heuristic algorithm
در نشریات گروه علوم انسانی-
International Journal of Finance and Managerial Accounting, Volume:11 Issue: 41, Spring 2026, PP 123 -138This research addresses the challenge of optimizing the selection of a stock portfolio within a scenario involving two distinct decision makers, each driven by their unique objective functions and constraints. Importantly, the choices made by one decision-maker impact the decisions of the other. The primary focus is a dual-level model: at the first level (leader), investment management firms' decisions are expressed as they strive to partake in trading profits through portfolio management. At the second level (follower), active investors in the capital market are examined, pursuing goals of maximizing returns and minimizing investment risk. A notable innovation lies in incorporating social criteria and implicit investor preferences into the considerations of portfolio management firms. Given that solving two-level optimization problems with variable variability at the follower level is recognized as a complex polynomial challenge, this research introduces an inventive algorithm based on exhaustive enumeration to tackle the proposed model. Numerical outcomes stemming from portfolio optimization, utilizing data from the Tehran Stock Exchange market and Iran Farabourse market. Furthermore, numerical analyses underscore the favorable performance of the proposed model and algorithm in addressing issues related to stock portfolio optimization. Thus, this model holds promise as a management tool for similar challenges.Keywords: Portfolio Optimization, Two-Level Programming, Heuristic Algorithm, Iran Capital Market
-
توسعه و پیچیدگی بازارهای جدید از یک سو و محدودیت های اقتصادی از سوی دیگر، سبب شده اند تا توجه به دو اصل ارائه خدمات مطلوب و کاهش هزینه ها به ضرورتی اجتناب ناپذیر تبدیل شوند. نگرش تولید بهنگام، از جمله رویکردهای مناسب برای موازنه میان دو اصل یاد شده است. همچنین، طی دو دهه اخیر، به موضوع تعیین توالی و زمان بندی عملیات در سیستم های تولید انباشته ای به طور وسیعی توجه شده است. دستگاه پردازش انباشته ای، هم زمان یک انباشته را از کارها پردازش می کند و این امر سبب کاهش زمان تنظیم دستگاه و همچنین تسهیل در امر مدیریت جریان مواد می شود. هدف پژوهش حاضر، کمینه سازی مجموع وزنی تعجیل و تاخیر کارهایی با اندازه غیر یکسان بر ماشین پردازش انباشته، با لحاظ کردن موعد تحویل نزدیک به زمان شروع زمان بندی و در راستای تحقق تولید بهنگام است. در این تحقیق دو رویکرد برای انباشته سازی کارها، یکی مبتنی بر یک روش ابتکاری و دیگری مبتنی بر حل یک مدل ریاضی، بررسی شده است؛ سپس توالی انباشته ها به کمک یک الگوریتم برنامه ریزی پویا برای تحقق تولید بهنگام، تعیین شده است. همچنین یک الگوریتم ابتکاری و یک الگوریتم فراابتکاری بر مبنای الگوریتم ازدحام ذرات برای حل کامل مسئله ارائه شده است. نتایج محاسباتی حاکی از آن است که متوسط انحراف نسبی الگوریتم ازدحام ذرات پیشنهادی، کمتر از 1درصد و مقدار این شاخص برای الگوریتم ابتکاری ارائه شده 78/1درصد است.
کلید واژگان: ماشین پردازش انباشته، تولید بهنگام، موعد تحویل نزدیک، برنامه ریزی پویا، الگوریتم ابتکاری، الگوریتم ازدحام ذراتPurposeThe development and complexity of new markets, on the one hand, and economic constraints, on the other hand, have made it an inevitable necessity to pay attention to the two principles of providing a desirable and reliable level of service to customers and reducing supply and maintenance costs. Therefore, the need to study the methods that enable the production system to deal with these issues is felt more than ever. Just-In-Time production strategy has been mentioned as one of the appropriate approaches to balance between the two principles. On the other hand, the issue of sequencing and scheduling of operations in batch processing systems has been widely considered in the last two decades. A batch processing machine can process a batch of jobs simultaneously, which reduces the machine's set-up time and facilitates material flow management. This study aims to minimize the total weighted earliness and tardiness penalties of jobs with non-identical sizes on the batch processing machine, considering that the due date is tight.
