مقدمه: از آن جایی که کلیه بیمارستان ها اعم از دولتی و خصوصی، هزینه های سنگینی را در بخش بیماری کبد تقبل می کنند، ارایه روشی به منظور پیش بینی بیماری کبد ضرورتی اجتناب ناپذیر است. در این مقاله، مدل ترکیبی بر مبنای الگوریتم بهینه سازی شیرمورچه و k نزدیک ترین همسایه به منظور تشخیص بیماری کبد ارایه می گردد. مواد و روش ها: در این مطالعه توصیفی-تحلیلی یک مدل ترکیبی مبتنی بر الگوریتم های یادگیری ماشین برای طبقه بندی افراد به دو دسته سالم و مبتلا به بیماری کبد طراحی شده است. مدل پیشنهادی با استفاده از نرم افزار MATLAB شبیه سازی شده است. مجموعه داده مورد استفاده در این مقاله، مجموعه داده ILPD موجود در مخزن داده یادگیری ماشین دانشگاه ایروین کالیفرنیا است. این مجموعه داده شامل شامل 583 رکورد مستقل شامل 10 ویژگی برای بیماری کبد است. یافته های پژوهش: داده های این مجموعه پس از پیش پردازش به صورت تصادفی به 20 دسته از کل مجموعه داده تقسیم شدند که شامل داده های آموزش و آزمون متفاوت بودند. در هر دسته داده از 90 درصد داده ها برای آموزش و 10 درصد باقی مانده برای آزمایش استفاده شد. نتایج حاصله در بهترین حالت بر مبنای تمامی ویژگی ها بر اساس درصد صحت برابر با 23/95 درصد و بر مبنای معیارهای ویژگی و حساسیت درصد صحت به ترتیب برابر 95/93 درصد و 11/94 درصد می باشد. هم چنین درصد صحت مدل پیشنهادی با 5 ویژگی برابر با 63/98 درصد می باشد. بحث و نتیجه گیری: مدل پیشنهادی به منظور تشخیص و طبقه بندی بیماری کبد با دقت بالای 90 درصد پیشنهاد گردید. نتایج حاصل از این مقاله می تواند برای مراکز درمانی و پزشکان مفید واقع شود.

در مطالعات مالی، سبد سهام را می توان به معنی مجموعه ی سرمایه گذاری هایی دانست که توسط یک فرد و یا یک موسسه انتخاب و پذیرفته می شود. انتخاب سبد سهام یکی از اصلی ترین دغدغه های سرمایه گذاران در بازارهای مالی است. مدل میانگین - واریانس با مولفه های مقید به عنوان یکی از مدل های اصلی در حل مساله بهینه سازی سبد سرمایه شناخته می شود. این مدل از لحاظ پیچیدگی، از نوع مسائل غیرخطی چند جمله ایNP-hard  است که به صورت دقیق قابل حل نیستند. در این پژوهش با استفاده از الگوریتم ترکیبی شیرمورچه - ژنتیک (ALOGA) و الگوریتم ترکیبی یادگیری افزایشی مبتنی بر جمعیت و تکامل تفاضلی (PBILDE) که از مدل های فراابتکاری نوین در حل مسائل بهینه سازی هستند، برای بهینه سازی سبد سرمایه گذاری با هدف افزایش بازده و کاهش ریسک استفاده شده است. از میان 591 شرکت حاضر در بورس اوراق بهادار تهران، 150 شرکت در بازه زمانی فروردین 1391 الی اسفند 1393 با استفاده از روش غربالگری به عنوان نمونه نهایی انتخاب شدند. داده های مربوط به این شرکت ها توسط الگوریتم های بکار رفته در تحقیق مورد تجزیه و تحلیل قرار گرفت و کارآیی آنها با یکدیگر مقایسه گردید. نتایج پژوهش حاکی از آن است که الگوریتم های ALOGA و PBILDE کارایی مناسبی برای حل مساله ی بهینه سازی سبد سهام دارند. بعلاوه، با استفاده از الگوریتم ALOGA می توان با دقت و کارایی بالا سبد سهام بهینه تشکیل داد.

