به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

ant colony algorithm

در نشریات گروه مدیریت
تکرار جستجوی کلیدواژه ant colony algorithm در نشریات گروه علوم انسانی
تکرار جستجوی کلیدواژه ant colony algorithm در مقالات مجلات علمی
  • امیر عبدی مقدم*، محمدامین ترابی، ابراهیم جلوه فرد، مینو ابوطالبی عراقی، صالح عبدی مقدم
    زمینه و هدف

    سازمان ها در تلاش اند تا هزینه های انبارداری و ترابری را کاهش دهند؛ که باعث گسترده شدن مدیریت زنجیره تامین می شود. ترابری و موجودی دو عنصر اصلی در زنجیره تامین محسوب می شوند. مسیله مسیریابی-موجودی همان تولید پی درپی محصول از یک یا چند محل تولید در میان مجموعه مصرف کنندگان است که کمینه سازی هزینه متوسط تولید در طول افق برنامه ریزی بدون ایجاد کمبود برای سازمان هدف اصلی این تحقیق به حساب می آید. در این تحقیق به این مسیله در محصولات فاسدشدنی با طول عمر ثابت پرداخته شد. یک زمینه بسیار حیاتی از مسیریابی وسایل نقلیه، مسیله مسیریابی-موجودی محسوب می شود. مهم ترین اهداف این تحقیق عبارت بودند از: مسیریابی موجودی، مدیریت موجودی، مسیریابی کالاهای فاسدشدنی، پیاده سازی هدف کمینه سازی هزینه در مدل ریاضی ارایه شده و توسعه رویکردهای مناسب برای حل مدل ارایه شده تحت مفروضات این تحقیق.

    روش

    با توجه به ماهیت مسیله که از انواع نظریه پیچیدگی محاسباتی به حساب می آید، رسیدن به جواب قطعی برای ابعاد بزرگ آن غیرممکن است؛ بنابراین در این تحقیق یک روش مبتنی بر الگوریتم فرا ابتکاری کلونی مورچگان ارایه می شود؛ که مسیله مسیریابی- موجودی را تحت مفروضات جدید حل می کند.

    نتیجه گیری

    نتایج نشان داد که الگوریتم پیشنهادی توانایی حل مسیله در ابعاد متفاوت به خصوص جاهایی که امکان رسیدن به بهینه سراسری غیرممکن به نظر می رسد رادار است. آزمایش ها بر روی محک های مختلف همگی تاییدکننده بهینه بودن جواب ها نسبت به الگوریتم های رقیب بودند و ما را دررسیدن به هدف تحقیق یعنی حداقل کردن هزینه رهنمود کردند.

    کلید واژگان: زنجیره تامین، مسئله مسیریابی-موجودی، کالاهای فاسدشدنی، الگوریتم کلونی مورچگان، بهینه سازی
    Amir Abdi Moghadam *, MohammadAmin Torabi, Ebrahim Jelveh Fard, Minoo Aboutalebi Araghi, Saleh Abdi Moghadam
    Background and Purpose

    Organizations are working to reduce warehousing and transportation costs, expanding supply chain management. Transportation and inventory are the two main elements in the supply chain. The issue of routing-inventory is the consistent distribution of the product from one or more distribution points among the consumer group, which minimizes the average cost of distribution along the planning horizon without creating a shortage for the organization is the primary goal of this study. This study addresses this issue in perishable products with a fixed lifespan. A very critical area of vehicle routing is the inventory routing issue. The most important objectives of this research were to review the studies conducted in the field of routing-inventory, inventory management, routing of perishable goods, implementing the cost minimization goal in the proposed mathematical model, and developing appropriate approaches to solve the proposed model under the assumptions of this research.

    Method

    Given the nature of the problem that comes from NP-hard types, It is impossible to arrive at a definitive answer for its large dimensions, so this study proposes a method based on the ant colony algorithm algorithm, which solves the inventory routing problem under new assumptions. In this study, this issue was addressed in perishable products with a fixed lifespan.