Design/methodology/approach:
Mathematical programming has been used to model the problem. A mixed integer linear programming model has been proposed for the research problem. Since the problem is shown to be NP-hard, heuristic and meta-heuristic methods have been developed to find near-optimal solutions for industrial-sized instances. Also, a dynamic programming approach has been proposed to find the optimal scheduling of a predetermined batch of jobs.
FindingsThe dynamic programming algorithm requires a high computational effort, and the solution time by this algorithm increases significantly when the number of jobs increases. However, the obtained results indicated that the proposed heuristic algorithms lead to good performance with less time and in practice, such algorithms can be used for real applications and large-size instances. The average relative deviation of the proposed particle swarm algorithm is less than 1%, and the value of this index for the proposed heuristic algorithm is 1.78%.
Research implications:
Examining the two investigated methods for batching the jobs, one based on a heuristic algorithm and the other with the help of solving a mathematical model, indicated no significant difference between these two methods. Therefore, if necessary, the heuristic algorithm with less computational effort can be used without losing the quality of the solution.Practical implications: According to the findings, developing efficient heuristic and meta-heuristic algorithms for batch processing machine scheduling in just-in-time production systems can reduce production costs.
Originality/value:
For the first the heuristic and meta-heuristic algorithms were proposed for the problem of scheduling a batch processing machine considering a tight due date in a just-in-time production system. A dynamic programming approach was also proposed for the first time to find the optimal scheduling of a predetermined batch of jobs.
Keywords: Batch Processing Machine, Just-In-Time, Tight Due Date, Dynamic Programming, Heuristic Algorithm, Particle Swarm Optimization -
از مهمترین مسائل شبکه های لجستیک، طراحی و تحلیل شبکه توزیع است. در سال های اخیر، دو مسئله اصلی در طراحی شبکه های توزیع یعنی مکانیابی مراکز توزیع و مسیریابی توزیع کننده ها با یکدیگر در نظر گرفته شده و مسئله مکانیابی-مسیریابی را به وجود آورده اند. در این مقاله یک مسئله مکانیابی-مسیریابی ظرفیت دار پویا در نظر گرفته شده است که در آن تعدادی سایت بالقوه بعنوان دپو و تعدادی مشتری با تقاضا و مکان معین و همچنین تعدادی وسیله نقلیه با ظرفیت معین وجود دارند و تصمیم گیری در مورد مکان های مجاز تنها در اولین دوره از افق برنامه ریزی صورت میگیرد، اما تصمیم گیری مسیریابی ممکن است در هر دوره زمانی تغییر کند. در این تحقیق تقاضای مشتریان وابسته به قیمت در نظر گرفته شده اند. مدل ریاضی مربوطه ارائه شده و نتایج مربوط به اجرای مدل با بکارگیری مجموعه داده ها توسط روش قطعی بررسی شده اند، سپس روشی ترکیبی(ترکیب الگوریتم های ابتکاری و فرا ابتکاری)، بر مبنای الگوریتم بهینه سازی گروهی ذرات برای حل این مسئله پیشنهاد میشود. برای ارزیابی عملکرد روش پیشنهادی، این چارچوب با طراحی مسائل نمونه مورد بررسی قرار میگیرد و آزمایش های محاسباتی، کارایی روش پیشنهادی را در مقایسه با روش قطعی نشان میدهند.کلید واژگان: مسیریابی، مکان یابی، تقاضای مبتنی بر قیمت، الگوریتم ابتکاری، الگوریتم فراابتکاریOne of the most important problems of logistic networks is designing and analyzing of the distribution network. The design of distribution systems raises hard combinatorial optimization problems. In recent years, two main problems in the design of distribution networks that are location of distribution centres and routing of distributors are considered together and created the location-routing problem. The location-routing problem (LRP), integrates the two kinds of decisions. The classical LRP, consists in opening a subset of depots, assigning customers to them and determining vehicle routes, to minimize total cost of the problem. In this paper, a dynamic capacitated location-routing problem is considered that there are a number of potential depot locations and customers with specific demand and locations, and some vehicles with a certain capacity. Decisions concerning facility locations are permitted to be made only in the first time period of the planning horizon but, the routing decisions may be changed in each time period. In this study, customer demands depend on the products offering prices. The corresponding model and presented results related to the implementation of the model by different solution methods have been analysed by different methods. A hybrid heuristic algorithm based on particle swarm optimization is proposed to solve the problem. To evaluate the performance of the proposed algorithm, the proposed algorithm results are compared with exact algorithm optimal value and lower bounds. The comparison between hybrid proposed algorithm and exact solutions are performed and computational experiments show the effectiveness of the proposed algorithm.Keywords: routing, location, price dependent demand, heuristic algorithm, meta-heuristic algorithm
-
طراحی مدل برنامه ریزی دو سطحی در زنجیره تامین غیر متمرکز تولید توزیع با در نظر گرفتن تبلیغات مشارکتیدر این نوشتار یک زنجیره تامین دو سطحی شامل یک تولید کننده و یک توزیع کننده تحت مدیریت غیرمتمرکز و با هدف بیشینه سازی سود از طریق تامین تقاضای بازارهای مختلف مورد مطالعه قرار گرفته است. تولید کننده ضمن انجام تبلیغات عمومی ، در بخشی از هزینه تبلیغات محلی توزیع کننده مشارکت می نماید.