در حملات فیشینگ یک وبگاه جعلی از روی وبگاه اصلی جعل میگردد که ظاهر بسیار شبیه به وبگاه اصلی دارد. فیشر یا سارق آنلاین برای هدایت کاربران به این وبگاهها، معمولا لینکهای جعلی را در ایمیل قرار داده و برای قربانیان خود ارسال نموده و با روشهای مهندسی اجتماعی سعی در فریب کاربران و مجاب نمودن آنها برای کلیک روی لینکهای جعلی دارد. حملات فیشینگ زیان مالی قابل توجهای دارند و بیشتر روی بانکها و درگاههای مالی متمرکز هستند. روشهای یادگیری ماشین یک روش موثر برای تشخیص حملات فیشینگ است اما این مشروط به انتخاب بهینه ویژگی است. انتخاب ویژگی باعث میشود فقط ویژگیهای مهم به عنوان ورودی یادگیری در نظر گرفته شوند و خطای تشخیص حملات فیشینگ کاهش داده شود. در روش پیشنهادی برای کاهش دادن خطای تشخیص حملات فیشینگ یک طبقهبندی کننده شبکه عصبی مصنوعی چند لایه استفاده شده که فاز انتخاب ویژگی آن با الگوریتم بهینهسازی شیرمورچه انجام میشود. ارزیابی و آزمایشها روی مجموعه داده Rami که مرتبط با فیشینگ است نشان میدهد روش پیشنهادی دارای دقتی در حدود 98.53 % است و نسبت به شبکه عصبی مصنوعی چند لایه خطای کمتری دارد. روش پیشنهادی در تشخیص حملات فیشینگ از روشهای یادگیری BPNN ، SVM ، NB ، C4.5 ، RF و kNN با سازوکار انتخاب ویژگی توسط الگوریتم PSO دقت بیشتری دارد.

در این مقاله مساله ی مکان یابی هاب در یک شبکه غیر کامل با ساختار سلسله مراتبی بررسی شده است. تخصیص نقاط به هاب در شبکه به صورت تکی است. گره های هاب و مسیرها ظرفیت دار است. تابع هدف اول مساله از نوع "حداقل حداکثر" بوده و جهت حداقل سازی حداکثر زمان جابجایی در شبکه استفاده می شود و تابع هدف دوم از نوع "حداقل مجموع" بوده و جهت حداقل سازی مجموع هزینه های جابجایی در شبکه استفاده شده است. در نهایت مساله ی مکان یابی هاب چند هدفه با ساختار سلسله مراتبی، با تخصیص تکی و ظرفیت دار با استفاده از برنامه ریزی عدد صحیح مختلط مدل سازی می شود. جهت ارزیابی عددی مدل ایجاد شده ابتدا مساله در ابعاد کوچک جهت بررسی شدنی بودن توسط نرم افزار گمز و روش حل شد. با توجه به بودن مساله ی موجود جهت حل مساله در ابعاد متوسط و بزرگ از روش های فراابتکاری استفاده گردید. در این تحقیق از دو روش فراابتکاری به نام های ژنتیک نامغلوب چند هدفه (نسخه ی دوم) و بهینه ساز شیرمورچه ی چندهدفه استفاده شد. جهت مقایسه ی نتایج از شاخص های مقایسه ای به نام های تعداد جواب پارتو، بیشترین گسترش، فاصله ی متریک و زمان محاسبه استفاده شد. مقایسه ی نتایج توسط یک روش آماری انجام شد. نتایج نشان داد الگوریتم شیرمورچه ی چندهدفه جواب هایی با پراکندگی بیشتر نسبت به الگوریتم ژنتیک نامغلوب تولید کرده و در مقابل الگوریتم ژنتیک نامغلوب سرعت حل بالاتری نسبت به الگوریتم بهینه ساز شیرمورچه داشته است.

به منظور کاهش هزینه ها و افزایش کارایی سیستم زنجیره ی تأمین، تخلیه ی بارگیری هم زمان یکی از مهم ترین راهبردهای مدیریت انبارداری برای ترکیب محصولات از تأمین کنندگان مختلف به مشتریان مختلف است. در این پژوهش حالتی از تخلیه ی بارگیری هم زمان بررسی شده است که در آن کامیون ورودی می تواند کامیون خروجی هم باشد. این کار مزایایی مانند کاهش زمان تخلیه، بارگیری و کاهش هزینه های اجاره ی کامیون را به همراه دارد. به منظور بررسی این حالت از مسئله، مدلی ریاضی ارائه شده است و به منظور دست یابی به جواب مناسب و مشخص کردن اعتبار و صحت مدل سازی از نرم افزارهای بهینه سازی مثل گمز، متلب و از الگوریتم های فراابتکاری شیرمورچه، الگوریتم بهینه سازی حافظه و کلونی مورچگان برای حل مدل ریاضی استفاده شده است. نتایج قابل استفاده بودن پیشنهاد مطرح شده و کارایی خوب الگوریتم شیرمورچه را در حل این مسئله نشان می دهد.

