فیلترها/جستجو در نتایج    

فیلترها

سال

بانک‌ها



گروه تخصصی











متن کامل


نشریه: 

تحقیقات مالی

اطلاعات دوره: 
  • سال: 

    1396
  • دوره: 

    19
  • شماره: 

    2
  • صفحات: 

    263-280
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    2250
  • دانلود: 

    1055
چکیده: 

افزایش بازده و کاهش ریسک، همواره یکی از مهم ترین مسائلی است که سرمایه گذاران در بازارهای مالی به آن توجه می کنند. با وجود سابقه طولانی بهینه سازی سبد سهام، الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری که در سال 2010 معرفی شده است، یکی از کاراترین روش های فرا ابتکاری، برای حل مسائل بهینه سازی است. در این پژوهش، سعی شده است مسئله بهینه سازی سبد سهام، در چارچوب مدل معرفی شده مارکوویتز، با استفاده از الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری حل شود. بدین منظور، از بازدهی های روزانه 20 شرکت پذیرفته شده در بورس اوراق بهادار تهران که دارای نقدینگی بالا در بازه زمانی 1391 تا 1395 بودند، استفاده شده است. نتایج به دست آمده از این تحقیق نشان می دهد الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری، نسبت به سایر الگوریتم ها برای یافتن مرز کارا و بهینه سازی سبد سهام، عملکرد بهتری دارد.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 2250

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 1055 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1403
  • دوره: 

    16
  • شماره: 

    1
  • صفحات: 

    49-66
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    59
  • دانلود: 

    11
چکیده: 

سابقه و اهداف: کیفیت هوای پاک، به منزلة یکی از ضروری‏ترین نیازهای موجودات زنده، براَثر فعالیت‏های طبیعی و انسانی به مخاطره افتاده است. در سال های اخیر، طوفان های گردوغبار ازلحاظ مکانی و زمانی همواره درحال افزیش بوده و سبب آسیب های بی شمار درحوزة سلامت اجتماعی، اقتصادی و زیست محیطی، برای ساکنان مناطق جنوب و جنوب‏غرب ایران، شده است. در پژوهش حاضر، به منظور بررسی طوفان های گردوغبار و تشخیص عمق دید افقی، داده‏های سنجندة مادیس به کار رفته است. مواد و روش ها: از مزایای داده‏های سنجندة مادیس می‏توان به توان تفکیک طیفی و زمانی بالا اشاره کرد. همچنین داده‏های ایستگاه های هواشناسی با توجه به بازة زمانی مورد مطالعه جمع آوری شده است. پس از پیش‏پردازش داده‏ها و آماده سازی مشاهدات میدانی، به منظور استخراج ویژگی‏های مورد نیاز برای انجام دادن مدل‎سازی‎ها، ازطریق روش تفاضلی بین باندهای منتخب هر تصویر داده‏های سنجندة مادیس، به همراه ویژگی های استخراج شده از سنسورهای ایستگاه های هواشناسی زمینی استفاده شده است. با بررسی های بیشتر و ارزیابی های صورت گرفته و استفاده از دیدگاه های خبرگان هواشناسی، 36 ویژگی تفاضلی از باندهای گوناگون تصاویر مادیس و شش ویژگی از داده های ایستگاه های هواشناسی زمینی، یعنی درمجموع 42 ویژگی، استخراج شده است. در ادامه، ازطریق تکنیک های انتخاب ویژگی، بهترین ویژگی ها شناسایی و با به کارگیری روشی جدید با نام ML-Based GMDH، که حاصل بهبود شبکة عصبی GMDH ازطریق تغییر توابع جزئی با مدل های یادگیری ماشین است، برای تشخیص غلظت گردوغبار و دید افقی استفاده شد. برای دستیابی به دقت مناسب نیز ابرپارامترهای این مدل به صورت ابتکاری، با استفاده از الگوریتم بهینه سازی (TLBO)، تنظیم شدند. در ادامه، روش های یادگیری ماشین Basic GMDH SVM، MLP، MLR، RF و مدل گروهی آنها نیز، برای مقایسه با رویکرد اصلی، اجرایی شد؛ طبق نتایج، روش ML-Based GMDH تنظیم شده با  (TLBO)با ایجاد بهبود درقیاس با روش‏های یادگیری ماشین ذکرشده، دقت بهتری را در تشخیص غلظت گردوغبار فراهم کرده است. نتایج و بحث: روش SVM-PSO به منزلة روش برتر در مرحلة انتخاب ویژگی، روش RF به منزلة روش برتر در میان روش‎های پایة دسته بندی و روش‎های Ensemble SVM و Ensemble RF به منزلة روش‎های برتر در مرحلة گروهی و دسته بندی انتخاب شدند. همچنین مشاهده شد، با استفاده از رویکرد گروهی، بهبود مطلوبی در تشخیص دستة دید افقی پدید آمد. در رویکرد دوم، روشی با عنوان ML-Based GMDH که حاصل بهبود شبکة عصبی GMDH ازطریق تغییر توابع جزئی با مدل های یادگیری ماشین است، استفاده شد که کاربرد آن در تقریب غلظت گردوغبار است. همچنین، برای دستیابی به دقت مناسب، ابرپارامترهای این مدل با الگوریتم بهینه سازی (TLBO) با دقت بسیار بالا تنظیم شدند. نتایج حاصل نشان دادند این روش، با ایجاد بهبود درمقایسه با بهترین روش‏های انتخابی از رویکرد اول، دقت مناسبی را در تقریب غلظت گردوغبار و عمق دید افقی فراهم کرده است.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 59