    Findings and Conclusion

    It was shown that the proposed algorithm is capable of solving problems in different dimensions, especially where it seems impossible to achieve global optimality. Experiments on different benchmarks all confirmed the optimality of the results over competing algorithms and guided us to achieve the research objective of minimizing costs.

    Keywords: Supply Chain, Routing-Inventory Issue, perishable goods, Ant Colony Algorithm, Optimization
  • غلامرضا جندقی، علیرضا سارنج*، رضا رجایی، احمدرضا قاسمی، رضا تهرانی
    بانک ها و موسسات مالی کوشش می کنند که روش های ارزیابی ریسک اعتباری یشان را به منظور کاهش زیان مالی ناشی از نکول مالی قرض گیرندگان، توسعه داده و بهبود بخشند. هر چند در مطالعات گذشته، تعداد زیادی از متغیرهای مستخرج از صورت های مالی شامل نسبت های مالی به عنوان ورودی فرایند پیش بینی ورشکستگی مورد استفاده قرار گرفته شده بود، کمتر یک روش یادگیری ماشینی که بر اساس هوش محاسباتی باشد، در انتخاب کلیدی ترین متغیرها به کار گرفته شده بود. در پژوهش حاضر، داده های شرکت های حاضر در بازار بورس تهران و فرابورس در طول 26 سال از 1992 تا 2017 به عنوان جامعه پژوهش مورد بررسی قرار گرفت و 218 شرکت به عنوان نمونه انتخاب شد و الگویتم کلونی مورچگان به همراه الگوریتم نزیکترین k همسایگی به منظور انتخاب ویژگی و طبقه بندی شرکت ها مورد استفاده قرار گرفت. در این پژوهش مساله نامتقارن بودن مجموعه داده ها با تکنیک زیرنمونه برداری حل شده است. نتایج نشان می دهد متغیرهایی  از قبیل نسبت EBIT به فروش کل، مالکانه، جاری، وجه نقد و بدهی، موثرترین عوامل در پیش بینی وضعیت سلامت اعتباری شرکت ها هستند. مدل نهایی پژوهش قادر به تخمین احتمال ورشکستگی با دقت بین 75.5 تا 78.7 درصد برای نمونه آموزش و آزمون می باشد.
    کلید واژگان: ریسک اعتباری، احتمال نکول، پیش بینی ورشکستگی، نزدیک ترین k همسایگی، الگوریتم کلونی مورچگان، داده های نامتقارن
    Gholamreza Jandaghi, Alireza Saranj *, Reza Rajaei, Ahmadreza Ghasemi, Reza Tehrani
    Banks and financial institutions strive to develop and improve their credit risk evaluation methods to reduce financial loss resulting from borrowers’ financial default. Although in previous studies, many variables obtained from financial statements – such as financial ratios – have been used as the input to the bankruptcy prediction process, seldom a machine learning method based on computing intelligence has been applied to select the most critical of them. In this research, the data from companies that are were listed in Tehran’s Stock Exchange and OTC market during 26 years since 1992 to 2017 has been investigated, with 218 companies selected as the study sample. The ant colony optimization algorithm with k-nearest neighbor has been used to feature the selection and classification of the companies. In this study, the problem of the imbalanced dataset has been solved with the under-sampling technique. The results have shown that variables such as EBIT to total sales, equity ratio, current ratio, cash ratio, and debt ratio are the most effective factors in predicting the health status of companies. The accuracy of final research model is estimated that the bankruptcy prediction ranges between 75.5% to 78.7% for the training and testing sample.
    Keywords: credit risk, Probability of default (PD), Bankruptcy prediction (BP), K-nearest neighbor (KNN), Ant colony Algorithm, Imbalanced dataset
  • سجاد جلالی فر، رضا احتشام راثی*، علی محتشمی
    در دنیای پر رقابت کنونی، زنجیره تامین حلقه بسته در راستای بازیافت محصولات به یک چالش اساسی تبدیل شده است. سیستم بازیافت به دلیل پوشش قوانین و کاهش آلودگی زیست محیطی، افزایش توان اقتصادی با ایجاد مشاغل جدید و توانایی بازیابی ارزش محصولات برگشتی، از جایگاه ویژه ای در زنجیره تامین برخوردار است. هدف این پژوهش، طراحی مدل آرمانی- فازی برای بهینه سازی هزینه و مسافت وسایل نقلیه در زنجیره تامین چهار سطحی حلقه بسته است. در این پژوهش، نخست عوامل موثر در لجستیک معکوس شناسایی و برای طراحی مدل پژوهش چندهدفه به دلیل وجود اهداف مختلف، مدل ریاضی آرمانی- فازی با هدف کمینه سازی هزینه و مسافت ارایه گردید. مدل لجستیک حلقه بسته به دلیل قرارگیری در گروه مسایل NP-Hard، با روش های گرادیان مبنا به راحتی قابل حل نبوده، از این رو جهت بهینه سازی از الگوریتم مورچگان استفاده شده است. درنهایت پس از اجرای مدل پژوهش، هدف به حداقل رساندن هزینه، مقدار عضویت بالاتری نسبت به هدف مسافت داشته و مدیران نیز باید توجه ویژه ای به این هدف داشته باشند.
    کلید واژگان: زنجیره تامین حلقه بسته، برنامه ریزی آرمانی- فازی، بهینه سازی، الگوریتم مورچگان
    Sajjad Jalalifar, Reza Ehtesham Rasi *, Ali Mohtashami
    In today's highly competitive world, closed-loop supply chains (CLSC) have become a major challenge for product recycling. The recycling system has a special place in the supply chain due to the coverage of laws and the reduction of environmental pollution, increasing economic power by creating new jobs and the ability to recover the value of returned products. The purpose of this study is to design fuzzy- goal model for optimizing the cost and distance of vehicles in the four echelon closed-loop supply chain. The closed-loop logistics model could not be easily solved with the base gradient methods due to its NP-Hard problem group, so the ant algorithm was used for optimization. Finally, after implementing the fuzzy goal model of the research, it was found that the goal of minimizing the cost in the model has a higher membership amount than the distance goal, and managers should pay special attention to this goal.
    Keywords: closed-loop supply chain, Fuzzy Goal Programming, Optimization, ant colony algorithm
  • جمال قاسمی*، سروه فرزاد

