‌ها و اقدامات مقتضی لازم توسط مدیران و سرمایه‌گذاران انجام شود. پژوهش حاضر، دو مدل پیش بینی ورشکستگی با استفاده از شبکه عصبی و الگوریتم فراابتکاری کرم شب‌تاب در بورس اوراق بهادار تهران، آزمون و نتایج با هم مقایسه می شود. برای اجرای آزم چکیده کامل

با پیش‌بینی نابسامانی مالی، پیشگیری‌ها و اقدامات مقتضی لازم توسط مدیران و سرمایه‌گذاران انجام شود. پژوهش حاضر، دو مدل پیش بینی ورشکستگی با استفاده از شبکه عصبی و الگوریتم فراابتکاری کرم شب‌تاب در بورس اوراق بهادار تهران، آزمون و نتایج با هم مقایسه می شود. برای اجرای آزمون ابتدا یک مقادیر اولیه برای وزن‌ها و بایاس‌های شبکه تعیین شده و سپس در طی پروسه بهینه‌سازی، جمعیتی از وزنها و بایاس‌های مختلف توسط الگوریتم کرم شب‌تاب تولید می‌شوند. تابع تبدیل مورد استفاده در لایه خروجی از نوع خطی و برای لایه میانی یک تابع غیرخطی سیگمویدی انتخاب شده است. برای انجام این پژوهش داده‌های 79 شرکت در بازه زمانی 1391 تا 1394 گردآوری و با به‌کارگیری الگوریتم‌های شبکه عصبی پس انتشار و کرم شب تاب تجزیه و تحلیل شدند. یافته‌های این پژوهش نشان می دهد که شبکه عصبی بهینه شده بوسیله الگوریتم کرم شب‌تاب عملکرد بهتری نسبت به شبکه عصبی پس انتشار خطا در پیش‌بینی ورشکستگی شرکت‌های نمونه دارد. همچنین الگوریتم کرم شب‌تاب به خوبی نسبت بین شرکت‌های ورشکسته و عدم ورشکسته را همانند داده های واقعی حفظ کرده است. پرونده مقاله

دسترسی آزاد مقاله

29 - طراحی الگوی مدیریت ریسک اعتباری در شبکه نمایندگی‌های شرکت های خدمات پس از فروش با استفاده از مولفه‌های مالی خدمات پس از فروش و الگوریتم‌های فرا ابتکاری(مطالعه موردی: سازمان خدمات پس از فروش شرکت سایپا(سایپا یدک ))
حمیدرضا رادمان نژاد محمد ابراهیم پورزرندی مهرزاد مینویی

نوع خدمات‌رسانی به مشتری در حوزه خدمات پس از فروش برای هر مجموعه مهم است مولفه‌های زیادی می‌تواند با هدف ارتقاء رضایت مشتری، به این امر کمک نماید؛ که از مهمترین آن‌ها، داشتن دیدگاه مهندسی مالی و لحاظ مولفه‌های مالی می‌باشند. بیشتر شرکتها به این نکته واقفند که ارائه خدما چکیده کامل

نوع خدمات‌رسانی به مشتری در حوزه خدمات پس از فروش برای هر مجموعه مهم است مولفه‌های زیادی می‌تواند با هدف ارتقاء رضایت مشتری، به این امر کمک نماید؛ که از مهمترین آن‌ها، داشتن دیدگاه مهندسی مالی و لحاظ مولفه‌های مالی می‌باشند. بیشتر شرکتها به این نکته واقفند که ارائه خدمات پس از فروش با کیفیت و متوازان در وفاداری و تکرار خرید مشتریان موثر است. سازمانهایی موفق هستند که بتوانند با در نظر گرفتن تمامی ابعاد خدمات پس از فروش بهتری را عرضه نمایند . در این تحقیق به طراحی الگوی مدیریت ریسک اعتباری برای شرکت سایپا یدک و شبکه نمایندگی های آن با استفاده از مولفه‌های مالی خدمات پس از فروش و الگوریتم‌های فرا ابتکاری پرداخته شده است. نمونه مورد بررسی در این تحقیق نمایندگی‌های شرکت سایپا می‌باشند.نتایج تحقیق نشان داد که با استفاده از مولفه‌های مالی شامل، هزینه خدمات، عملکرد، خوش حسابی، میزان وثیقه و میزان خرید نمایندگی‌های ارائه دهنده خدمات پس از فروش بر مدیریت بهینه ریسک اعتباری تاثیر دارند. و همچنین الگوریتم کرم شب تاب و الگوریتم‌ کلونی زنبور عسل توانایی پیش‌بینی مدیریت بهینه ریسک اعتباری را با استفاده از مولفه‌های مالی دارا می‌باشند. پرونده مقاله

