مجتبی صالحی

مسئله زمان بندی پروژه، یکی از مهم ترین و کاربردی ترین مفاهیم مدیریت پروژه است. بسیاری از شرکت ها و سازمان هایی که پروژه محورند، استراتژی کاهش هزینه های متغییر را در اجرای پروژه دنبال می کنند. با توجه به محیط کسب وکار کنونی، بسیاری از شرکت ها علاوه بر پایین آوردن هزینه های خود، به دنبال پیشگیری از تأخیر در اتمام پروژه اند. در این پژوهش، یک مدل ریاضی چندهدفه فازی زمان بندی پروژه با محدودیت منابع چندمهارته، با قابلیت تغییر سطح مهارت ها ارائه شد که هدف آن بهینه کردن سیاست زمان بندی پروژه و استخدام مهارت هاست. با توجه به چند هدفه بودن مدل، از یک رویکرد برنامه ریزی آرمانی استفاده شده است که مدل تک هدفه معادل حاصل می شود. نظر به اینکه مسئله زمان بندی پروژه چندمهارته جزء مسائل ان پی سخت محسوب می شود و مسئله پیشنهادی نیز حالت توسعه یافته مسئله مذکور است، درنتیجه آن نیز جزء مسائل ان پی سخت است. به همین سبب برای حل مسئله پیشنهادی، روش فرا ابتکاری ژنتیک چندهدفه ژنتیک و فاخته انتخاب و برای حل مسئله از آن استفاده شد. در ادامه، مقدار بهینه پارامترهای الگوریتم های پیشنهادی با استفاده از رویکرد تاگوچی تعیین و سپس نتایج محاسباتی برای مجموعه ای از مسائل نمونه تولیدشده توسط نرم افزار رنجن 1، ارائه و عملکرد الگوریتم ها ارزیابی و آنالیز شد. نتایج نشان می دهد الگوریتم ژنتیک چندهدفه عملکرد بهتری نسبت به الگوریتم فاخته چندهدفه دارد. در پایان نیز یافته ها جمع بندی و پیشنهادهایی به منظور تحقیقات آتی ارائه شد.

  در این پژوهش یک روش نوین ترکیبی برای پیش بینی شاخص کل بورس اوراق بهادار تهران ارائه شده است که هم زمان از الگوریتم رقابت استعماری به عنوان روش انتخاب ویژگی و شبکه فازی عصبی انطباق انطباق پذیر به عنوان تابع پیش بینی کننده استفاده می نماید. برای انجام این امر از 68 ویژگی مؤثر بر بازار بورس اوراق بهادار؛ که شامل شاخص های اقتصادی، شاخص های بورس ایران و سایر کشورها، شاخص های تحلیل فنی و شاخص های شمعدان ژاپنی به صورت روزانه در بازه زمانی 1389-1395 به عنوان ورودی مدل استفاده شده است. همچنین، شاخص کل بورس اوراق بهادار روز آتی به عنوان متغیر هدف مسئله مسأله در نظر گرفته شده است. نتایج به دست آمده نشان می دهد که مدل ترکیبی شبکه عصبی- فازی انطباق انطباق پذیر و الگوریتم رقابت استعماری پیش بینی های بسیار مناسب تری داشته و به نسبت شبکه های عصبی منفرد از سرعت بالاتر و توانایی تقریب قوی تری برای پیش بینی شاخص کل بورس اوراق بهادار برخوردار بوده است.  

این مقاله یک مدل دینامیکی به منظور شناخت عوامل تأثیرگذار بر تغییر تعداد افراد بیمه شده در شرکتهای بیمه خدمات درمانی و بررسی سیاستهای مختلف برای بهبود رفتار سیستم به منظور رسیدن به اهداف مطلوب ارائه می دهد. لذا همه اجزای تشکیل دهنده یک شرکت بیمه شامل واحدهای سرمایه گذاری، واحدهای پرداخت هزینه های درمانی، واحد مربوط به سیاستهای تبلیغاتی شرکت، و سایر قسمتهایی که در کنار هم تشکیل دهنده یک مجموعه کامل از شرکت هستند، بررسی شد. با توجه به وجود رابطه بازخوردی بین این متغیرها و پیچیدگی مبحث، از رویکرد پویایی شناسی سیستمها برای مدل سازی سیستم و بررسی سیاستهای مختلف استفاده شده است. برای رسیدن به نتایج دقیق تر، به عنوان یک نمونه موردی، بیمه تأمین اجتماعی ایران مورد بررسی قرار گرفته است و با استفاده از داده های سالهای 1380-1390 در مدل، مشخص شد که برخی از پارامترها مانند تغییر در سیاستهای سرمایه گذاری و تبلیغات می تواند تأثیر زیادی در جذب افراد به شرکت بیمه داشته باشد.