    هدف از انجام پژوهش حاضر بررسی کاربرد الگوریتم های فرا ابتکاری در حوزه مالی می باشد. الگوریتم های فر اابتکاری مورد مطالعه در این تحقیق شامل الگوریتم کلونی مورچگان، الگوریتم کرم شب تاب، الگوریتم زنبور عسل، الگوریتم تجمعی ذرات، الگوریتم جستجوی هارمونی و الگوریتم جغرافیای زیستی می باشد. در این مقاله، ضمن بررسی هر یک از این الگوریتم ها به صورت مختصر، مطالعات داخلی و خارجی در این زمینه انجام گرفته و کاربرد آن ها در زمینه ی امور مالی بیان شده است. نتایج حاصل از مطالعات نشان می دهد، پژوهش های بیشتر و در نهایت استفاده از این الگوریتم ها در پیش بینی های مربوط به مباحث مالی و بازار سرمایه می تواند تا حد قابل قبولی به افزایش عملکرد عملیات حسابداری و حسابرسی کمک کند. همچنین افزایش تحقیقات و فراهم نمودن زمینه های عملیاتی در سال های اخیر نشان دهنده ی علاقمندی محققین و مراکز تحقیقاتی در جهت توسعه ی این روش های نوین به ویژه در بحث توسعه ی نرم افزاری است.