دسترسی آزاد مقاله

30 - ارائه سیستم معاملاتی هوشمند مبتنی بر اندیکاتورهای تحلیل تکنیکال بهینه شده با الگوریتم کرم شب تاب
فاطمه آسیائی طاهری غلامرضا زمردیان میرفیض فلاح شمس

هدف 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 چکیده کامل

هدف 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. پرونده مقاله

دسترسی آزاد مقاله

31 - استفاده از الگوریتم ترکیبی عصبی کرم شب‌تاب و روش رگولاسیون بیزین جهت پیش‌بینی قیمت سهام
سید علیرضا موسوی افسانه غلامی

پیش‌بینی قیمت سهام در آینده هم برای خریداران سهام و هم برای فروشندگان آن از اهمیت بالایی برخوردار است. از این رو، جهت توسعه مدلی مبتنی بر هوش مصنوعی به منظور پیش‌بینی قیمت سهام در بازار ایران از شبکه‌های عصبی مصنوعی در این پژوهش استفاده گردیده است. از آنجایی که شبکه‌های چکیده کامل

پیش‌بینی قیمت سهام در آینده هم برای خریداران سهام و هم برای فروشندگان آن از اهمیت بالایی برخوردار است. از این رو، جهت توسعه مدلی مبتنی بر هوش مصنوعی به منظور پیش‌بینی قیمت سهام در بازار ایران از شبکه‌های عصبی مصنوعی در این پژوهش استفاده گردیده است. از آنجایی که شبکه‌های عصبی مصنوعی می‌بایست جهت حصول بهینه‌ترین عملکرد دارای بهترین توپولوژی شبکه باشند، از الگوریتم فرا ابتکاری شناخته‌شده‌ای تحت عنوان کرم شب‌تاب جهت یافتن ساختار بهینه شبکه استفاده گردیده است. در نهایت نیز جهت حفظ هرچه بیشتر عمومیت شبکه از روش رگولاسیون بیزین، به جای روش های متداول آموزش، جهت آموزش شبکه استفاده گردیده است. بطور کلی، داده‌های مربوط به سه شرکت بزرگ: ایران خودرو، پتروشیمی شیراز و ذوب آهن اصفهان برای سه سال متوالی مورد جمع‌آوری قرار گرفته و از پارامترهای: حجم معاملات، قیمت بالا، قیمت پایین، قیمت باز، قیمت پایانی، EMA(5)، EMA(10)، RSI، William R%، Stochastic k%، Stochastic D%، و ROC بعنوان ورودی شبکه و از قیمت پایانی سهام در روز آینده بعنوان خروجی شبکه عصبی استفاده گردیده است. پس از توسعه مدل مرتبط با هر شرکت از پارامترهای آماری نظیر: مجذور میانگین مربعات خطا (RMSE)، انحراف از معیار خطا (SDE)، متوسط مطلق خطای نسبی (AARD)، ضریب رگرسیون (R2)و همچنین آنالیز گرافیکی نمودار خطای نسبی جهت سنجش دقت شبکه توسعه داده شده استفاده گردیده است. نتایج حاصل از آنالیز خطای شبکه‌های عصبی توسعه داده شده نشان می‌دهند که مدل‌های مذکور با دقت بسیار مناسبی قادر به پیش‌بینی قیمت سهام در روز آینده برای شرکت‌های ذکر شده می‌باشند. پرونده مقاله