ارتباط میان تولید کننده و توزیع کننده در قالب دو سناریوی قدرت مبتنی بر بازی استکلبرگ با بهره گیری از روش برنامه ریزی دو سطحی مدل سازی شده و سیاست های بهینه تولیدکننده و توزیع کننده در حوزه قیمت گذاری، مدیریت موجودی، تبلیغات و لجستیک تعیین می گردد.
به منظور حل مدل های برنامه ریزی دو سطحی، دو الگوریتم فرا ابتکاری ژنتیک با ساختار سلسله مراتبی توسعه می یابند. در انتها جهت ارزیابی اعتبار مدل های توسعه یافته، مجموعه ای از آزمایشات محاسباتی روی داده های گردآوری شده از زنجیره تامین قطعات یدکی خودرو انجام می گیرد.کلید واژگان: زنجیره تامین تولید توزی، بازی استکلبرگ، تبلیغات مشارکتی، برنامه ریزی دو سطحی، -، الگوریتم های فرا ابتکاریIn this paper, we investigate a decentralized manufacturer-distributer supply chain. In addition to global advertisement, the manufacturer participates in the local advertising expenditures of distributer. Bi-level programming approach is applied to model the relationship between the manufacturer and retailer under two power scenarios of stackelberg game framework and the optimal policies in pricing, advertising, inventory management and logistics are identified. Two hierarchical genetic algorithms are proposed to solve the bi-level programming models. Based on collected data from Iranian automotive spare parts aftermarket, several numerical experiments are carried out to evaluate the validity of proposed models as well as the efficiency and effectiveness of solution procedures.Keywords: Production, distribution supply chain, Stackelberg game, cooperative advertising, bi, level programming, meta, heuristic algorithm -
در این مقاله سعی شده تا با بهبود الگوریتم رقابتی کلونی استعمارگران ( ICA ) در قالب مساله فروشنده دوره گرد (TSP)، پاسخ مساله بهبود یابد و میزان میزان این بهبود مورد بررسی و تحقیق قرار گیرد. با افزودن عملگر یادگیری، استعمارگران از کلونی هایی که تا حد مطلوبی پیشرفت حاصل نموده اند، خواصی را در جهت هایی یاد می گیرند که باعث بهبود پاسخ مساله شود. با توجه به یادگیری کنترل شده استعمارگران از کلونی های مطلوب میزان بهبود پاسخ بیشتر از زمانی است که کلونی ها بصورت غیر کنترل شده از استعمارگران خود خواصی را برداشت می نمایند. در این مقاله سعی شده تا عملکرد عملگر یادگیری را با مثال های متعدد از TSPLIB نمایش دهد و بیان نماید که الگوریتم رقابتی کلونی استعمارگران با عملگر یادگیری استعمارگران نتایج بهتری را هم در کیفیت پاسخ و هم در زمان حل نسبت به زمانی که این عملگر استفاده نشود، ارائه می دهد.کلید واژگان: مساله فروشنده دوره گرد، الگوریتم کلونی استعمارگران، الگوریتم فرا ابتکاری، کتابخانه مسائل فروشنده دوره گردThis study tries to enhance imperialist colony algorithm (ICA) in the context of travel salesman problem (TSP). By adding new learning operator, imperialist learns form colonies that have suitable cost in which manner that improves solution of problems. We believe that controlled learning improvement is better than uncontrolled one. The efficiency of new operator represented with variety of instances from TSPLIB. We evaluate the approach on standard TSP test problems and show that it performs better, with respect to solution quality and computation time than ICA without new learning operator.Keywords: Travel Salesman Problem, Imperialist Colony Algorithm, Meta, Heuristic Algorithm, TSPLIB
-