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 11 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    2016
  • دوره: 

    1
تعامل: 
  • بازدید: 

    295
  • دانلود: 

    0
چکیده: 

DISTRIBUTION NETWORK OPTIMIZATION PROBLEM WITH OBJECTIVE SUCH AS MINIMIZING THE LOSS AND SERVICE RECOVERY IN NETWORK, DEVIATION OF THE VOLTAGE AT THE SUPPLY VOLTAGE PROFILE IMPROVEMENT IN THE CONSUMER BE RAISED. THERE ARE DIFFERENT METHODS FOR MULTI-UNIT LOSSES IN THE DISTRIBUTION NETWORK THERE. THEY CAN INCLUDE: CAPACITOR, THE USE IF DISTRIBUTED RESOURCES, LOAD MANAGEMENT TRANSFORMERS AND NETWORK CONFIGURATIONS MENTIONED. THIS ARTICLE IS DISTRIBUTED PRODUCTION ON LOSSES RESULTING FROM CHANGES IN NETWORK CONFIGURATIONS ARE EXAMINED. OPTIMIZATION ALGORITHM USED FOR SOLVING OPTIMIZATION ALGORITHM (TLBO) PROBLEMS. TO DO SO THE OPTIMAL SIZE AND LOCATION OF DG IS FIRST DETERMINED, THEN NETWORK RECONFIGURATION FOR THE 33 AND 83 BUS DISTRIBUTION SYSTEMS. LOSS MINIMIZATION, VOLTAGE PROFILE IMPROVEMENT AND LOAD BALANCING ARE CONSIDERED AS THE OBJECTIVE FUNCTIONS FOR BOTH THE PLACEMENT AND THE RECONFIGURATION PROBLEM. FINALLY, THE RESULTS OBTAINED USING THE PROPOSED METHOD WITH THE RESULTS OF OTHER METHODS ON TWO TEST SYSTEMS COMPARISON AND EVALUATION. THE RESULTS OF THIS SIMULATION ACCURACY VALIDATE THIS MATTER.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 295

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
نویسندگان: 

BABAZADEH REZA | TAVAKKOLI MOGHADDAM REZA

اطلاعات دوره: 
  • سال: 

    2017
  • دوره: 

    28
  • شماره: 

    2
  • صفحات: 

    151-161
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    221
  • دانلود: 

    0
چکیده: 

A TEACHING-LEARNING-BASED OPTIMIZATION ((TLBO)) ALGORITHM is a new population-based ALGORITHM applied to some applications in the literature successfully. In this paper, a hybrid genetic ALGORITHM (GA) -(TLBO) ALGORITHM is proposed for the capacitated three-stage supply chain network design (SCND) problem. To escape infeasible solutions emerged in the problem of interest due to realistic constraints, a combination of a random key and priority-base encoding scheme is proposed. To assess the quality of the proposed hybrid GA-(TLBO) ALGORITHM, some numerical examples are conducted. Then, the results are compared with those of GA, (TLBO) and exact ALGORITHMs.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 221

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1401
  • دوره: 

    1
  • شماره: 

    1
  • صفحات: 

    114-127
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    83
  • دانلود: 

    13
چکیده: 