دسترسی آزاد مقاله

32 - انتخاب پرتفوی چند منظوره فازی مبتنی بر مدل بازده مقطعی تحلیل پوششی داده ها در بورس اوراق بهادار تهران
فاضل محمدی نوده ایوب احمدی موسی آبادی مسعود اسدی عباس بابایی شعبان محمدی

مجموعه های چند منظوره فازی نیاز به داده های دقیق را جهت تصمیم گیری کاهش می دهند. تحلیل پوششی داده ها چارچوبی تئوریک برای تحلیل عملکرد و اندازه گیری کارایی است. مجموعه فازی باعث افزایش کاربرد تحلیل پوششی داده ها می گردد. سنجش کارایی شرکت ها با کمک تحلیل پوششی داد چکیده کامل

مجموعه های چند منظوره فازی نیاز به داده های دقیق را جهت تصمیم گیری کاهش می دهند. تحلیل پوششی داده ها چارچوبی تئوریک برای تحلیل عملکرد و اندازه گیری کارایی است. مجموعه فازی باعث افزایش کاربرد تحلیل پوششی داده ها می گردد. سنجش کارایی شرکت ها با کمک تحلیل پوششی داده ها می تواند به عنوان راه کاری به سرمایه گذاران در انتخاب شرکت جهت سرمایه گذاری کمک نماید. در این پژوهش مشکل انتخاب پرتفوی فازی در یک چارچوب چند منظوره مورد بررسی قرار می گیرد. مدلی جامع برای انتخاب پرتفوی چند منظوره در محیط فازی با استفاده از مدل نیمه واریانس میانگین و مدل آنالیز توسعه اطلاعات با بازده مقطعی ارایه شده است. داده ها از 40 شرکت پذیرفته شده در بورس اوراق بهادار تهران و بازده فازی ذوزنقه ای از 40 ورقه بهادار و داده های مورد نیاز برای ورودی ها و خروجی تحلیل پوششی داده ها از صورت های مالی شرکت ها از ابتدای سال 1396 تا انتهای سال1396بدست آمد. 16پارامتر مالی مورد استفاده قرار گرفت. نسبت شارپ، مدل بازده مقطعی در چارچوب نسبت شارپ و الگوریتم کرم شب تاب چند منظوره برای حل مدل بهینه سازی سهام چند منظوره توسعه داده و استفاده گردید. تجزیه و تحلیل با نرم افزار متلب انجام شد. نتایج نشان داد که روش ارائه شده در این پژوهش برای انتخاب پرتفوی چند منظوره فازی نسبت به سایر روش ها مناسب تر بوده و برای تحلیل عملکرد، کارایی و به انتخاب شرکت جهت سرمایه گذاری نتایج بهتری را ارائه می دهد. پرونده مقاله

دسترسی آزاد مقاله

33 - Firefly Technique Based on Optimal Congestion Management in an Electricity Market
Jafar Bolouck Azari Noradin Ghadimi

Nowadays, congestion management is one of the major tasks accomplished by system operators to warrant the operation of transmission system within operating limits. This has resulted in unanticipated congestion interfaces in regional transmission systems. The system is, چکیده کامل

Nowadays, congestion management is one of the major tasks accomplished by system operators to warrant the operation of transmission system within operating limits. This has resulted in unanticipated congestion interfaces in regional transmission systems. The system is, however, unable to evolve at a rate which is required to meet the quickly changing demand of competitive markets. To make the matters worse, the functional unbundling of generation company and system operator will further threaten reliable operation of entire grid due to the lack of coordination between generation and transmission. Thus, a sensible way of dealing with congestion has become vital to maintaining current level of high reliability. In this paper Firefly Algorithm (FA) is used for solving economic load dispatch problem for raise efficiency, increase safety margins and reduce cost of distribution network unit production regarding to practical constraints such as maximum network voltage, maximum transmission line current, power balance and load level. The proposed technique is applied on 30 and 118 buses power system in comparison with CPSO, PSOTVAC, PSOTVIW and ABC پرونده مقاله

فهرست مقالات Firefly algorithm

سکوی نشر دانش

پیوندهای سایت

مراکز مرتبط

پشتیبانی

صفحات رسمی