جستجوی مقالات مرتبط با کلیدواژه
تکرار جستجوی کلیدواژه fuzzy simulation در نشریات گروه فنی و مهندسی
fuzzy simulation
در نشریات گروه صنایع
تکرار جستجوی کلیدواژه fuzzy simulation در مقالات مجلات علمی
-
In every production plant, it is necessary to have an estimation of production level. Sometimes there are many parameters affective in this estimation. In this paper, it tried to find an appropriate estimation of production level for an industrial factory called Barez in an uncertain environment. We have considered a part of production line, which has different production time for different kind of products, which means both environmental and system uncertainty. To solve the problem we have simulated the line and because of the uncertainty in the times, fuzzy simulation is considered. Required fuzzy numbers are estimated by the use of bootstrap technique. The results are used in production planning process by factory experts and have had satisfying consequences. Opinions of these experts about the efficiency of using this methodology, has been attached.
Keywords: Production planning, Fuzzy simulation, Bootstrap technique, Discrete event simulation -
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 استکلید واژگان: انتخاب پرتفولیو مدل فازی میانگین، واریانس، چولگی شبیه سازی فازی شبکه عصبی الگوریتم ژنتیکInternational Journal of Industrial Engineering & Production Management, Volume:23 Issue: 4, 2013, PP 447 -458The most important problem for investors, at the beginning stages of their works, is the way of assigning their investment to one or more different investment alternatives in such a way that with the least possible risk the maximum return become obtainable. In the economic literature this is known as the problem of portfolio selection. This article tries to introduce an efficient way for supporting decision maker in the selection of appropriate portfolio for investment purposes. The portfolio is based upon the mean-variance-skewness with the return of portfio is considered to be fuzzy to match with the world reality more. This article proposes a hybrid intelligent algorithm for finding an optimial or new optimal solution of the problem. Here, authors use Genetic Algorithm to find the right portfolio with the help of neural network and fuzzy computer simulation knowledge. Due to the fact that trained neural network was used the computation time has reduced tremendously in comparison with the straight use of the fuzzy simulation. Authors have used two example problems to demonstrate the efficiency of the proposed algorithm in comparison with other hybrid algorithms from the literature.Keywords: Portfolio Selection, Fuzzy Mean, Variance, Skewness, Fuzzy Simulation, Neural Network, Genetic Algorithm
-
مسئله ی مکان یابی مراکز قطبیپانویس{H U B l o c a t i o n p r o b l e m} کاربرد وسیعی در دنیای واقعی ازجمله در شبکه های ارتباطات، پستی، سیستم های حمل ونقل و خطوط هوایی دارد و تحقیقات زیادی درخصوص آن انجام شده است. این مسئله به ویژه در وضعیت هایی که شدت جریان بالایی بین یک سری نقاط مبدا و مقصد در یک شبکه وجود دارد، کاربرد پیدا می کند.
در این حالت به جای ارتباط مستقیم بین این نقاط سعی می شود با انتخاب تعدادی از این نقاط به عنوان مراکز قطبی، جریان ها از طریق این مراکز عبور داده شوند تا از صرفه جویی های مربوطه استفاده شود. بنابراین هدف مسئله انتخاب برخی گره ها به عنوان مرکز قطبی و تخصیص گره های غیرقطبی به این مراکز، به منظور دست یابی به کم ترین هزینه برای شبکه است. در بیشتر تحقیقات انجام شده در این حوزه، سیستم از نقطه نظر برآورده شدن کم ترین هزینه مورد بررسی قرار گرفته، در حالی که زماننیز عامل مهمی است که باید به عنوان یک هدف منظور شود. همچنین، مطالعات محدود به حالاتی قطعی از شدت جریان بوده است. در این تحقیق سعی شده این مدل ها در حالت دوهدفه)زمان انتظار و هزینه(و حالت های غیرقطعی)فازی(از پارامترهای شدت جریان بررسی شود. از نظریه ی برنامه ریزی فازی به منظور تخمین توابع هدف فازی، و از یک الگوریتم ترکیبی هوشمند فراابتکاری)متاهیوریستیک(برای حل مدل توسعه یافته بهره گرفته شده است.
