توسعه شبکه عصبی مصنوعی ترکیبی به منظور انتخاب سبد محصولات در سازمان ها

Authors

سهراب پوررضا

حسین اکبری پور

محمدرضا امین ناصری

abstract

دنیای امروز شاهد رقابت فشرده سازمان­ها درحوزه­های متنوع است و تصمیم­گیری­ صحیح و بهینه،بخصوص در امور راهبردی مزیت­ رقابتی را برای هر سازمان به ارمغان می­آورد. در این مقاله، مدلی برای یاری مدیران ارشد سازمان در اتخاذ تصمیمات راهبردی توسعه داده شده است. این مدل با استفاده از ترکیب رویکرد تصمیم­گیری چندمعیاره فازی و شبکه عصبی مصنوعی ارائه شده و امکان شناسایی بهترین سبد محصولات برای سرمایه­گذاری را برای مدیران ارشد و بدون دخالت مستقیم آنان در تصمیم­گیری، فراهم می­آورد. در مدل پیشنهادی، اولویت­بندیمحصولات بر اساس معیارهای مورد نظر سازمان انجام می­گیرد، به این نحو که ابتدا از داده­های سالیان گذشته و با استفاده از فرآیند تحلیل سلسه مراتبی فازی، ارزش یا وزنی اولیه برای هر یک از معیارهای انتخاب کالا و هر یک از محصولات کاندید محاسبه می شود­. از آنجایی که اوزان به دست آمده لزوماً بهینه و یا نزدیک به بهینه نیستند، در گام پایانی، شبکه­ عصبی مصنوعی به کار گرفته شده است تا با اعمال فرآیند یادگیری و با بهره­گیری از نتایج به دست آمده، از فرآیند تحلیل سلسله مراتبی، مقادیر وزن­ها بیش از پیش بهبود یافته و جواب قابل قبول­تری توسط مدل ارائه شود. مدل پیشنهادی به صورت مطالعه موردی در یک سازمان دارویی نمونه مورد بررسی قرار گرفته است و مقایسه خروجی آن با نتایج واقعی سرمایه­گذاری انجام شده توسط سازمان، حکایت از ارائه نتایج قابل قبول توسط مدل توسعه یافته در این مقاله دارد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

توسعه شبکه عصبی مصنوعی ترکیبی به منظور انتخاب سبد محصولات در سازمان‌ها

دنیای امروز شاهد رقابت فشرده سازمان­ها درحوزه­های متنوع است و تصمیم­گیری­ صحیح و بهینه،بخصوص در امور راهبردی مزیت­ رقابتی را برای هر سازمان به ارمغان می­آورد. در این مقاله، مدلی برای یاری مدیران ارشد سازمان در اتخاذ تصمیمات راهبردی توسعه داده شده است. این مدل با استفاده از ترکیب رویکرد تصمیم­گیری چندمعیاره فازی و شبکه عصبی مصنوعی ارائه‌شده و امکان شناسایی بهترین سبد محصولات برای سرمایه­گذاری را...

full text

انتخاب سبد سرمایه ریسکی با استفاده از شبکه های عصبی

هدف اصلی این تحقیق دستیابی به یک سبد سرمایه مناسب‌تر برای سرمایه‌گذاران ریسک‌پذیر است. در این تحقیق مدل مارکوتیز در تئوری سبد سرمایه به عنوان مدل مقایسه‌ای استفاده شده است و مدل شبکه عصبی با آن مقایسه شده است. الگوی یادگیری شبکه عصبی، الگوی «پس انتشار خطا» می‌باشد. سبد انتخابی شامل بیست سهم از بازار بورس اوراق بهادار تهران است که برای یک دوره سیزده ماهه مورد مطالعه قرار گرفته است. در هر دو مدل ...

full text

پیش‌بینی تقاضای جهانی گاز طبیعی :توسعه مدل محاساباتی ترکیبی بر پایه شبکه عصبی مصنوعی

Recently natural gas global market attracted much attention since it is cleaner than oil and also is cheaper than renewable energy sources. However, price fluctuations, environmental concerns, technological development, unconventional resources, energy security challenges, and shipment are some of the forces made energy market more dynamic and complex in the last decade. Studying of natural gas...

full text

توسعه شبکه عصبی مصنوعی مبتنی بر الگوریتم ژنتیک به منظور پیش‌بینی آزمایش‌های PVT چاه‌های نفت در صنایع بالادستی

در مرحله صیانت از مخازن نفتی صنایع بالادستی، آزمایش‌های پیچیده‌ای موسوم به PVT برای شناسایی خواص سیالات مخزن انجام می‌گیرد. وجود مشکلاتی چون خطرات احتمالی، زمان‌بر بودن، دقیق نبودن نمونه‌ها و محدودیت‌های دما و فشار، باعث شده تا استفاده از روش‌های هوشمند در این حوزه گسترش یابد. در این پژوهش به منظور اجتناب از مشکلات مذکور و یافتن رابطه پیچیده و غیرخطی داده‌های آزمایش‌های‌ PVT از شبکه عصبی مصنوعی...

full text

انتخاب سبد سرمایه ریسکی با استفاده از شبکه های عصبی

هدف اصلی این تحقیق دستیابی به یک سبد سرمایه مناسب تر برای سرمایه گذاران ریسک پذیر است. در این تحقیق مدل مارکوتیز در تئوری سبد سرمایه به عنوان مدل مقایسه ای استفاده شده است و مدل شبکه عصبی با آن مقایسه شده است. الگوی یادگیری شبکه عصبی، الگوی «پس انتشار خطا» می باشد. سبد انتخابی شامل بیست سهم از بازار بورس اوراق بهادار تهران است که برای یک دوره سیزده ماهه مورد مطالعه قرار گرفته است. در هر دو مدل ...

full text

My Resources

Save resource for easier access later


Journal title:
نشریه مهندسی صنایع

Publisher: پردیس دانشکده های فنی

ISSN 2423-6896

volume 48

issue 1 2014

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023