مدل مارکویتز یکی از شناخته شده ترین مدل های انتخاب سبد سرمایه گذاری است. در این پژوهش مدل توسعه یافته ی میانگین نیم واریانس مارکویتز در قالب یک مدل برنامه ریزی غیرخطی چندهدفه ی عدد صحیح آمیخته با محدودیت های کاردینال، حد آستانه، بخش سرمایه گذاری، آنتروپی و نیز با در نظر گرفتن هزینه ی معاملاتی پیشنهاد شده است. مدل مسئله دارای ساختاری آمیختاری است. از این رو با توجه به ویژگی NP-hard مسئله، الگوریتم فراابتکاری جست وجوی هارمونی با رویکرد پارتو برای حل مدل به کار گرفته شده است. برای بررسی کاربردپذیری مدل پیشنهادی در مسئله ی بهینه سازی سبد سهام، با استفاده از اطلاعات قیمت ده سهم پذیرفته شده در بورس اوراق بهادار در محدوده زمانی فروردین 1390 تا دی ماه 1394، مرز کارای سرمایه گذاری به دست آمد. برونداد مدل نشان دهنده ی کارایی الگوریتم جست وجوی هارمونی در بهینه سازی مدل پژوهش است. یافته های پژوهش نشان می دهد مدل پیشنهادی توانسته است شرایط انتخاب سبد سرمایه گذاری را به خوبی در نظر بگیرد و یک سبد بهینه ی سرمایه گذاری را تعیین کند.

در این مقاله مساله ی زمانبندی تولید کارگاهی چندهدفه همراه با یک مرحله مونتاژ و جریان محموله مورد بررسی قرار گرفته است. جریان محموله، فرآیندی است که طی آن، یک کار (محموله) به تعدادی کار کوچکتر (زیر محموله) تقسیم شده تا بتوان هم پوشانی در انجام عملیات مختلف را ایجاد نمود. هدف این مساله، زمانبندی و تعیین توالی عملیات به نحوی است که ضمن برقراری محدودیت های مورد نظر، دو تابع هدف حداکثر دوره ساخت و هزینه وزنی زودکردها و دیرکردها کمینه گردد تا با صرفه جویی در زمان و هزینه بتوان به مدیریتی کارآمدتر در واحدهای صنعتی پیشرفته دست یافت. ابتدا به منظور تشریح مساله، مدل برنامه ریزی خطی عدد صحیح مختلط ارائه گردید. از آن جایی که مسأله مورد بررسی در گروه مسائل NP-hard می باشد، جهت حل مسأله از الگوریتمی پیشنهادی مبتنی بر جستجوی هارمونی استفاده شد. به منظور بررسی کارایی الگوریتم پیشنهادی، از چندین معیار عملکرد استفاده گردید. نتایج محاسباتی، عملکرد مناسب الگوریتم پیشنهادی را نسبت به الگوریتم ژنتیک مرتب سازی نامغلوب در کسب جواب های با کیفیت نشان داد.