هدفهدف اصلی این مقاله آن است که مدلی طراحی کند که طی آن، کتاب ها طوری در قفسه های کتابخانه چیده شود که با توجه به شباهت موضوعی کتاب ها و فاصله قفسه ی کتاب ها از هم، حرکت کلیه مراجعان در مجموعه کتابخانه کمینه شود و محدودیت های مربوط به تعداد هر نوع کتاب و حجم قفسه ها لحاظ گردد.روشمساله چیدمان کتاب یک موضوع بهینه سازی مکانی با فضای جستجوی وسیع است که به دلیل تنوع بسیار بالای حالات چیدمان امکان حل آن توسط روش های قطعی و ریاضی وجود ندارد. موضوع این تحقیق، حل این مساله با استفاده از الگوریتم بهینه سازی فاخته است.یافته هاالگوریتم فاخته برای این مساله 350 بار اجرا شده است. با توجه به صحت و دقت بالای الگوریتم، جواب های قابل قبولی به دست آمده است. نتایج محاسبات نشان می دهد که الگوریتم مناسبی برای مساله تخصیص بهینه فضای کتابخانه به انواع کتاب است.
اصالت/ارزش: مساله چیدمان کتاب ها در یک کتابخانه موضوعی پیچیده است و تاثیر زیادی در دسترسی و راحتی استفاده از کتاب ها را دارد. ارزش این مقاله در ارائه روشی برای بهینه سازی چیدمان است.
کلید واژگان: بهینه سازی، الگوریتم های فرا ابتکاری، تخصیص فضا، فضای کتابخانه، الگوریتم فاختهPurposeThe goal of this research is to describe how we can arrange the books in the shelves such that leads to minimization of the movement of the clients in the library and reduction of restrictions on the number and volume of each type of book shelves.MethodologyClearly, the organization of the books is an optimization topic with a vast search space. Therefore, it cannot be solved by mathematical optimization methods that try to study the entire search space. The main objective of this research is to solve the above problem using the meta-heuristic Cuckoo Algorithm.FindingsThe Cuckoo algorithm was conducted 350 times for solving the problem of this research. The results showed that the performance of the algorithm can be considered acceptable, especially with regard to the execution speed, convergence steadiness and goodness of the results. Originality/Value: Organization of the books in the library shelves is a complex matter, which affects significantly the truck of users when looking for books. Cuckoo algorithm leads us to an optimal space allocation that related topics of books shelved in an optimal distance for reduction of traffic.Keywords: Optimization, meta, heuristic Algorithm, Imperialist Competitive Algorithm, space allocation, library -
مسئله مسیریابی وسیله نقلیه باز (OVRP) یکی از مسائل مورد علاقه در ریاضیات محاسباتی است که بسیار مورد توجه محققان و دانشمندان قرار می گیرد. در این مسئله هدف تعیین کمینه هزینه جابجایی چندین وسیله نقلیه است که به طور هم زمان از انبار کالا شروع به حرکت می کنند و تعدادی از مشتری ها را مورد ملاقات قرار می دهند. باید توجه کرد که برخلاف مسئله مسیریابی وسیله نقلیه (VRP)، در این مسئله وسائل نقلیه لازم نیست که به انبار کالا برگردند. این مقاله نوعی روش فراابتکاری که در فاز اول آن از روش اصلاحی نمونه مورچگان (EAS) برای یافتن جوا ب هایی زیر بهینه استفاده می کند و در فاز دوم الگوریتم های درج و جابجایی برای یافتن جواب های بهتر به کار گرفته می شود. این الگوریتم بر روی مجموعه ای از 15 مثال با 50-400 مشتری مورد آزمایش واقع گردید که معلوم شد که این الگوریتم قادر است که در 10 مثال به بهترین جواب تاکنون یافت شده دست یابد. به علاوه از نظر کیفیت جواب های بدست آمده، ثابت شد که الگوریتم پیشنهادی بسیار رقابت پذیر است و انحراف معیار الگوریتم در همه مثال ها در حدود 1 درصد قرار دارد. به طور کل می توان گفت که الگوریتم پیشنهادی در مقایسه با سایر روش های موجود برای حل مسئله OVRP از نظر کیفیت جواب ها نتایج بهتری را بدست آورده است.