متن کامل این مقاله به زبان انگلیسی می باشد. لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

بازاریابی مدرن بر پایه بخش بندی مشتریان استوار است. چرا که دیدگاه محصول محوری جای خود را به مشتری محوری داده است؛ لذا برای حفظ مشتریان کلیدی موجود، مهارت در ایجاد ارتباط صحیح با مشتری ضروری است. بخش بندی یکی از مباحث مطرح در حوزه مدیریت ارتباط با مشتری است. بدین منظور، استفاده از الگوی مناسب بخش بندی مشتریان، به سازمان این فرصت را می دهد که پیشنهادات ارزشمند خود را متناسب با نیازها و خواسته های بخش های هدف گیری شده طراحی و ارایه نموده و در نتیجه عملکرد خود را از دیدگاه های مختلف بهبود بخشد. هدف این مطالعه به کارگیری مدل مناسبی جهت بخش بندی مشتریان بر اساس شاخص هایی مانند طول ارتباط مشتری، تازگی مبادله، تعداد دفعات مبادله و ارزش پولی مبادله می باشد. جهت خوشه بندی داده ها در این مقاله، از تلفیق الگوریتم های بهینه سازی ازدحام ذرات با کای میانگین جهت غلبه بر مشکلاتی مانند حساس بودن به مقدار اولیه و گرفتار شدن در دام بهینه محلی استفاده گردیده است. یافته های تحقیق نشان می دهد که مشتریان متعلق به خوشه اول در شاخص های «طول ارتباط با مشتری» و «تازگی خرید» دارای میانگینی بالا و در شاخص های «فرکانس خرید» و «مبلغ فروش» دارای میانگینی کم تر از سطح متوسط کل مشتریان و همچنین مشتریان متعلق به خوشه دوم در شاخص "تازگی خرید" دارای میانگینی بالا و در شاخص های«طول ارتباط با مشتری»، «فرکانس خرید» و «مبلغ فروش» دارای میانگینی کم تر از سطح متوسط کل مشتریان می باشند؛ لذا مشتریان خوشه اول از نظر وفاداری جزء مشتریان وفادار و از لحاظ ارزش جزء مشتریان نامطمئن و نیز مشتریان متعلق به خوشه دوم از نظر ماتریس وفاداری جزء مشتریان جدید و از لحاظ ارزش جزء مشتریان نامطمئن می باشند. در پایان نیز مشخص می گردد که الگوریتم طراحی شده برای دستیابی به خوشه بندی دقیق تر مشتریان از کارایی بالاتری نسبت به الگوریتم کای میانگین برخوردار است.

لطفا برای مشاهده چکیده به متن کامل (pdf) مراجعه فرمایید.

با عمومیت یافتن مدل های پیچیده هیدرولوژیکی، مدت زمان اجرای این مدل ها، به طور قابل توجهی در حال افزایش است. مقایسه و ارزیابی کارآیی الگوریتم های مختلف بهینه سازی، برای واسنجی این مدل های هیدرولوژیکی، در حال تبدیل شدن به یک مساله مهم است. در این پژوهش برای واسنجی پارامترهای هیدرولوژیکی مدل SWAT 2009 در حوضه آبخیز سنجابی، از الگوریتم بهینه سازی ازدحام ذرات (PSO) استفاده شده است. بدین منظور مدل SWAT با استفاده از لایه خاک، لایه کاربری اراضی، لایه رقومی ارتفاع و اطلاعات هواشناسی حوضه سنجابی اجرا شد و سپس با برقراری ارتباط بین خروجی این مدل و الگوریتم PSO در بسته نرم افزاری SWAT-CUP، 22 پارامتر جریان حساسیت سنجی شد و 8 پارامتر حساس تر برای بهینه سازی مقادیر آن ها انتخاب شدند. مقادیر تابع هدف ناش- ساتکلیف (NS) در دوره واسنجی و اعتبارسنجی به ترتیب برابر با 0.58 و 0.60 به دست آمده است که نشان دهنده شبیه سازی مطلوب رواناب با مدل SWAT پس از واسنجی پارامترهای آن با استفاده از الگوریتم PSO است. همچنین مقدار ضریب تعیین R2 و ضریب RMSE به ترتیب برای دوره واسنجی برابر با 0.65 و 6.74 و برای دوره اعتبارسنجی برابر با 0.67 و 3.66 به دست آمد که بیان گر کارآیی موثر الگوریتم PSO برای واسنجی مدل SWAT در شبیه سازی رواناب است.

پیش بینی درآمدهای مالیاتی قابل حصول در منابع مختلف مالیاتی، علاوه بر تخصیص بهینه منابع محدود سازمانی در جهت وصول مالیات، دولت را در انجام برنامه ریزی های دقیق مالی کمک می نماید. این مقاله با استفاده از الگوریتم تکاملی ازدحام ذرات و نسخه بهبودیافته آن به پیش بینی درآمدهای مالیاتی کشور به تفکیک منابع وصولی (مالیاتهای کل، کالا وخدمات، اشخاص حقوقی، درآمد و ثروت) برای سالهای 95-1392 می پردازد. به این منظور از داده های درآمدهای مالیاتی سالهای 86-1350 برای آموزش شبکه استفاده شده و سپس با استفاده از الگوریتم تکاملی ازدحام ذرات و ازدحام ذرات بهبود یافته پارامترهای این مدل بهینه شده است. از داده های سالهای 91-1387 برای آزمون مدل استفاده شده که نتایج تاییدی بر عملکرد مدل مورد استفاده بوده و در نهایت پیش بینی برون نمونه ای درآمدهای مالیاتی به تفکیک منابع وصولی برای سالهای 95-1392 با استفاده از نرم افزار MATHLAB انجام شده است.