خانه ژورنال دانشجویان ایران ( Iranian Students Article House , www.entofa.net )
.
عنوان فارسی مقاله : تجزیه و تحلیل مالی پینچ: الگوریتم هدف گذاری حداقل هزینه فرصت
.
English Article Title: Financial Pinch Analysis: Minimum opportunity cost targeting algorithm
Year: 2018
Publisher: ELSEVIER
Journal: Journal of Environmental Management
DOI: https://doi.org/10.1016/j.jenvman.2018.02.005
Keywords:
#Capital_budgeting
#Project_selection_problem
#Pinch_Analysis
#Minimum_opportunity_cost_targeting
#algorithm
#Branch_and_bound_technique
#بودجه‌بندی_سرمایه
#مشکل_انتخاب_پروژه
#آنالیز_پینچ
#الگوریتم_هدف‌گذاری_حداقل_هزینه_فرصت
#تکنیک_شاخه‌و‌مرز
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#مقاله_انرژی (#Energy)
#علوم_زیستی_و_کشاورزی (#Life_Sciences)
#مقاله_محیط_زیست (#Environmental_Science)
#علوم_انسانی_و_اجتماعی (#Social_Sciences_and_Humanities)
#مقاله_تجارت
#مقاله_کسب_و_کار
#مقاله_مدیریت
#مقاله_حسابداری (#Business_Management_and_Accounting)
#مقاله_اقتصاد
#مقاله_مالی
#مقاله_فاینانس (#Economics_Econometrics_and_Finance)
چکیده مقاله:
برای رسیدن به رقابت بازار و همچنین تولیدات و فرایندهای پایدار، یک شرکت در پروژه های زیست محیطی و حفاظتی مختلفی سرمایه گذاری می کند. بودجه بندی سرمایه اساسا مستلزم تصمیم گیری راجع به تامین بودجه مجموعه ای از پروژه های در دسترس می باشد، آن هم با توجه به محدودیت های مالی مختلف. این مقاله الگوریتم جدیدی را ارائه می دهد، الگوریتم هدف گذاری حداقل هزینه فرصت (MOCTA) ، که این الگوریتم مشکلات بودجه بندی سرمایه را برای انتخاب پروژه های مدیریت محیط زیست نشان می دهد. این الگوریتم مبتنی بر اصول تجزیه و تحلیل پینچ است، و می تواند مستقیما برای پروژه های قابل قبولی که به صورت مشکل برنامه نویسی خطی فرمول نویسی می شوند استفاده شود. الگوریتم پیشنهادی، در رابطه با تکنیک شاخه و مرز، می تواند برای حل مشکل برنامه نویسی خطی یکپارچه و مختلط (MILP) اعمال شود، جایی که پروژه ها یا باید کاملا پذیرفته شوند یا کاملا رد شوند. یک مثال فرضی کاربرد این روش را از طریق جستجوی درختی پیچیده نشان می دهد. روش های پیشنهادی به واسطه مطالعه موردی درباره انتخاب پروژه های حفاظت از انرژی در صنایع کاغذ و خمیر کاغذ هند نشان داده شده اند.
کلمات کلیدی: بودجه بندی سرمایه، مشکل انتخاب پروژه، تجزیه و تحلیل پینچ، الگوریتم هدف گذاری حداقل هزینه فرصت، تکنیک شاخه و مرز
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2rIicWV
.
عنوان فارسی مقاله : تجزیه و تحلیل مالی پینچ: الگوریتم هدف گذاری حداقل هزینه فرصت
.