حساسیت افکار عمومی نسبت به مسایل زیست محیطی در مسئله پخش بار اقتصادی نیز تأثیرگذار می باشد و در این صورت لازم است تابع هزینه مربوط به آلودگی نیز در مسئله پخش بار اقتصادی در نظر گرفته شود. قبل از معرفی مفهوم امنیت سیستم قدرت، مسئله پخش بار اقتصادی به طور معمول بر جنبه های اقتصادی بهره برداری متمرکز بود تا بر جنبه های امنیتی سیستم. امروزه با گستردگی شبکه قدرت و افزایش بار، ترکیب شاخص های پایداری شبکه با مفهوم پخش بار اقتصادی به یک ضرورت مهم تبدیل شده است. این مقاله به حل مسئله پخش بار اقتصادی با در نظر گرفتن مسئله آلایندگی نیروگاه ها و شاخص های امنیتی شبکه می پردازد. شاخص های امنیتی سیستم توسط توابع پنالتی به تابع هدف مسئله پخش بار اقتصادی اضافه شده است. از آنجایی که کاهش هزینه های سوخت و آلایندگی دو هدف نسبتاً متضاد می باشند حل مسئله توزیع اقتصادی توان و کاهش آلایندگی به یک مسئله بهینه سازی چندهدفه منجر می شود. پیچیدگی توابع هدف و لزوم در نظر گرفتن قیود بهره برداری نیروگاه ها و شاخص های امنیتی نیاز به استفاده از روش های کارامد بهینه سازی را بیش از پیش آشکار می کند. در این مقاله الگوریتم جستجوی هارمونی چندهدفه (MOHS) برای حل مسئله به کار گرفته شده است. نتایج نشان می دهد که MOHS از جهت همگرایی و دقت از قابلیت بسیار خوبی نسبت به سایر روش های به کار گرفته شده برخوردار است. سیستم تست به کار رفته برای حل مسئله پیشنهادی، سیستم تست IEEE با 10 واحد نیروگاهی، 39 باس و 46 خط انتقال می باشد.

Multi-label classification aims at assigning more than one label to each instance. Many real-world Multi-label classification tasks are high dimensional, leading to reduced performance of traditional classifiers. Feature selection is a common approach to tackle this issue by choosing prominent features. Multi-label feature selection is an NP-hard approach, and so far, some swarm intelligence-based strategies and have been proposed to find a near optimal solution within a reasonable time. In this paper, a hybrid intelligence algorithm based on the binary algorithm of particle swarm optimization and a novel local search strategy has been proposed to select a set of prominent features. To this aim, features are divided into two categories based on the extension rate and the relationship between the output and the local search strategy to increase the convergence speed. The first group features have more similarity to class and less similarity to other features, and the second is redundant and less relevant features. Accordingly, a local operator is added to the particle swarm optimization algorithm to reduce redundant features and keep relevant ones among each solution. The aim of this operator leads to enhance the convergence speed of the proposed algorithm compared to other algorithms presented in this field. Evaluation of the proposed solution and the proposed statistical test shows that the proposed approach improves different classification criteria of Multi-label classification and outperforms other methods in most cases. Also in cases where achieving higher accuracy is more important than time, it is more appropriate to use this method.

مسئله زمان بندی پروژه با منابع محدود و چندمهارته یکی از مسائل کاربردی تحقیق در عملیات است. در این نوع مسئله، کارکنان چندمهارته در طول انجام فعالیت های پروژه موردنیاز هستند. میزان دسترسی به کارکنان در طول افق برنامه ریزی پروژه، به دلایل وجود تعطیلات رسمی، تعطیلات آخر هفته، بیماری یا مرگ ثابت نیست. بنابراین در این مقاله، یک مدل ریاضی برای مسئله زمان بندی پروژه چندمهارته پیشنهاد می شود که در آن میزان دسترسی به منابع، متغیر و وابسته به زمان است. ارتباط بین فعالیت ها در مدل پیشنهادی از نوع تعمیم یافته در نظر گرفته شده است. هدف مدل پیشنهادی، کمینه سازی زمان تکمیل پروژه است. به منظور حل مدل پیشنهادی که ازجمله مسائل NP-Hard است، یک الگوریتم فراابتکاری مبتنی بر روش جستجوی هارمونی (HS) توسعه داده شده است. در جهت افزایش تنوع جواب ها و کاهش احتمال گرفتارشدن الگوریتم پیشنهادی در بهینه محلی، دو عملگر تقاطع و جهش جدید برای این الگوریتم طراحی شده است. کارایی الگوریتم پیشنهادی در حل چند مسئله نمونه، نسبت به دو الگوریتم بهینه سازی ازدحام ذرات (PSO) و ژنتیک (GA) موردمقایسه قرار گرفته است. نتایج، نشان از برتری الگوریتم پیشنهادی ازنظر شاخص های کیفیت جواب و زمان حل مسئله دارد.