    ریسک اعتباری که به معنی احتمال عدم بازپرداخت تعهدات توسط مشتریان در سررسید تعبیر می شود به عنوان یکی از عوامل ورشکستگی مؤسسات مالی قلمداد می شود. بدین منظور از تکنیک های داده کاوی نظیر شبکه عصبی، درخت تصمیم، شبکه بیز، k نزدیک ترین همسایه و ماشین بردار پشتیبان برای دسته بندی مشتریان به مشتریان پر ریسک و کم ریسک استفاده شده است. در این مقاله یک روش ترکیبی از الگوریتم بهینه سازی رقابت استعماری و شبکه عصبی برای افزایش دقت دسته بندی در ارزیابی و سنجش ریسک اعتباری مشتریان بانکی ارائه می دهد. این روش با شناسایی زیر مجموعه ی ویژگی های بهینه و حذف ویژگی های غیرضروری از تمامی ویژگی های موجود در داده ها به کاهش ابعاد مسئله و افزایش دقت طبقه بندی می پردازد. رویکرد پیشنهادشده بر روی مجموعه داده های واقعی پایگاه داده UCI و همچنین داده های واقعی یک بانک خصوصی ایرانی به منظور اعتبارسنجی اعمال شد. نتایج تجربی به دست آمده نشان داد میزان خطای شبکه عصبی برای مجموعه آزمون با انتخاب ویژگی های مؤثر و حذف ویژگی های کم اثر توسط الگوریتم بهینه سازی صفر و یک رقابت استعماری کاهش می یابد. بعلاوه، برای سایر روش ها طبقه بندی استفاده شده، میزان خطای داده آزمون در حد قابل قبولی باقی می ماند. برای اولین بار در این مقاله از الگوریتم رقابت استعماری برای ارزیابی ریسک اعتباری مشتریان بانکی استفاده شده است.    

مشارکت عمومی- خصوصی به معنی ارائه منابع مالی توسط بخش خصوصی برای کمک در انجام پروژه های زیربنایی دولت در مقیاس بزرگ میباشد. پروژههای مشارکتی مدیریت شهری که نیاز به سرمایهگذاری بالا داشته و از لحاظ تکنولوژی و طراحی از پیچیدگی ویژه ای برخوردار هستند، عموماً از نوع پروژههای مشارکتی کلان هستند که لذا ارزیابی عملکرد این نوع پروژهها با توجه به تاثیرگذاری منطقهایشان ضروری است. این پژوهش به شناسایی و اولویتبندی معیارهای ارزیابی عملکرد پروژههای مشارکتی مدیریت شهری و استفاده از این معیارها برای ایجاد یک رویکرد جامع ارزیابی عملکرد می پردازد. معیارهای ارزیابی عملکرد برای دو پروژه سرای محله و مجموعه فرهنگی- ورزشی، از پروژههای اصلی مدیریت شهری تهران بهکمک سه پرسشنامهای که دارای ضریب آلفای کرونباخ 97% بود شناسایی شد و سپس این معیارها با توجه به ابعاد کارت امتیازی شامل مالی، مشتریان، فرآیندهای داخلی و رشد و یادگیری گروهبندی شد. سپس با استفاده از فرآیند تحلیل شبکه فازی، ساختار شبکهای برای نمایش و محاسبه وزن ارتباط معیارها و زیرمعیارها طراحی شد و به کمک روشهای TOPSIS، VIKOR و SAW دو پروژه سرای محله و مجموعه فرهنگی- ورزشی ارزیابی و رتبه بندی شدند. در ابعاد مالی، مشتریان، فرآیندهای داخلی پروژه سرای محله نسبت به مجموعه فرهنگی- ورزشی عملکرد بهتری را نشان داد ولی در بعد رشد و یادگیری نتیجه برای دو پروژه تقریبا یکسان بود.