English Article Title: Financial Pinch Analysis: Minimum opportunity cost targeting algorithm
Year: 2018
Publisher: ELSEVIER
Journal: Journal of Environmental Management
DOI: https://doi.org/10.1016/j.jenvman.2018.02.005
Keywords:
#Capital_budgeting
#Project_selection_problem
#Pinch_Analysis
#Minimum_opportunity_cost_targeting
#algorithm
#Branch_and_bound_technique
#بودجه‌بندی_سرمایه
#مشکل_انتخاب_پروژه
#آنالیز_پینچ
#الگوریتم_هدف‌گذاری_حداقل_هزینه_فرصت
#تکنیک_شاخه‌و‌مرز
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#مقاله_انرژی (#Energy)
#علوم_زیستی_و_کشاورزی (#Life_Sciences)
#مقاله_محیط_زیست (#Environmental_Science)
#علوم_انسانی_و_اجتماعی (#Social_Sciences_and_Humanities)
#مقاله_تجارت
#مقاله_کسب_و_کار
#مقاله_مدیریت
#مقاله_حسابداری (#Business_Management_and_Accounting)
#مقاله_اقتصاد
#مقاله_مالی
#مقاله_فاینانس (#Economics_Econometrics_and_Finance)
چکیده مقاله:
برای رسیدن به رقابت بازار و همچنین تولیدات و فرایندهای پایدار، یک شرکت در پروژه های زیست محیطی و حفاظتی مختلفی سرمایه گذاری می کند. بودجه بندی سرمایه اساسا مستلزم تصمیم گیری راجع به تامین بودجه مجموعه ای از پروژه های در دسترس می باشد، آن هم با توجه به محدودیت های مالی مختلف. این مقاله الگوریتم جدیدی را ارائه می دهد، الگوریتم هدف گذاری حداقل هزینه فرصت (MOCTA) ، که این الگوریتم مشکلات بودجه بندی سرمایه را برای انتخاب پروژه های مدیریت محیط زیست نشان می دهد. این الگوریتم مبتنی بر اصول تجزیه و تحلیل پینچ است، و می تواند مستقیما برای پروژه های قابل قبولی که به صورت مشکل برنامه نویسی خطی فرمول نویسی می شوند استفاده شود. الگوریتم پیشنهادی، در رابطه با تکنیک شاخه و مرز، می تواند برای حل مشکل برنامه نویسی خطی یکپارچه و مختلط (MILP) اعمال شود، جایی که پروژه ها یا باید کاملا پذیرفته شوند یا کاملا رد شوند. یک مثال فرضی کاربرد این روش را از طریق جستجوی درختی پیچیده نشان می دهد. روش های پیشنهادی به واسطه مطالعه موردی درباره انتخاب پروژه های حفاظت از انرژی در صنایع کاغذ و خمیر کاغذ هند نشان داده شده اند.
کلمات کلیدی: بودجه بندی سرمایه، مشکل انتخاب پروژه، تجزیه و تحلیل پینچ، الگوریتم هدف گذاری حداقل هزینه فرصت، تکنیک شاخه و مرز
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2rIicWV
خانه ژورنال دانشجویان ایران ( Iranian Students Article House , www.entofa.net )
.
عنوان فارسی مقاله : بهینه سازی کلونی مورچگان بهبود یافته با همکاری انسان و کامپیوتر برای طراحی مسیر لوله کشتی
.
English Article Title: A human-computer cooperation improved ant colony optimization for ship pipe route design
Year: 2018
Publisher: ELSEVIER
Journal: Ocean Engineering
DOI: https://doi.org/10.1016/j.oceaneng.2017.12.024
Keywords:
#Ship_pipe_route_design
#Optimization_algorithm
#Human_computer_cooperation
#Artificial_solution
#Algorithm_solution
#Ant_colony_algorithm
#طراحی_مسیر_لوله_کشتی
#الگوریتم_بهینه‌سازی
#همکاری_انسان_و_کامپیوتر
#راه‌حل_مصنوعی
#راه‌حل_ساختگی
#راه‌حل_الگوریتمی
#الگوریتم_کلونی_مورچگان
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#مقاله_مهندسی (#Engineering)
چکیده مقاله:
این مقاله الگوریتم بهینه سازی کلونی مورچگان بهبود یافته با همکاری انسان و کامپیوتر (HCCIACO) برای طراحی مسیر لوله کشتی (SPRD) را ارائه می دهد.. SPRD یک مسئله بهینه سازی ترکیبی با محدودیت های عملکردی مختلف است، که یافتن یک راه حل موثر صرفاً با کامپیوتر سخت است. بر اساس نظریه همکاری انسان و کامپیوتر، الگوریتم HCCIACO به طور کامل از تخصص و تجربه طراحان و همچنین توانایی محاسبه کامپیوتری بهره می برد. این روش راه¬حل مصنوعی و الگوریتم را طبق ژنتیک الگوریتم بهینه سازی کلونی مورچگان بهبود یافته (IACO) ترکیب می کند به طوری که رویکرد بهینه سازی برای SPRD در فضای سه بعدی می تواند به دست آید. بهینه سازی کلونی مورچگان بهبودیافته، با کاهش پیچیدگی در محاسبه و مهندسی تا حدودی، مسئله را ساده می کند. در همین حال، این امر الگوریتم را برای جستجوی موثر راه حل پایدار هدایت می کند تا الزامات مهندسی را برآورده کند. در این مقاله، ساختار و روش بروز رسانی راه حل مصنوعی (ساختگی) و همچنین حالت ترکیبی راه حل مصنوعی و راه¬حل الگوریتمی مورد بررسی قرار گرفته است. در مقایسه با روش معمولی، الگوریتم HCCIACO، نه تنها سرعت همگرایی را بهبود می بخشد بلکه کیفیت راه حل را نیز بهبود می بخشد. در نهایت، نتایج شبیه سازی امکان پذیری و کارایی الگوریتم پیشنهادی را نشان می دهد.
