فهرس المقالات Meta-Heuristic Algorithms

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - Statistical Analysis and Comparison of the Performance of Meta-Heuristic Methods Based on their Powerfulness and Effectiveness
  Mehrdad Rohani Hassan Farsi Seyed Hamid Zahiri
  10.52547/jist.16067.10.37.49
  In this paper, the performance of meta-heuristic algorithms is compared using statistical analysis based on new criteria (powerfulness and effectiveness). Due to the large number of meta-heuristic methods reported so far, choosing one of them by researchers has always b أکثر

  In this paper, the performance of meta-heuristic algorithms is compared using statistical analysis based on new criteria (powerfulness and effectiveness). Due to the large number of meta-heuristic methods reported so far, choosing one of them by researchers has always been challenging. In fact, the user does not know which of these methods are able to solve his complex problem. In this paper, in order to compare the performance of several methods from different categories of meta-heuristic methods new criteria are proposed. In fact, by using these criteria, the user is able to choose an effective method for his problem. For this reason, statistical analysis is conducted on each of these methods to clarify the application of each of these methods for the users. Also, powerfulness and effectiveness criteria are defined to compare the performance of the meta-heuristic methods to introduce suitable substrate and suitable quantitative parameters for this purpose. The results of these criteria clearly show the ability of each method for different applications and problems. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - ارائه مدل ترکيبي خوشه‌بندي شرکت‌هاي عضو بورس بهادار تهران: رويکرد الگوريتم‌هاي فراابتکاري
  زهرا  صادقی آرانی علی محقر
  تصميم‌گيري براي سرمايه‌گذاري، همواره يکي از مهمترين مسائل سرمايه‌گذاران بوده است. سرمايه‌گذاران در بورس تلاش مي‌کنند تا از ميان طيف وسعي از شرکت‌هاي عضو و با توجه به شاخص‌هاي مالي متعدد سرمايه‌گذاري خود را انجام دهد تا ضمن دستيابي به بالاترين بازده، کمترين ريسک را نيز م أکثر

  تصميم‌گيري براي سرمايه‌گذاري، همواره يکي از مهمترين مسائل سرمايه‌گذاران بوده است. سرمايه‌گذاران در بورس تلاش مي‌کنند تا از ميان طيف وسعي از شرکت‌هاي عضو و با توجه به شاخص‌هاي مالي متعدد سرمايه‌گذاري خود را انجام دهد تا ضمن دستيابي به بالاترين بازده، کمترين ريسک را نيز متحمل شود. بر اين اساس امروزه، روش‌هاي متعددي براي تحليل داده‌هاي اين شرکت‌ها وجود دارد. يکي از روش‌هايي که از ميان انبوه داده‌ها، به دسته‌بندي اين شرکت‌ها مي‌پردازد روش خوشه‌بندي است. بر اين اساس، پژوهش حاضر با هدف شناسايي و تفکيک شرکت‌هاي موفق از ناموفق بازار بورس اوراق بهادار تهران با استفاده از روش خوشه‌بندي K-means و حل اين مسأله با کمک الگوريتم‌هاي فرا ابتکاري انجام گرفته است. نتايج اين تحقيق حاکي از آن است که حل اين مسأله‌ به روش‌ فراابتکاري در مقايسه با روش‌هاي معمول، کاراتر بوده و به بهينه‌ي سراسري منجر شده است. همچنين اين نتايج با نتايج حاصل از تفکيک شرکت‌هاي عضو بورس بهادار تهران با روش تعيين ورشکستگي آلتمن مقايسه شده و توسط اين روش نيز تأييد شده است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  3 - پیش¬بینی رشد شرکت¬های کوچک و متوسط با ترکیب شبکه عصبی مصنوعی و الگوریتم¬های فراابتکاری
  حامد ابراهیم خانی مصطفی کاظمی علیرضا  پویا امیر محمد  فکور ثقیه
  رشد یک شرکت برای دستیابی به اهداف اقتصادی مهم تلقی می شود. با توجه به اینکه بسیاری از کسب و کارهای کوچک و متوسط به فرایند رشد نمی رسند و در سال های اولیه فعالیت خود شکست می خورند، یک سیستم پیش بینی رشد شرکت ها می تواند از هزینه های هنگفتی که در شروع کسب و کارها، کارآفری أکثر

