differential evolution algorithm
در نشریات گروه صنایع-
هدف
عدم توانایی بانک ها در اعتبارسنجی و ارزیابی مالی مشتریان و پیش بینی دقیق ریسک اعتباری تسهیلات گیرندگان، تاثیرات مخربی بر سیستم مالی جهانی و فعالیت های اقتصادی داشته و از اصلی ترین دلایل بحران های مالی جهانی در سال های اخیر بوده اند. هدف این تحقیق، تدوین مدل پیش بینی اعتباری مشتریان حقوقی بانک های خصوصی با بهره گیری از الگوریتم های فراابتکاری در شعبه های بانک پاسارگاد شمال غرب کشور بوده است.
روش شناسی پژوهشاین تحقیق براساس هدف پژوهش، توسعه ای و براساس روش انجام کار توصیفی می باشد. جامعه آماری این تحقیق را دو بخش خبرگان و مدیران بانکی استان آذربایجان شرقی و مشتریان حقوقی بانک پاسارگاد در شمال غرب کشور تشکیل می دهند. حجم نمونه آماری برای جامعه اول، 58 خبره بانکی استان اعم از مدیران، مسیولین اعتباری و روسای شعب با سابقه کار اعتباری بانک های خصوصی تعیین شده و برای جامعه دوم، براساس نمونه گیری هدفمند 427 مشتری حقوقی بانک پاسارگاد انتخاب شده است. به منظور جمع آوری داده ها از پرسشنامه و اسناد و مدارک بانک پاسارگاد بهره گرفته شده و روایی پرسشنامه به صورت روایی محتوا و براساس شاخص های نسبت روایی محتوا و شاخص روایی محتوا و پایایی پرسشنامه با استفاده از ضریب آلفای کرونباخ مورد بررسی و تایید قرار گرفته است. به منظور تجزیه و تحلیل داده ها از آزمون t، تحلیل عاملی تاییدی، شبکه عصبی مصنوعی چند لایه، شبکه عصبی آموزش دیده با الگوریتم ژنتیک، شبکه عصبی آموزش دیده با الگوریتم ازدحام ذرات و شبکه عصبی آموزش دیده با الگوریتم تکامل تفاضلی استفاده شده است.
یافته هایافته های پژوهش نشان می دهد که هر چهار مدل فوق قادر به پیش بینی اعتباری مشتریان حقوقی بانک های خصوصی هستند و بهترین روش برای پیش بینی اعتباری مشتریان حقوقی بانک های خصوصی، شبکه عصبی آموزش دیده با الگوریتم تکامل تفاضلی با کمترین مقدار خطا نسبت به سه روش دیگر است.
کلید واژگان: پیش بینی اعتباری، الگوریتم شبکه عصبی مصنوعی، الگوریتم ژنتیک، الگوریتم تکامل تفاضلی، الگوریتم ازدحام ذراتPurposeBanks' inability to credit assessment and financial evaluation of customers and forecasting accurately the credit risk of borrowers has devastating effects on the global financial system and economic activity and have been the main causes of global financial crises in recent years.The purpose of this paper is to compile a credit forecasting model for legal customers of private banks by using meta-heuristic algorithms in the branches of Pasargad Bank in the northwest of Iran.
MethodologyThis research is base on the purpose of developmental research and based on the method of performing descriptive work. The statistical population of this study is in two sections of banking experts and legal customers of Pasargad Bank in the northwest of the Iran. The statistical sample size for the first community of 58 banking experts including managers, credit officials and heads of branches in with credit work experience in private banks and for the second community, 427 legal clients were selected based on targeted sampling. In order to collect data in this research, a questionnaire and documents of Pasargad Bank have been used. The validity of the questionnaire was investigated as content validity and based on the indicators of content validity ratio and content validity index. The reliability of the questionnaire was assessed using Cronbach's alpha coefficient. In order to analyze the research data, t-test, confirmatory factor analysis, multilayer neural network, genetically trained neural network, trained neural network with particle swarm optimization and trained neural network with differential evolution will be used.
FindingsThe research findings show that all four models are able to predict the credit predictions of the legal customers of private banks and the best way to predict the credit predictions of the legal customers of private banks is the neural network trained with differential evolution algorithm with the least amount of error compared to the other three methods.Originality/Value: In this research by using meta-heuristic algorithms, a new credit forecasting model produce for legal customers of private banks with the least amount of error.
Keywords: Credit Forecasting, Neural Network Algorithm, Genetic Algorithm, Differential evolution algorithm, Particle Swarm Optimization Algorithm -
Infrastructure development is one of the key aspects to be prioritized if economic growth is to be maintained in developing countries. Amongst the bottlenecks in this path which impede the construction and expansion of the infrastructure facilities, lack of public funding is one of the primary issues. To tackle such a problem, governments are launching public-private partnership frameworks to raise funds for these projects. Studies on various methods of public-private partnerships suggest BOT (build, operate, transfer) as one of the most common and most successful ways of participation for the private sector in public projects and establishing a framework for the management of project risks. This project aims to provide a framework by which projects are prioritized according to their social welfare factors in the first step. Second step objective is to minimize the risks of taxes, utilization period, project lifetime, and highway capacity by solving a multi objective mathematical model. This is all done by proposing a two-stage optimization model based on reservation level Driven Tchebycheff Procedure (RLTP) and differential evolution (DE) algorithm to evaluate projects and prioritizing them based on their defined factors and associated risks. The model ensures that the private sector benefits from the execution and operation of the project in the BOT framework and the expected social welfare is also guaranteed. As a case study, data of the projects in transportation and road construction sector is obtained and evaluated.