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.

از قبیله Acanthaclisini متعلق به خانواده ی Myrmeleontidae، جنس Acanthaclisis با سه گونه و جنس Synclisis با یک گونه پیش از این از ایران گزارش شده است. در این پژوهش Centroclisis cervina بر اساس تک نمونه نری که در سال 1989 جمع آوری شده بود، برای اولین بار از ایران گزارش می شود. یافته اخیر اولین گزارش از وجود جنس Centroclisis برای فون شیرمورچه های ایران محسوب می شود. کلید شناسایی برای جنس ها و گونه های این قبیله در ایران، به همراه تصاویر مربوطه و همچنین نقشه پراکنش گونه ها ارائه شده است.

شکست یک سد خاکی می تواند موجب بروز بحرآن های شدید در ناحیه سیلاب زده پایین دست گردد. لذا تعیین دقیق ویژگی های شکافت و جریان در ارزیابی خطرهای حاصل از خرابی سد از اهمیت به سزایی برخوردار است. در این تحقیق از مدل های آزمایشگاهی با مصالح دآنه ای در اندازه و خصوصیت های مکانیکی مختلف برای مطالعه فرسایش و نقش آن در گسترش هندسی شکافت استفاده شده است. از رگرسیون چندمتغیره در توسعه رابطه جدید برای تعیین دبی اوج (Qp) بهره گیری شده که در آن پراسنجه های بدنه سد در کنار پراسنجه های هیدرولیکی به کار رفته اند. نتیجه ها نشان می دهد مشارکت این ویژگی ها توانسته کارآیی را در تعیین Qp حاصل از شکست سد خاکی ارتقا دهد. از آنجائی که نرخ تکامل عرض متوسط شکافت (Bave) و عمق آن (Hb) نقش اثرگذاری بر آب نمود خروجی دارد، علاوه بر ارائه رابطه های جدید برای این دو پراسنجه، با مشارکت منابع مختلف داده ای و استفاده از برنامه ریزی بیان ژن (GEP) در تعیین آن، محدوده تغییرات جدیدی برای نسبت های بی بعد Hb بر ارتفاع سد (Hd) و نیز Bave بر عرض بالایی (Bt) و پایینی آن (Bb) معرفی و خروجی آن به سدهای لغزشی نیز بسط داده شده است. بر مبنای شاخص های عملکردی و آماری در رابطه ها، مقدارهای ضریب R2 برای Qp معادل با 91/0، برای Bave معادل با 99/0 و برای Hb برابر با 97/0 به دست آمده است.

در این مطالعه، یک روش بهینه سازی چندهدفه برای بهره برداری بهینه از منابع انرژی محلی و بار مشترکین در یک ریزشبکه در حضور برنامه های پاسخگویی بار ارایه شده است. توربین بادی و پنل فتوولتاییک منابع تجدیدپذیر ریزشبکه هستند. از برنامه های پاسخگویی بار زمان استفاده و قیمت گذاری اوج بحرانی نیز برای بهبود الگوی مصرف مشترکین ریزشبکه استفاده شده است؛ به علاوه، مشترکین سعی می کنند در زمان هایی مصرف الکتریکی داشته باشند که منابع تجدیدپذیر در دسترس هستند. حداکثرسازی سود بهره بردار ریزشبکه از فروش برق و حداقل سازی میزان تولید گازهای آلاینده از منابع انرژی به عنوان توابع هدف مسیله مدیریت سمت تقاضا در نظر گرفته شده اند. از الگوریتم بهینه سازی چندهدفه شیرمورچه برای بهینه سازی نامغلوب شاخص های ریزشبکه و ایجاد صفحه بهینه پارتو استفاده می شود. پس از اعمال الگوریتم بهینه سازی چند هدفه، از روش فازی برای انتخاب بهترین ذره که معادل به بهینه ترین برنامه بهره برداری از ریزشبکه است، استفاده می شود. در نهایت، کارایی روش پیشنهادی در یک ریزشبکه نمونه مورد ارزیابی قرار می گیرد. نتایج نشان دهنده این موضوع هستند که روش پیشنهادی با اصطلاح الگوی مصرف و بهینه سازی بهینه واحدهای تجدیدپذیر و باطری، کارایی ریزشبکه را به میزان قابل توجهی بهبود می بخشد. روش پیشنهادی برای مدیریت انرژی نه تنها باعث افزایش سودآوری شرکت بهره بردار ریزشبکه می شود، میزان آلایندگی زیست محیطی ریزشبکه نیز به میزان قابل توجهی کاهش می یابد.