واژگان کلیدی: طراحی مسیر لوله کشتی ، الگوریتم بهینه سازی، همکاری انسان و کامپیوتر ، راه حل مصنوعی (ساختگی)، راه حل الگوریتمی، الگوریتم کلونی مورچگان .
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/39Cj5RT
.
عنوان فارسی مقاله : بهینه سازی کلونی مورچگان بهبود یافته با همکاری انسان و کامپیوتر برای طراحی مسیر لوله کشتی
.
English Article Title: A human-computer cooperation improved ant colony optimization for ship pipe route design
Year: 2018
Publisher: ELSEVIER
Journal: Ocean Engineering
DOI: https://doi.org/10.1016/j.oceaneng.2017.12.024
Keywords:
#Ship_pipe_route_design
#Optimization_algorithm
#Human_computer_cooperation
#Artificial_solution
#Algorithm_solution
#Ant_colony_algorithm
#طراحی_مسیر_لوله_کشتی
#الگوریتم_بهینه‌سازی
#همکاری_انسان_و_کامپیوتر
#راه‌حل_مصنوعی
#راه‌حل_ساختگی
#راه‌حل_الگوریتمی
#الگوریتم_کلونی_مورچگان
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#مقاله_مهندسی (#Engineering)
چکیده مقاله:
این مقاله الگوریتم بهینه سازی کلونی مورچگان بهبود یافته با همکاری انسان و کامپیوتر (HCCIACO) برای طراحی مسیر لوله کشتی (SPRD) را ارائه می دهد.. SPRD یک مسئله بهینه سازی ترکیبی با محدودیت های عملکردی مختلف است، که یافتن یک راه حل موثر صرفاً با کامپیوتر سخت است. بر اساس نظریه همکاری انسان و کامپیوتر، الگوریتم HCCIACO به طور کامل از تخصص و تجربه طراحان و همچنین توانایی محاسبه کامپیوتری بهره می برد. این روش راه¬حل مصنوعی و الگوریتم را طبق ژنتیک الگوریتم بهینه سازی کلونی مورچگان بهبود یافته (IACO) ترکیب می کند به طوری که رویکرد بهینه سازی برای SPRD در فضای سه بعدی می تواند به دست آید. بهینه سازی کلونی مورچگان بهبودیافته، با کاهش پیچیدگی در محاسبه و مهندسی تا حدودی، مسئله را ساده می کند. در همین حال، این امر الگوریتم را برای جستجوی موثر راه حل پایدار هدایت می کند تا الزامات مهندسی را برآورده کند. در این مقاله، ساختار و روش بروز رسانی راه حل مصنوعی (ساختگی) و همچنین حالت ترکیبی راه حل مصنوعی و راه¬حل الگوریتمی مورد بررسی قرار گرفته است. در مقایسه با روش معمولی، الگوریتم HCCIACO، نه تنها سرعت همگرایی را بهبود می بخشد بلکه کیفیت راه حل را نیز بهبود می بخشد. در نهایت، نتایج شبیه سازی امکان پذیری و کارایی الگوریتم پیشنهادی را نشان می دهد.
واژگان کلیدی: طراحی مسیر لوله کشتی ، الگوریتم بهینه سازی، همکاری انسان و کامپیوتر ، راه حل مصنوعی (ساختگی)، راه حل الگوریتمی، الگوریتم کلونی مورچگان .
