الگوریتم ترکیبی

یکی از مسائل مهم در بهره برداری بهینه از سیستم قدرت، بهره برداری بهینه از ریزشبکه ها با در نظر گرفتن مدیریت سمت تقاضا است. اجرای برنامه های مدیریت سمت تقاضا از یک طرف باعث کاهش هزینه بهره برداری از سیستم قدرت گردیده و از طرف دیگر اجرای این گونه برنامه ها نیاز به سیاستهای تشویقی مالی دارد. در این مقاله مسئله بهره برداری بهینه از ریزشبکه ها به همراه مدیریت سمت تقاضا به صورت یک مساله بهینه سازی فرمول بندی گردیده است. جابجایی بار به عنوان یک راهکار موثر در مدیریت سمت تقاضا در نظر گرفته شده است. تابع هدف این مساله، حداقل کردن مجموع هزینه های بهره برداری از سیستم قدرت و هزینه جابجایی بار بوده و قیود مساله شامل قیود بهره برداری و محدودیتهای اجرایی برای جابجایی بار است. در این مساله میزان جابجایی بارها برحسب ساعت به عنوان متغیرهای مسئله در نظر گرفته شده و برای حل این مساله، از ترکیب الگوریتم ژنتیک و الگوریتم پخش بار بهینه استفاده شده است. روش پیشنهادی به یک ریزشبکه نمونه اعمال شده و نتایج نشان داد که با مدیریت سمت تقاضا می توان هزینه کل بهره برداری از یک ریزشبکه را کاهش داد.

دارو محصولی حیاتی است که سلامت جامعه را رقم می زند و تحویل به موقع آن به مصرف کنندگان از اهمیت بالایی برخوردار بوده و در نتیجه نیازمند به برنامه ریزی مناسبی برای تولید/توزیع آن هستیم. در این پژوهش یک مسئله زنجیره تأمین دارویی دوسطحی چند دوره ای ارائه شد که تقاضا در سطح دوم غیرقطعی است. برای مدل سازی مسئله یادشده از رویکرد برنامه ریزی تصادفی دومرحله ای استفاده شد. هدف مدل ارائه شده شامل حداقل کردن هزینه های تولید، موجودی، انتقال، هزینه های زمان ارسال، زودکرد و دیرکرد است. با توجه به اینکه مدل با تابع هدف زودکرد و دیرکرد با موعد تحویل متفاوت یک مسئله NP-hard است و هرچه ابعاد مسئله افزایش یابد، روش دقیق توانایی حل مسئله را در زمان معقول ندارد؛ بنابراین برای این مسئله یک الگوریتم ژنتیک به همراه یک الگوریتم ترکیبی ژنتیک و جست وجوی همسایگی متغیر ارائه شد. در حل این مدل با استفاده از برنامه ریزی تصادفی، پنج سناریو مطالعه و شاخص «ارزش مورد انتظار اطلاعات کامل» محاسبه و درنهایت نتایج آن با جواب مدل برنامه ریزی تصادفی دومرحله ای مقایسه شد. همچنین روش برنامه ریزی تصادفی، الگوریتم ترکیبی و الگوریتم ژنتیک در نظر گرفتن سناریوهای مختلف با یکدیگر مقایسه شدند. نتایج نشان داد که از لحاظ تابع هدف الگوریتم ترکیبی کارایی بسیار خوبی در مقایسه با الگوریتم ژنتیک دارد.

الگوریتم های هوش مصنوعی شامل شاخه های مختلفی از علوم کامپیوتر و ریاضیات می باشند. الگوریتم های ترکیبی یا فراتکاملی نوعی از الگوریتم های تقریبی هستند که برای یافتن پاسخ بهینه به کار می روند. یک الگوریتم بهینه سازی ترکیبی یک روش ابتکاری است که میتواند با تغییرهایی کم برای مسائل مخلتف بهینه سازی به کار رود الگوریتم های فرا ابتکاری بطور قابل ملاحظه ای توانایی یافتن جواب های با کیفیت بالا را برای مسائل بهینه سازی در تصمیم گیری و پیش بینی های مدیریت منابع انسانی سخت افزایش میدهد. این پژوهش یک سامانه ی خبره ی ساده و اثربخش را برای پیش بینی داده های نوسانی تصادفی وکوتاه مدت ایجاد نموده است. فرآیند بررسی شامل معرفی الگوریتم سری فوریه، زنجیره ی مارکوف و مقایسه ی مدل پیش بینی الگوریتم های ساده سنتی که در هم آمیخته شده اند ادامه یافته، تا منجربه خلق یک سامانه ی خبره ی پیش بینی با کمک هوش مصنوعی شود. این مدل موجب می شود اثربخشی پیش بینی داده های تصادفی نوسانی در اکثر برنامه های مدیریتی ومنابع انسانی به عنوان یکی از عوامل تاثیر گذار در افزایش بهره وری سازمان ها افزایش یابد. حاصل این مطالعه، معرفی الگوریتم تشخیص هوش مصنوعی است که کمک می کند تا محیطی رایانه ای برای یک سامانه ی پیش بینی خبره ایجاد شود که داده های کوتاه مدت و اتفاقی ناپایدار را در مدیریت منابع انسانی به درستی و بادقت پیش بینی کند.