    کلید واژگان: الگوریتم کلونی زنبور عسل، الگوریتم کرم شب تاب، الگوریتم کلونی مورچگان، الگوریتم جغرافیای زیستی
    JAMAL QASEMI *, SERVEH FARZAD

    The purpose of this study is to investigate the application of Meta Heuristic Algorithms in Financial field. The studied algorithms in this study include ant colony algorithm, firefly algorithm, bee algorithm, harmony search, biogeography algorithm. while examining each of these algorithms in brief, internal and external studies are performed and their applications in the financial field are discussed. The results show that further research and ultimately the use of these algorithms in predicting financial and capital market issues can help to increase the performance of accounting and auditing operations to a researchable extent. Increasing research and providing operational backgrounds in recent years also reflect the interest of researchers and research organizations in developing these new approaches, especially in the field of software development.

    Keywords: Ant Colony Algorithm, Firefly Algorithm, Bee Algorithm, Harmony Search, Biogeography Algorithm
  • آرزو عتیقه چیان *
    در این مقاله، مساله زمان بندی کارگاه فولادسازی _ریخته گری پیوسته بررسی شده است. این مساله حالتی خاص از مساله کارگاه جریان ترکیبی[i] است که انواع محدودیت های خاص صنعت فولاد، آن را به مراتب پیچیده تر می سازد. در این مقاله الگوریتمی فراابتکاری بر پایه الگوریتم مورچگان(ACO)[ii] که در داخل آن یک الگوریتم ابتکاری زمان بندی به کار رفته؛ برای مساله طراحی شده است. در الگوریتم پیشنهادی، «تخصیص منبع و تعیین توالی[iii]» با استفاده از الگوریتم جامعه مورچگان و زمان بندی توسط یک الگوریتم ابتکاری پیشرو-پسرو، انجام می شود. در نظر گرفتن محدودیت های واقعی محیط تولیدی در تعریف مساله، طراحی الگوریتم ابتکاری زمان بندی، ارائه الگوریتمی ترکیبی از ACO و الگوریتم ابتکاری ارائه شده و طراحی ویژه ACO از نظر نوع تعریف ماتریس فرومون و اطلاعات ابتکاری آن، نوآوری های اصلی این پژوهش هستند. این الگوریتم در مجتمع فولاد خوزستان پیاده سازی و نتایج آن با الگوریتم ابتکاری موجود در یکی از نرم افزارهای تجاری خارجی و مورد استفاده در مجتمع فولاد مبارکه مقایسه شده است. بر اساس نتایج آزمون، الگوریتم پیشنهادی نه تنها قابلیت استفاده در چارچوب زمان های محدود در دسترس برای زمان بندی را دارد، بلکه تابع هدف واحد فولادسازی را به طور میانگین تا 65% بهبود می دهد.
    کلید واژگان: زمانبندی، کارگاه فولادسازی، ریخته گری پیوسته، الگوریتم مورچگان
    Arezoo Atighehchian*
    In this paper, Steel-making Continuous Casting (SCC) scheduling problem is investigated. The scheduling of SCC processes is of major importance in steel industries. Since it is often a bottleneck in steel production, optimal scheduling of it can minimize production cost and increase profit notably. This problem is a specific case of hybrid flow shop scheduling problem accompanied by technological constraints of steel-making and hence classic optimization methods fail to obtain an optimal solution for a real life problem over a suitable time. In this paper, a meta-heuristic algorithm based on an Ant colony algorithm (ACO) which is accompanied with a heuristic timing algorithm is developed. In the proposed algorithm the resource assignment and sequencing is determined with ACO and the timing of jobs is determined using a heuristic forward-backward algorithm. Considering the real constraints in the problem definition, designing a heuristic timing algorithm, embedding the proposed timing algorithm in ACO framework and a novel design of ACO algorithm in pheromone matrix and heuristic information are the main features of this paper. The proposed algorithm is implemented in Khuzestan steel complex and the efficiency of it is compared with a heuristic algorithm of commercial scheduling software which is used in Mobarakeh Steel Company. Numerical results show that the average percent of improvement is about 65% in a limited scheduling time.