Keywords: Differential evolution algorithm, Reservation Level Driven Tchebycheff Procedure (RLTP), Project selection, road construction risks -
Transportation sector generates a considerable part of each nation's gross domestic product and considered among the largest consumers of oil products in the world. This paper proposes a heuristic method for the vehicle routing problem with hard time windows while incorporating the costs of fuel, driver, and vehicle. The proposed heuristic uses a novel speed optimization algorithm to reach its objectives. Performance of the proposed algorithm is validated by comparing its results with the results of the exact method and differential evaluation algorithm for small-scale problems. For large-scale problems, the results of the proposed algorithm are compared with those obtained from the differential evaluation algorithm. Overall, results indicate the good performance of the proposed heuristic algorithm.Keywords: Microscopic emission models, Vehicle routing with hard time windows, PFIH algorithm, Differential evolution algorithm
-
International Journal of Industrial Engineering and Productional Research, Volume:26 Issue: 2, Jun 2015, PP 105 -117Assembly lines are special kinds of production systems which are of great importance in the industrial production of high quantity commodities. In many practical manufacturing systems, configuration of assembly lines is fixed and designing a new line may be incurred huge amount of costs and thereby it is not desirable for practitioners. When some changes related to market demand occur, it is worthwhile to re-balance an existing line rather than balancing a new one. Hence, in this paper we suggest a re-balancing model of an existing assembly line in which a new demand related cycle time (CT) is embedded to the traditional assembly line balancing problem (ALBP) as a new parameter. It does not focus on balancing a new line; instead it considers a more realistic problem which is re-balancing an existing line. The objective is to re-schedule the tasks in order to reduce the current CT to the new required one such that two criteria are optimized: (i) minimization of the incurred costs and (ii) minimization of non-smoothing of reconfigured line. To solve the considered problem, an effective differential evolution algorithm is developed. Furthermore, to enhance the performance of algorithm, its parameters are optimized by the use of Taguchi method which is a conventional statistical technique for parameter design. The obtained results from computational experiments on benchmark instances show the effectiveness of suggested algorithm against other methods.Keywords: Assembly Line, Re, balancing, Differential Evolution Algorithm, Taguchi Method
-
در سیستم های تولیدی، بالانس خط برای یک بار و در ابتدای احداث خط تولید انجام می گیرد. در این حالت هرگونه تغییر در بازار نیاز به طراحی خط مونتاژ جدیدی را در راستای تحقق نیازمندی بازار الزام می کند. اما این طراحی جدید نیاز به صرف هزینه زیادی دارد. از این رو، در این تحقیق نوع جدیدی از طراحی خطوط مونتاژ پیشنهاد می شود که در آن یک خط مونتاژ فعلی در حال تولید است. در این حالت به دلیلی شرائط جدیدی که در بازار رخ می دهد، زمان سیکل جدیدی مورد نیاز است. بنابراین مدلی چندهدفه از مساله تحت عنوان «بالانس مجدد خطوط مونتاژ» پیشنهاد می شود که هدف آن، زمانبندی مجدد فعالیت ها به نحوی است که زمان سیکل جدید با کمترین تغییر در خط مونتاژ موجود تحقق یابد. همچنین ناهمواری ایستگاه های کاری به عنوان معیاری نسبتا جدید، لحاظ گردید. پس از مدلسازی مساله، یک الگوریتم تکاملی تفاضلی کارا جهت حل مساله پیشنهاد شده است.
کلید واژگان: بالانس مجدد خط مونتاژ، الگوریتم تکاملی تفاضلی، مجموعه جواب های پارتو، بهینه سازی تاگوچیJournal of Industrial Engineering Research in Production Systems, Volume:2 Issue: 4, 2015, PP 83 -97In production systems، line balancing is carried out once at beginning of line construction. In this situation، any change in market needs a new design of assembly line to meet market requirements. However this new design needs a lot of cost. Hence، a new type of assembly line balancing is proposed in this research in which a current assembly line is working. In this situation، a new cycle time is required due to some changes in market settings. Therefore، a multi-objective model titled assembly line re-balancing problem is proposed whose aim is to schedule tasks in such a way that new cycle time is realized via minimum changes in current assembly line. Moreover، work stations’ non-smoothness is considered as a relatively new measure. After modeling the problem، an efficient differential evolution algorithm was suggested to solve the problem.Keywords: Assembly Line Re, Balancing, Differential Evolution Algorithm, Pareto Solution Set, Taguchi Optimization
- 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.
©2000-2025 magiran.com All Rights Reserved.