قابلیت اطمینان یک مشخصه مهم در سیستم های الکتریکی و مکانیکی است. یافتن سطح بهینه قابلیت اطمینان بر اساس محدودیت های موجود در سیستم، مسئله بهینه سازی قابلیت اطمینان نامیده می شود. یکی از روش های ارتقا قابلیت اطمینان سیستم، استفاده از اجزا مازاد در سیستم است. تخصیص قابلیت اطمینان مناسب به هر یک از اجزا و استفاده از اجزا مازاد به صورت موازی در کنار اجزای اصلی سیستم تحت عنوان تخصیص قابلیت اطمینان - مازاد شناخته می شود. اثبات شده است که مسئله تخصیص مازاد یک مسئله بهینه سازی چندجمله ای غیرقطعی است و با افزایش اندازه مسئله و محدودیت ها، محاسبات به صورت نمایی افزایش می یابد. ازاین رو یافتن راه حل مناسب در این دسته مسائل اهمیت دارد.در این پژوهش مسئله تخصیص افزونگی – مازاد، در ارتقای قابلیت اطمینان سیستم های سری، سری – موازی و پل موردبررسی قرار گرفت و به منظور حل مسائل از ترکیب الگوریتم رقابت استعماری و ژنتیک استفاده شد. الگوریتم پیشنهادی در مقایسه با رویکردهای پیشین عملکرد بهتری را نشان داده است. در واقع پژوهش حاضر الگوریتم و روش حل مناسبی را جهت حل مسئله بهینه سازی قابلیت اطمینان ارائه نموده است.

هدف از انجام این پژوهش، بررسی تاثیر تحلیل الگوریتم ترکیبی فراابتکاری در تنوع بخشی پرتفوی و بازده مازاد صندوق های سرمایه گذاری و نقش آن در بازاریابی مالی اسلامی می باشد. تحقیق حاضر از نظر روش جزء تحقیق های همبستگی می باشد در پژوهش های همبستگی تلاش محقق برای کشف یا تعیین رابطه بین یک یا چند متغیر تمرکز دارد. در واقع هدف این روش مطالعه حدود تغییر های یک یا چند متغیر با حدود تغییر های یک یاچند متغیر دیگر است واز نظر هدف این پژوهش، تحقیقی کاربردی است که نتایج حاصل از آن می تواند برای سهامداران، مسئولین بورس اوراق بهادار و محققان مفید باشد و از نظر نوع بررسی های پس رویدادی که بر اساس داده های مالی گذشته به بررسی فرضیه ها می پردازد. جامعه ی آماری این پژوهش شامل کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی دوره 36 ماهه در بازه زمانی فروردین 1399 تا اسفند 1401 است که تعداد آنها بر اساس نرم افزار ره آورد 591 شرکت است. با توجه به شرایط و اعمال محدودیتهای یاد شده تعداد ۱۵۰ شرکت در ۳۶ ماهه منتهی به اسفند ماه 1401 به عنوان نمونه انتخاب شد. با مشاهده نتایج مدل های انتخاب سبد سهام با سنجه های منفرد و ترکیبی درمی یابیم که در هر سه مدل با افزایش بازده، مقدار ریسک نیز افزایش می یابد.که این نشان می دهد سرمایه گذاران برای کسب بازده بیشتر، ناگزیر به پذیرش ریسک بالاتری هستند. از نظر سرمایه گذار مدل چند هدفه ارائه شده بر مدل های موجود و متداول برتری دارد، چرا که جواب بهتر و چند بعدی نسبت به سایر روش ها به دست آمده