shuffled frog leaping algorithm
در نشریات گروه علوم انسانی-
در مسئله انتخاب سبد سرمایه گذاری که یکی از مهم ترین مسایل در حوزه مالی است، استفاده از مدلی که بتواند شرایط محیط های واقعی را در نظر بگیرد، اهمیت دارد. در بازارهای مالی، نوسانات شدید و متواتر سبب تغییر مکرر در خروجی های مدل های سبد سرمایه گذاری می گردد و این مسئله نیاز به تغییر وزن دارایی های موجود در سبد را افزایش می دهد که سبب تحمل هزینه های بالای مدیریتی و معاملاتی می شود. در ادبیات موجود در زمینه مدل های سبد سرمایه گذاری، یکی از رویکردهای مقابله با این نوع هزینه های زیاد رویکرد بهینه سازی استوار است. در این پژوهش تلاش شده است از الگوریتم ژنتیک و الگوریتم جهش قورباغه مخلوط شده برای حل مدل برنامه ریزی امکانی استوار ارایه شده توسط امیری و حیدری (1399) در ابعاد بزرگ تر و به منظور بهینه سازی سبد سهام استفاده شود. در این راستا 15 مسئله معین با ابعاد (تعداد شرکت و دوره زمانی) مختلف طراحی شده و پردازش روی آن ها صورت می گیرد. نتایج حاصل از اجرای دو الگوریتم بر روی 15 مسئله مذکور با استفاده از آزمون آماری T مورد مقایسه قرار گرفته است که بیانگر عدم تفاوت معنادار بین دو الگوریتم در انتخاب سبد سرمایه گذاری است اما رویکرد ترکیبی تاپسیس و وزن دهی آنتروپی، الگوریتم ژنتیک را به عنوان الگوریتم برتر انتخاب می کند.
کلید واژگان: بهینه سازی سبد سهام، الگوریتم جهش قورباغه مخلوط شده، الگوریتم ژنتیک، روش تاگوچیPortfolio selection problem which is one of the most important issues in finance, using a model that considers conditions of the real world is important. In financial markets, severe and frequent fluctuations cause frequent changes in the portfolio selection models outputs, which increases the number of times to change the weight of portfolio's assets, and so that incurs high management and transaction costs. In the literature of portfolio selection models, one of the approaches to prevent this kind of high costs is robust optimization approach. In this study, in order to optimize the portfolio, genetic algorithm and shuffled frog-leaping algorithm are used to solve robust probablistic planning model presented by Amiri and Heidari (1399) in higher dimensions. To this end, 15 specific problems with different dimensions (number of companies and time periods) are designed and processed. The results of the implementation of two algorithms on the above 15 problems were compared using T-test, which shows no significant difference between two algorithms in portfolio selection problem, but the combined approach of TOPSIS and entropy weighting selects the genetic algorithm as superior algorithm.
Keywords: Portfolio optimization, Shuffled Frog-Leaping Algorithm, Genetic Algorithm, Taguchi Method -
In order to achieve the sensing, communication and processing tasks of Wireless Sensor Networks, an energy-efficient routing protocol is required to manage the dissipated energy of the network and to minimalize the traffic and the overhead during the data transmission stages. Clustering is the most common technique to balance energy consumption amongst all sensor nodes throughout the network. In this paper, a multi-objective bio-inspired algorithm based on the Firefly and the Shuffled frog-leaping algorithms is presented as a clustering-based routing protocol for Wireless Sensor Networks. The multi-objective fitness function of the proposed algorithm has been performed on different criteria such as residual energy of nodes, inter-cluster distances, cluster head distances to the sink and overlaps of clusters, to select the proper cluster heads at each round. The parameters of the proposed approach in the clustering phase can be adaptively tuned to achieve the best performance based on the network requirements. Simulation outcomes have displayed average lifetime improvements of up to 33.95%, 32.62%, 12.1%, 13.85% compared with LEACH, ERA, SIF and FSFLA respectively, in different network scenarios.Keywords: Wireless Sensor Networks, Clustering, Bio-inspired Algorithm, Firefly Algorithm, Shuffled Frog Leaping 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.