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/39Cj5RT
Forwarded from ترجمه انگلیسی به فارسی
عنوان فارسی مقاله : الگوریتم نهنگ قاتل: یک الگوریتم با الهام از زندگی نهنگ قاتل
.
English Article Title: Killer Whale Algorithm: An Algorithm Inspired by the Life of Killer Whale
Year: 2017
Publisher: ELSEVIER
Journal: Procedia Computer Science
DOI: https://doi.org/10.1016/j.procs.2017.12.141
Keywords:
#Optimization
#Killer_Whale
#Algorithm
#Benchmark
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#بهینه_سازی
#نهنگ_قاتل
#الگوریتم
#معیار
چکیده مقاله:
این مقاله یک الگوریتم جدید الهام گرفته از زندگی نهنگ قاتل را پیشنهاد کرده است. یک گروه از نهنگهای قاتل به نام ماتریلیک که شامل یک رهبر و اعضای گروه است. وظیفه رهبر جستجوی موقعیت و مسیر بهینه برای تعقیب شکار است، و در عین حال تعقیب شکار توسط اعضا گروه انجام می شود. مسیر بهینه به معنی حداقل مسیر و حداکثر سرعت است. بهینه سراسری با مقایسه نتایج اقدامات اعضا به دست می آید. در این الگوریتم، اگر مقادیر تابع هدف از اعضای گروه بیشتر از رهبر باشد، از این رو رهبر باید یک طعمه بالقوه جدید دیگر را پیدا کند. به منظور به دست آوردن عملکرد الگوریتم پیشنهادی، الگوریتم جدید را با سایر الگوریتم های دیگر، با استفاده از تابع ریاضی شناخته شده موجود در مقایسه الگوریتم بهینه سازی پیوسته مقایسه (COCO ) به ویژه الگوریتم بنچ مارک بهینه سازی جعبه سیاه (BBOB )، مورد نیاز است. نتایج بهینه سازی نشان می دهد که عملکرد الگوریتم مورد نظر از الگوریتم های دیگر مانند الگوریتم ژنتیک (GA )، الگوریتم رقابت استعماری (ICA ) و الگوریتم شبیه سازی تبرید (SA ) بهتر بوده است.
کلمات کلیدی: بهینه سازی ، نهنگ قاتل ، الگوریتم ، معیار
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2WNFfLj
.
English Article Title: Killer Whale Algorithm: An Algorithm Inspired by the Life of Killer Whale
Year: 2017
Publisher: ELSEVIER
Journal: Procedia Computer Science
DOI: https://doi.org/10.1016/j.procs.2017.12.141
Keywords:
#Optimization
#Killer_Whale
#Algorithm
#Benchmark
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#بهینه_سازی
#نهنگ_قاتل
#الگوریتم
#معیار
چکیده مقاله:
این مقاله یک الگوریتم جدید الهام گرفته از زندگی نهنگ قاتل را پیشنهاد کرده است. یک گروه از نهنگهای قاتل به نام ماتریلیک که شامل یک رهبر و اعضای گروه است. وظیفه رهبر جستجوی موقعیت و مسیر بهینه برای تعقیب شکار است، و در عین حال تعقیب شکار توسط اعضا گروه انجام می شود. مسیر بهینه به معنی حداقل مسیر و حداکثر سرعت است. بهینه سراسری با مقایسه نتایج اقدامات اعضا به دست می آید. در این الگوریتم، اگر مقادیر تابع هدف از اعضای گروه بیشتر از رهبر باشد، از این رو رهبر باید یک طعمه بالقوه جدید دیگر را پیدا کند. به منظور به دست آوردن عملکرد الگوریتم پیشنهادی، الگوریتم جدید را با سایر الگوریتم های دیگر، با استفاده از تابع ریاضی شناخته شده موجود در مقایسه الگوریتم بهینه سازی پیوسته مقایسه (COCO ) به ویژه الگوریتم بنچ مارک بهینه سازی جعبه سیاه (BBOB )، مورد نیاز است. نتایج بهینه سازی نشان می دهد که عملکرد الگوریتم مورد نظر از الگوریتم های دیگر مانند الگوریتم ژنتیک (GA )، الگوریتم رقابت استعماری (ICA ) و الگوریتم شبیه سازی تبرید (SA ) بهتر بوده است.
کلمات کلیدی: بهینه سازی ، نهنگ قاتل ، الگوریتم ، معیار
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2WNFfLj