علیرغم وجود کلیه تجهیزات کنترلی و حفاظتی در یک سیستم قدرت، احتمال وقوع یک خاموشی امری اجتناب ناپذیر است. بنابراین، فرآیند بازیابی یکی از مهمترین دغدغه های بهره برداران سیستم است تا بتوانند در کمترین زمان ممکن خسارات ناشی از آن را کاهش دهند. در فرآیند بازیابی موازی ابتدا جزایر مورد نظر تشکیل شده و سپس بار هر جزیره به طور جداگانه و بصورت همزمان بازیابی می شود. در مرحله بعد، جزایر تشکیل شده با رعایت حداقل مقدار زاویه فاز ایستا با یکدیگر سنکرون شوند. برای انجام این کار، یک طرح چند هدفه بهینه در این مقاله تعریف شده است تا مسائل بازیابی بار و کاهش SPA را به طور هماهنگ بهینه سازی نماید. توابع هدف مدل پیشنهادی شامل به حداقل رساندن زاویه فاز ایستا و به حداقل رساندن انرژی تامین نشده است که با در نظر گرفتن محدودیت های مورد نظر بهینه می شوند. در این راستا از الگوریتم بهینه سازی آموزش و یادگیری ((TLBO)) به عنوان تکنیک پیشنهادی استفاده شده و با برخی از الگوریتم های هوشمند مقایسه شده است. شبیه سازی ها با ایجاد ارتباط بین دو نرم افزار MATLAB و DIGSILENT انجام می شود. نتایج به دست آمده نشان دهنده کارایی مدل پیشنهادی برای دستیابی به اهداف ذکر شده است.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 83

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 13 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1393
  • دوره: 

    5
  • شماره: 

    3
  • صفحات: 

    81-108
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    1276
  • دانلود: 

    293
چکیده: 

یافتن مکان و اندازه بهینه تولیدات پراکنده به عنوان یک مساله بهینه سازی مهندسی مطرح می شود. این بهینه سازی، می تواند با اهداف و مقاصد مختلف فنی، اقتصادی و حتی زیست محیطی انجام شود. در این مقاله، بهینه سازی مکان و اندازه تولیدات پراکنده برای دستیابی به اهداف فنی بر روی بخشی از شبکه توزیع استان کرمان، واقع در منطقه رودبار جنوب- شبکه بخش داری که دارای 745 شین است، انجام شده است. منظور از اهداف فنی، کاهش تلفات و بهبود پروفایل ولتاژ است. برای جایابی تولیدات پراکنده از روش بهینه سازی چندهدفه، که مجموعه ای از جواب های بهینه (دسته پرتو) از فضای تصمیم گیری انتخاب می شوند، استفاده شده است. در این راستا، از الگوریتم چندهدفه بهینه سازی آموزش و یادگیری (M(TLBO)) به منظور انجام بهینه سازی استفاده شده است. الگوریتم M(TLBO) براساس فرآیند آموزش و یادگیری در یک کلاس شکل گرفته است. همه آزمایش های شبیه سازی در محیط نرم افزار DIgSILENT و MATLAB و توسط لینک بین این دو انجام شده است. همچنین، به منظور ارزیابی و انجام مقایسه، الگوریتم وراثتی مرتب سازی مغلوب نشده (NSGA-II) نیز بر روی شبکه یاد شده اجرا شده است.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 1276

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 293 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
نویسندگان: 

Hartoonian armond | KHADEMZADEH AHMAD

اطلاعات دوره: 
  • سال: 

    2017
  • دوره: 

    9
  • شماره: 

    4
  • صفحات: 

    29-36
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    176
  • دانلود: 

    0
چکیده: 

One of the new issues that have been raised in recent years is the hub network design problem. The hubs are collection and distribution centers that are used for the purpose of less connections and more of indirect than direct communications. They are interface facilities which are used as switch centers to collect and distribute flows in the network. They determine routes and organize traffic between source-destination in order to provide high performance and be more inexpensive. In the hub location problem, the aim is to find a suitable location for the hub and routes for sending information from a source to a destination, in order to reduce costs and gain desired purpose by multiple transfers between the hubs. In this paper, teaching and learning based OPTIMIZATION, particle swarm OPTIMIZATION and imperialist competitive ALGORITHM were studied for locating optimally hubs and allocating nodes to the nearest located hub nodes. Experimental results show that optimal location for hubs by using cluster-based OPTIMIZATION ALGORITHM ((TLBO)) successfully has been performed with extreme accuracy and precision.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 176

