هدف این مقاله بررسی رفتار اختلاف قیمت پیشنهادی خریدوفروش سهام و عوامل تأثیرگذار بر آن، بر مبنای یک مدل هوشمند است. اختلاف قیمت پیشنهادی خریدوفروش سهام یکی از معیارهای ارزیابی ریسک نقدشوندگی سهام و انتخاب سهام در پرتفولیوی سرمایه گذاری است. لذا این پژوهش با برآورد اثر متغیرهای مالی شرکت ها بر مقدار اختلاف قیمت پیشنهادی خریدوفروش سهام در قالب مدل غیرخطی و هوشمند کلونی زنبورعسل مصنوعی (ABC) و مقایسه آن با مدل های خطی مرسوم، درصدد ارائه راهکاری جهت کاهش اختلاف قیمت پیشنهادی خریدوفروش سهام پرتفولیوی سرمایه گذاری است. بر این اساس، از میان شرکت های پذیرفته شده در بورس اوراق بهادار تهران، 129 شرکت انتخاب شده اند. نتایج پژوهش نشان دهنده آن است که نتایج برآوردی و تحلیلی مدل غیرخطی مبتنی بر الگوریتم ABC بهتر از مدل خطی مبتنی بر داده های پانل می باشد.

در این تحقیق، الگوریتم کلونی زنبور عسل مصنوعی، برای حل مساله بهینه سازی بهره برداری از سیستم تک مخزنه استفاده شده است. بدین منظور، با ایجاد اصلاحاتی در الگوریتم پایه کلونی زنبور عسل مصنوعی، الگوریتم اصلاحی کلونی زنبور عسل مصنوعی معرفی شد. مساله بهره برداری بهینه ساده و برقابی از سیستم سد تک مخزنه سد دز (در دو دوره زمانی 5 و 20 ساله) حل و نتایج آن با سایر یافته های دیگران مقایسه شد. برای حل دو فرمولبندی ارائه شد که در فرمولبندی اول، مقدار آب خروجی از مخزن سد و در فرمولبندی دوم حجم ذخیره مخزن سد به عنوان متغیر تصمیم در نظر گرفته شد. نتایج نشان داد که در حل مساله بهره برداری ساده 5 و 20 ساله با استفاده از فرمولبندی اول، مقادیر تابع هدف الگوریتم اصلاحی کلونی زنبور عسل مصنوعی نسبت به الگوریتم پایه به ترتیب، %94/9 و %266/55 بهبود یافته و در حل مساله بهره برداری ساده 5 و 20 ساله با استفاده از فرمولبندی دوم، درصد بهبود مقادیر تابع هدف به ترتیب، برابر با %63/14 و %18/7 بود. علاوه بر این، در حل مساله بهره برداری برقابی 5 و 20 ساله با استفاده از فرمولبندی اول، مقادیر تابع هدف الگوریتم اصلاحی کلونی زنبور عسل مصنوعی نسبت به الگوریتم پایه به ترتیب %76/7 و %47/26 بهبود یافته و در حل مساله بهره برداری برقابی 5 و 20 ساله با استفاده از فرمولبندی دوم، درصد بهبود مقادیر تابع هدف به ترتیب، برابر با %79/3 و %49/25 بود. در مجموع، مقایسه نتایج نشان دهنده آن است که با استفاده از الگوریتم اصلاحی کلونی زنبور عسل مصنوعی نتایج مناسب تر و با هزینه محاسباتی کمتر در مقایسه با الگوریتم پایه حاصل شده است که در آن نتایج فرمولبندی اول از دوم مناسب تر است.

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

این پژوهش با رویکرد ترکیبی، با به کارگیری شبکه عصبی بازگشتی مبتنی بر الگوریتم کلونی زنبورعسل مصنوعی (ABC-RNN)، درصدد ارائه مدلی بهینه برای پیش­ بینی قیمت سهام در بورس تهران است. برای این منظور با استفاده از داده های سهام پذیرفته شده در بازار اول تابلوی اصلی بورس تهران که طی سال­ های 1390 تا پایان سال 1394 مورد معامله قرارگرفته است، ضمن تعریف مؤلفه­ های تکنیکال و بنیادی متعدد، با به کارگیری فرآیند رگرسیون-همبستگی قدم به قدم (SRCS)، مؤلفه­ های مؤثر بر قیمت سهام انتخاب شده و به عنوان ورودی مدل تعریف می­ شود. در مرحله بعد، الگوریتم کلونی زنبورعسل مصنوعی (ABC) در یک فضای طراحی پارامتری، برای بهینه کردن وزن­ ها و تورش­ های شبکه عصبی بازگشتی بکار گرفته می­ شود. برای ارزیابی عملکرد مدل، از چندین معیار برای سهام شرکت­ های پذیرفته شده در بورس تهران استفاده می­ شود. نتایج نشان دهنده آن است که استفاده از شبکه عصبی بهینه شده با الگوریتم کلونی زنبورعسل مصنوعی، دقت قابل ملاحظه ای در مقایسه با سایر روش­ های پیش­ بینی دارد.

به منظور ارزیابی اثرات تغذیه ای سطوح مختلف جلبک کلرلا به عنوان مکمل پروتیینی بر میزان تخم گذاری ملکه، لارو، شفیره، ذخیره گرده و جمعیت کلونی، آزمایشی با جیره های غذایی مختلف در قالب طرح کاملا تصادفی با 4 تیمار و 10 تکرار در زنبورستان پردیس کشاورزی دانشگاه تهران انجام گرفت. تیمارهای آزمایشی شامل: 1. جیره شاهد 2. جیره پایه حاوی 5 درصد کلرلا 3. جیره پایه حاوی 10 درصد کلرلا 4. جیره پایه حاوی 20 درصد کلرلا بودند. نتایج حاصل از تجزیه و تحلیل آماری داده ها نشان می دهد که تیمارها از نظر خوش خوراکی و میزان مصرف جیره ها پرورش نوزاد (مجموع تخم، لارو و شفیره) و جمعیت کلونی ها تفاوت معنی دار دارند (05/0

بهینه سازی، ابزاری قدرتمند برای کاهش هزینه های غیرضروری در مسائل اجرایی است. از آنجایی که مسائل بهینه سازی ترکیبی مانند: مساله فروشنده دوره گرد (TSP) و انواع مسائل مسیریابی وسیله نقلیه ((VRP از نوع N P-hard هستند، توصیه های تخصصی مبتنی بر حل آن ها توسط الگوریتم های فراابتکاری است. در نوشتار حاضر، مطالعه یی تفصیلی بر پیشینه به کارگیری الگوریتم کلونی زنبور صورت گرفته است. نتایج مطالعات پیشین، حاکی از توانایی قابل توجه الگوریتم مذکور در بهبود پاسخ های مسائل مختلف است. در تکمیل موارد بیان شده، نتایج مدل سازی الگوریتم کلونی زنبور مصنوعی با به کارگیری عملگرهای بهبوددهنده برای ارتقاء کارکرد الگوریتم، در قالب 2 مساله فروشنده دوره گرد و مسیریابی وسیله نقلیه توسط نویسندگان نیز تاییدی بر ایده مطرح شده است. به طوری که نتایج اجرای الگوریتم بر مسائل نمونه معتبر، نشان از بهبود در پاسخ های 2 مساله مذکور دارد، که این امر گواهی بر تولید پاسخ های با کیفیت با استفاده از الگوریتم کلونی زنبور برای حل مسائل پیچیده و عملکرد موفق آن در قیاس با سایر الگوریتم های جمعیت محور در بهبود نتایج است.