کلید واژگان: الگوریتم نمونه مورچگان، مسائل - NP تام، مسئله مسیریابی وسیله نقلیه باز، الگوریتم درج، الگوریتم جابجاییThe Open Vehicle Routing Problem (OVRP) is one of the most intensively studied problems in computational mathematics that nowadays and it has been receiving much attention by researchers and scientists. In this Problem, the objective is to define minimized distance traveled of the several vehicles that start to move simultaneously from the depot and visit some customers. It is noted that against to the Vehicle Routing Problem (VRP), it is not necessary that vehicles return to the depot after servicing the customers. This paper proposes a meta-heuristic algorithm in which at the first stage, a modified elite ant colony (EAS) is applied for finding a suboptimal solution, and at the second stage, the insert and swap local search algorithms are used for finding better solutions. Computational results on fifteen standard benchmark problem instances show that the proposed algorithm is comparable in terms of solution quality of other meta-heuristic algorithms.Keywords: Elite Ant Colony, NP, Complete Problems, Open Vehicle Routing Problem, Mixed Meta, heuristic Algorithm
-
الگوریتم فراابتکاری، )CTSAP(در این تحقیق برای حل مسئلهی تخصیص سلول به سوئیچ استفاده شده است. هدف مسئله، تخصیص بهینه سلولها به)ABC(کلونی زنبور عسل مصنوعی سوئیچها با حداقل هزینه است. در این تحقیق هزینه از دو جزء تشکیل یافته است. یکی هزینه ی تعویضها که مربوط به دو سوئیچ است و دیگری هزینه ی اتصال میباشد. ظرفیت پاسخگویی تماسهر سوئیچ نیز محدود است و فرض می شود همهی سوئیچها ظرفیت برابری داشته باشند. در مدل اینمدل ریاضی این. )single homed(پژوهش هر سلول باید فقط و فقط تنها به یک سوئیچ متصل گرددتحقیق، غیرخطی صفر و یک است. نوشته شده است. پس از تعیین مقادیر MATLAB کد رایانهای الگوریتم با نرم افزار 7.8.0 پارامترهای مدل و تایید صحت عملکرد کد و تنظیم پارامترهای کنترل، کارایی الگوریتم با ایجاد یعنی الگوریتم CTSAP مسائل آزمایشی، با یکی از بهترین الگوریتم های فراابتکاری در حل مسئلهدر ABC مقایسه شده است و نتایج نشان میدهد که الگوریتم)ACO(بهینه سازی کلونی مورچگانعملکرد رضایتبخشی دارد.کلید واژگان: مسئله تخصیص سلول به سوئیچ، الگوریتم فراابتکاری، شبکه های تلفن همراه، الگوریتم کلونی زنبور عسل مصنوعیIn this research, we use Artificial Bee Colony (ABC) algorithm to solve cell to switch assignment problem (CTSAP) that is NP-hard. In CTSAP, there are cells and switches in which cells locations are predetermined. The objective of problem is optimal assigning of cells to switches with minimum cost. Here, we have two kinds of costs, handoff and cabling costs. Call handling capacity for every switches are given and equal. The model of our work is single homed that is each cell must connect to only one switch. The mathematical model is binary and nonlinear. The program is coded by MATLAB 7.8.0 (R2009a). After estimating parameters values of model, approving performance accuracy of code and adjusting control parameters, the efficiency of algorithm by determining experimental problems compared to Ant Colony Optimization (ACO) that is one of the best for solving this problem. Results show satisfactory performance of ABC algorithm.Keywords: Cell to switch assignment problem, Meta, heuristic algorithm, Cellular mobile communication networks, Artificial Bee Colony algorithm
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.