دکتری یحیی زارع مهرجردی، محسن شاه محمدی، لیلا امامی میبدی،
جلد 23، شماره 4 - ( 12-1391 )
چکیده
مهمترین مسئله مطرح برای سرمایه گذاران به خصوص در آغاز فعالیت اقتصادی، مسئله نحوه تخصیص سرمایه به یک یا چند گزینه مختلف سرمایه گذاری است تا ضمن داشتن حداکثر بازده، حداقل ریسک را متحمل شوند. این موضوع در ادبیات اقتصادی به عنوان مسئله انتخاب پرتفولیو مطرح است. این مقاله بر آن است که به ارائه روشی کارا به منظور پشتیبانی از فرد تصمیم گیرنده در انتخاب پرتفولیو مناسب جهت سرمایه گذاری بپردازد. در این مطالعه، انتخاب پرتفولیو مبنی بر مدل میانگین- واریانس- چولگی در نظر گرفته می شود که به منظور تطبیق هر چه بیشتر مدل با دنیای واقعی، بازده های سهام به صورت متغیرهای فازی فرض شده اند. در این مقاله به منظورحل مدل یک الگوریتم هوشمند ترکیبی جهت رسیدن به جوابی بهینه / نزدیک به بهینه ارائه شده است. در روش ارائه شده، از الگوریتم ژنتیک به منظور جستجوی پرتفولیو و از شبکه عصبی مصنوعی آموزش داده شده با شبیه سازی فازی جهت تخمین بازده و ریسک پرتفولیو استفاده می شود. در این الگوریتم به جهت استفاده از شبکه عصبی مصنوعی در تخمین مقادیر، زمان محاسبات به طور قابل ملاحظه ای در مقایسه با استفاده مستقیم از شبیه سازی فازی کاهش یافته است. همچنین در انتها با ارائه چند مثال عددی کارایی الگوریتم پیشنهادی در مقایسه با چند الگوریتم ترکیبی دیگر سنجیده شده است
یحیی زارع مهرجردی، سفیده فریدونی، لیلا امامی میبدی،
جلد 24، شماره 1 - ( 3-1392 )
چکیده
از آنجا که تعیین برنامه‌های زمانبندی کارا در مسائل توالی عملیات برای معیارهای مختلف، ازجمله مسائل مهم در برنامه‌ریزی تولید است، لذا در این مطالعه مساله توالی عملیات تک ماشینه با معیارهای حداقل کردن تعداد کارهای دارای تاخیر و مجموع دیرکرد موزون مورد بررسی قرار می‌گیرد. در این مقاله کاربرد روش‌های جدید بهینه‌سازی در مسائل توالی و زمانبندی مطرح می‌شود. ابتدا مدل ریاضی مساله برای اهداف موردنظر ارائه و سپس ضمن معرفی روش‌های شبیه‌سازی آنیلینگ و الگوریتم ژنتیک به عنوان روش‌های کاوشی، کارایی آنها در مساله موردنظر آزموده شده است. در پایان، جهت افزایش کارایی مدل الگوریتم ترکیبی برمبنای الگوریتم ژنتیک برای مساله ارائه شده است. این روش، مجموعه‌ای از توالی‌های کارا را به منظور حداقل کردن اهداف موردنظر مشخص می‌کند
