۲ نتیجه برای برنامه ریزی فازی
کامران شهانقی، علی علیرضایی،
جلد ۲۳، شماره ۴ - ( ۱۲-۱۳۹۱ )
چکیده
چکیده
در حال حاضر با توجه به افزایش سرمایه گذاری در پروژه های بزرگ توسط بخش خصوصی و اجرای بسیاری از طرحها با روشهایی نظیر طراحی، ساخت و تامین مالی برنامه ریزی تامین منابع مالی دارای اهمیت فراوان شده است.
در این مقاله تلاش میشود با توجه به عدم قطعیتها در زمان و هزینه فعالیتهای مختلف یک پروژه، برنامه‌ریزی منابع مالی به صورت وام طوری صورت گیرد تا هزینه تامین مالی یک طرح کمترین مقدار شود. برآورد زمان و هزینه در این مدل، با استفاده از متغیرهای فازی احتمالی، صورت می‌گیرد، همچنین یک نمونه از اجرای پروژه طراحی و ساخت نیروگاه آبی که با توجه به شرایط طراحی و اجرای خاص ذاتا دارای رخداد‌هایی با زمان و هزینه غیرقطعی می‌باشد، به تفکیک بخشهای مهندسی، تامین و نصب، در یک فضای احتمالی فازی مدل شده است و سپس بر اساس روش ارزش انتظاری و روش بیشترین شانس با در نظر گرفتن، محدودیت زمان کل اجرای طرح و محدودیت پیشنیازی فعالیتها مدل‌سازی و حل شده است.
جواب بهینه در این روش بر اساس ترکیب شبیه سازیهای تصادفی و فازی و مفهوم اعتبار با استفاده از الگوریتم ژنتیک می باشد.
مهدی بشیری، امیر فرشباف گرانمایه،
جلد ۲۴، شماره ۱ - ( ۳-۱۳۹۲ )
چکیده
تنظیم مناسب پارامترها، مهمترین نقش را در عملکرد شبکه عصبی ایفا می کند. لیکن بدلیل اینکه هنوز هیچ روش مشخصی برای انجام این کار وجود ندارد، تنظیم پارامترها همچنان مهمترین مشکل در استفاده از شبکه عصبی مصنوعی محسوب میشود. در این مطالعه، سه معیار به عنوان معیارهای عملکرد شبکه عصبی مصنوعی و سه عامل کنترلی که بیشترین تاثیر را روی معیارهای عملکرد دارند، معرفی شده اند. علاوه بر آن طرح باکس- بنکن برای طراحی آزمایشات مربوط به تنظیم پارامترها بکار برده شده است. بررسی یک فرآیند واقعی برای چنین موضوعاتی از اهمیت ویژه ای برخوردار می باشد، لیکن به منظور بررسی و پیش بینی عملکرد روش پیشنهادی، فرض شده است که متغیر خروجی فرآیند شبیه سازی شده دارای یک تابع نسبتا پیچیده اما معین با متغیرهای ورودی می باشد. بعد از استخراج روابط عوامل کنترلی و معیارهای عملکرد تعیین شده مرتبط با شبکه عصبی طراحی شده، روش برنامه ریزی فازی برای یافتن بهینه ترین ترکیب عوامل کنترلی جهت بهترین عملکرد شبکه عصبی مصنوعی بکار گرفته شده است. نتایج حاصل از مثال عددی بررسی شده، کارایی روش پیشنهادی را نشان میدهد. این رویکرد می تواند برای تنظیم پارامترها در حل انواع مختلف مسائل با استفاده از شبکه عصبی مصنوعی استفاده شود.