  رشد یک شرکت برای دستیابی به اهداف اقتصادی مهم تلقی می شود. با توجه به اینکه بسیاری از کسب و کارهای کوچک و متوسط به فرایند رشد نمی رسند و در سال های اولیه فعالیت خود شکست می خورند، یک سیستم پیش بینی رشد شرکت ها می تواند از هزینه های هنگفتی که در شروع کسب و کارها، کارآفرینان و شرکت ها پرداخت می کنند، جلوگیری نماید. بر همین اساس هدف این تحقیق، پیش بینی رشد شرکت های کوچک و متوسط با ترکیب شبکه عصبی و الگوریتم های فراابتکاری بوده است. هدف این تحقیق کاربردی و بر اساس روش انجام کار توصیفی- مدل سازی بوده است. جامعه آماری این تحقیق کلیه شرکت های کوچک و متوسط استان زنجان بوده است. حجم نمونه آماری با توجه به رشد شرکت ها، 158 شرکت تعیین شده است. به منظور جمع آوری داده ها در این تحقیق از مصاحبه، پرسشنامه و اسناد و مدارک شرکت ها استفاده شده است. روایی و پایایی پرسشنامه به ترتیب به صورت روایی صوری و پایایی آن با استفاده از ضریب آلفای کرونباخ مورد بررسی و تأیید قرار گرفته است. به منظور تجزیه و تحلیل داده های تحقیق از روش های تحلیل عاملی تأییدی، شبکه عصبی پرسپترون چند لایه، شبکه عصبی ترکیب شده با الگوریتم ژنتیک و شبکه عصبی ترکیب شده با الگوریتم ازدحام ذرات استفاده شده است. نتایج نشان می دهد که هر سه روش قادر به پیش بینی رشد شرکت بوده و در بین این سه روش بهترین روش پیش بینی رشد شرکت، شبکه عصبی ترکیب شده با الگوریتم ازدحام ذرات با کمترین مقدار خطا نسبت به دو روش دیگر می باشد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  4 - A Novel Elite-Oriented Meta-Heuristic Algorithm: Qashqai Optimization Algorithm (QOA)
  Mehdi Khadem Abbas Toloie Eshlaghy Kiamars Fathi Hafshejani
  10.52547/jist.34612.11.42.149
  Optimization problems are becoming more complicated, and their resource requirements are rising. Real-life optimization problems are often NP-hard and time or memory consuming. Nature has always been an excellent pattern for humans to pull out the best mechanisms and th أکثر

  Optimization problems are becoming more complicated, and their resource requirements are rising. Real-life optimization problems are often NP-hard and time or memory consuming. Nature has always been an excellent pattern for humans to pull out the best mechanisms and the best engineering to solve their problems. The concept of optimization seen in several natural processes, such as species evolution, swarm intelligence, social group behavior, the immune system, mating strategies, reproduction and foraging, and animals’ cooperative hunting behavior. This paper proposes a new Meta-Heuristic algorithm for solving NP-hard nonlinear optimization problems inspired by the intelligence, socially, and collaborative behavior of the Qashqai nomad’s migration who have adjusted for many years. In the design of this algorithm uses population-based features, experts’ opinions, and more to improve its performance in achieving the optimal global solution. The performance of this algorithm tested using the well-known optimization test functions and factory facility layout problems. It found that in many cases, the performance of the proposed algorithm was better than other known meta-heuristic algorithms in terms of convergence speed and quality of solutions. The name of this algorithm chooses in honor of the Qashqai nomads, the famous tribes of southwest Iran, the Qashqai algorithm. تفاصيل المقالة