    Keywords: Scheduling, Steelmaking, continuous Casting, Ant colony algorithm
  • محمد صادق حری، کاوه مهدوی
    همواره موسسات مالی و اعتباری برای آنکه بتوانند حداکثر سود حاصل از سرمایه گذاری های خود را دریافت دارند، بدنبال پالایش، جذب و نگهداشت بهترین سرمایه گذاران، مشاوران، مشتریان و قرض-گیرندگان بوده اند. بااین وجود، علوم مختلف سعی نموده اندروش های دقیقی برای تفکیک مشتریان ارایه نمایند. از همین رو علومی مانند روانشناسی تا علوم مدیریت، ریاضیات، مالی و... درصدد تحقق این هدف برآمده اند. آنچه که دراین پژوهش بدان اشاره خواهد شد ضرورت استفاده از روش های نوین داده-کاوی در ترکیب با روش های هوش مصنوعی جهت فائق آمدن بر پیچیدیگی های مسئله است و پاسخ به این سوال که آیا روش ترکیبی استفاده شده به خوبی رتبه اعتباری مشتریان را پیش بینی می کند؛ این امر در حالی رخ می دهد که نباید بعد دیگری از مسئله را که همانا انتخاب مهمترین عوامل سنجش (معیارها) هستند را فراموش نمود و در این راستا ازقضاوت خبرگان و تحلیل های ناپارامتری (آزاد توزیع) به منظور رتبه بندی معیارها استفاده گردیده است که نهایت با انتخاب تعدادی از شاخصها به منظور پیاده سازی مدل ترکیبی به این سوال پاسخ داده خواهد شد که آیا نظر خبرگان در انتخاب معیارها منتج به پیش بینی مناسبی از وضعیت اعتباری مشتریان می گردد. سه شاخص «سن»، «سابقه ارتباط با بانک (مدت حساب)» و «میزان اعتبار» برای پیاده سازی مدل ترکبی عصبی فازیانتخاب گردید. و نتایج بیانگر آن می باشد که 89.67درصد از مواقع این سیستم می تواندتخمین درستی نسبت به رتبه اعتباری مشتریان ارائه دهد..
    کلید واژگان: ریسک اعتباری، رتبه بندی اعتباری، داده کاوی، هوش مصنوعی، الگوریتم کلونی مورچگان
    M.S. Horri, Kaveh Mahdavi
    All of the financial institutions for gaining the best profit of their investment are always looking for the best investors, consulters, and borrowers. Besides, different sciences attempt to represent accurate methods for the separation of the customers. For that reason, sciences such as psychology, management sciences, mathematics, financial and etc…seek to achieve this aim. The subject that comes into consideration in this paper is the necessity of using the new methods in data mining in mixture with artificial intelligence techniques in order to deal with the sophisticated issue and answer to this question that do the usage of combined approach predict the customer rating well? If we want this process occurs, another dimension must not be forgotten that is the select measurement criteria and in this regard, the researcher has used judging journalist and non-parametric analysis in order to rank criteria thatfinally, select the number of indicatorsin order to implement the hybrid model will lead the researcher to answer this question: do the journalist’s ideas selection criteria result in a good prediction of the credit status of customers? The three indicators “age”, “previous relationship with the bank”, and “credit”to implement a fuzzy neural hybrid model are chosen. The model has been implemented in three layers and results suggest that 89.67% times the system can accurately estimate the proportion of customers provide ratings.To optimize the fuzzy neural network, the ant colony algorithm was used which results in improved performance of the model was 90.5%.
    Keywords: Credit risk, credit Rating, data mining, artificial intelligence, ant colony algorithm
نکته
  • 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.
درخواست پشتیبانی - گزارش اشکال