کلید واژگان: مکان یابی مراکز قطبی، نظریه ی صف، برنامه ریزی فازی، شبیه سازی فازی، الگوریتم هوشمند فراابتکاری، شبیه سازی تبریدThe hub location problem is widely used in the real world for areas, such as communications, postal services, transportation, and airline systems. This problem is applied to a network with high flow between nodes. The goal of the hub-location problem is locating some hub facilities on the nodes, and allocation of other nodes to hub facilities, in order to minimize the total cost of service. The hub facilities may face a queue of service from demand nodes, due to limited service capacity, and, hence, considering the queue in the model, may improve the performance of the system.We consider the waiting time to receive the service, as well as the total cost of networks, as the objectives of the problem, and formulate a multi objective mathematical model under a fuzzy environment. We assume the flow rates between nodes and service rates at hub facilities are fuzzy numbers. We use the credibility theory in modeling the problem, which is a new approach in formulating optimization problems in a fuzzy environment. To the best of our knowledge, this is the first attempt to formulate a hub location problem considering multi objectives using the credibility theory.The decision variables in the problem are the location of hub facilities on the network, as well as allocation of demand nodes to hubs. The objective function is to minimize the total waiting time in hubs and to minimize the expected cost in hubs to serve the demand nodes. The constraints of the model are general constraints that are assumed in hub location problems. We assume that the service demand flows from nodes to hubs, and the service rate in hubs, are fuzzy umbers.Therefore the waiting times in hubs are formulated in a fuzzy manner and we use the credibility theory to formulate and solve the problem.To solve the problems in the credibility environment, we need to use the fuzzy simulation approach. Therefore, we propose a hybrid intelligent solution method, integrating fuzzy simulation and the simulated annealing method. A DOE approach is applied to tune the parameters of the solution method and, hence, the performance of the solution method is improved. The computational results show the reasonable performance of the solution method.Keywords: hub location problem, queuing theory, fuzzy programming, fuzzy simulation, hybrid intelligent algorithm, simulated annealing -
با توجه به وجود ابهام در فرآیند مالی پروژه ها، مفاهیم فازی مبنای این مقاله را به خود اختصاص داده است و از برنامه ریزی شانس و روش شبیه سازی آنیلینگ به عنوان وسیله ای جهت تعیین ارزش خالص فعلی چند پروژه و درنهایت انتخاب اقتصادی ترین آنها بهره گرفته شده است. در این مقاله، هزینه های سرمایه گذاری و فرآیند مالی خالص سالیانه به صورت فازی براساس مقدار اعتبار درنظر گرفته شد. مدل با استفاده از شبیه سازی آنیلینگ حل و سپس جهت اعتبارسنجی با نتایج حاصل از شبیه سازی فازی براساس الگوریتم ژنتیک و روش شاخه و حد مقایسه گردید. نتایج نشان دهنده این موضوع است که الگوریتم ژنتیک در ابعاد کوچک در مقایسه با شبیه سازی آنیلینگ، دارای خطای کمتر و نتیجه بهتری است.لازم بذکر است که تمامی الگوریتم ها (شبیه سازی فازی و آنیلینگ) با استفاده از نرم افزار MTLAB R2009a در کامپیوتر شخصی با، 2.66GHz نوشته شده اندکلید واژگان: بودجه بندی سرمایه ای، ارزش خالص فعلی، برنامه ریزی شانس، شبیه سازی فازی، شبیه سازی آنیلینگInternational Journal of Industrial Engineering & Production Management, Volume:21 Issue: 3, 2010, P 94With the existence of ambiguity in the financial processes of projects, fuzzy concepts are being implemented into the foundation and essence of the current article. Authors have employed chance constrained programming and simulated annealing as appropriate tools for determining the net present worth value of several projects. At the end, the most economical project was chosen. In this article, the investment expenses and annual net financial processes are considered fuzzy taking the credibility definition into consideration. The proposed model is then solved by simulated annealing program and to check its credibility we have compared the results of our model with the results obtained by the Genetic Algorithm as well as the Branch and Bound routine. The results indicate that for small sized problems, Genetic Algorithm has worked relatively with less error amounts and produces better results. All developed algorithms such as simulated annealing and fuzzy simulation are coded in MATLAB R2009a environment and on the personal computer with266GHZ.Keywords: Capital Budgeting, net present value, Chance, Constrained Programming, Fuzzy Simulation, Simulated Annealing
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.
©2000-2025 magiran.com All Rights Reserved.