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
نویسندگان: 

GHANAVATI BEHZAD

اطلاعات دوره: 
  • سال: 

    2017
  • دوره: 

    8
  • شماره: 

    1 (27)
  • صفحات: 

    51-65
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    276
  • دانلود: 

    0
چکیده: 

A high accurate and low-voltage analog CMOS current divider which operates with a single power supply voltage is designed in 0.18mm CMOS standard technology. The proposed divider uses a differential amplifier and transistor in triode region in order to perform the division. The proposed divider is modeled with neural network while (TLBO) ALGORITHM is used to optimize it. The proposed OPTIMIZATION method shows a close characteristic to the ideal current-input voltageoutput divider behavior over wide input range. By using the achieved results of the (TLBO) ALGORITHM simulation results using HSPICE shows the maximum linearity error less than 0.5%.The total power consumption is below 0.14 mW with a single 1.5 V power supply. The proposed divider was laid out in standard 0.18mm CMOS technology and shows high linearity.The output voltage offset is less than 3 mV under all situations. The proposed scheme has potential to be employed in modern high-performance low-voltage analog signal processing systems.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 276

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1402
  • دوره: 

    21
  • شماره: 

    4
  • صفحات: 

    277-285
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    65
  • دانلود: 

    8
چکیده: 

در این مقاله، نحوه طراحی و پیاده سازییک کنترل کننده PID جهت پایدارسازییک سامانه روتور دوقلوییک درجه آزادی ارائه می گردد. با بهره گیری از الگوریتم آموزش و یادگیری ((TLBO))، ضرایب کنترل کننده PID به صورت بهینه تنظیم می شوند و سپس این کنترل کننده بر روی سامانه روتور دوقلویی که در آزمایشگاه کنترل دانشگاه اراک ساخته شده است، پیاده سازی می گردد. هدف از کنترل سامانه روتور دوقلو، پایدارسازی سامانه در حالت صفر درجه افقی است. مدل سازی سامانه غیرخطی روتور دوقلو در فضای حالت انجام می شود و از مدل به دست آمده جهت تنظیم بهینه ضرایب کنترل کننده PID با روش آموزش و یادگیری استفاده می شود. نتایج به دست آمده با روش آموزش و یادگیری با چند روش فرا ابتکاری دیگر شامل الگوریتم ازدحام ذرات، الگوریتم ژنتیک، الگوریتم رقابت استعماری و الگوریتم تکامل تفاضلی مقایسه می گردد. با استفاده از همه روش ها، سامانه با اندکی خطا به پایداری قابل قبولی رسیده است. با وجود این با بهینه سازی توسط الگوریتم آموزش و یادگیری، پایدارسازی و عملکرد سریع تر سامانه کنترل در مقایسه با روش های فراابتکاری دیگر قابل مشاهده است. مزیت عمده استفاده از روش آموزش و یادگیری، عدم وجود پارامترهای کنترلی است که استفاده از آن را راحت می کند. نتایج پیاده سازی آزمایشگاهی نیز اثربخشی و کارایی نتایج به دست آمده از شبیه سازی را تأیید می کنند.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 65

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 8 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
نویسندگان: 

CHENG W. | LIU F. | LI L.J.

اطلاعات دوره: 
  • سال: 

    2013
  • دوره: 

    3
  • شماره: 

    3
  • صفحات: 

    431-444
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    341
  • دانلود: 

    0
چکیده: 

A novel OPTIMIZATION ALGORITHM named TEACHING-LEARNING-BASED OPTIMIZATION ((TLBO)) ALGORITHM and its implementation procedure were presented in this paper. (TLBO) is a meta-heuristic method, which simulates the phenomenon in classes. (TLBO) has two phases: teacher phase and learner phase. Students learn from teachers in teacher phases and obtain knowledge by mutual learning in learner phase. The suitability of (TLBO) for size and geometry OPTIMIZATION of structures in structural optimal design was tested by three truss examples. Meanwhile, these examples were used as benchmark structures to explore the effectiveness and robustness of (TLBO). The results were compared with those of other ALGORITHMs. It is found that (TLBO) has advantages over other optimal ALGORITHMs in convergence rate and accuracy when the number of variables is the same. It is much desired for (TLBO) to be applied to the tasks of optimal design of engineering structures.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 341

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
litScript
telegram sharing button
whatsapp sharing button
linkedin sharing button
twitter sharing button
email sharing button
email sharing button
email sharing button
sharethis sharing button