چکیده پایان‎نامه (شامل خلاصه، اهداف، روش‎های اجرا و نتایج به دست آمده) 1. خلاصه تحقیق: به دلیل اهمیت حسابرسی مستمر و حسابرسی کامپیوتری در ایران، لزوم آگاه نمودن حرفه از تکنیک ها و سیستم های نوین ضروری است. 2. هدف تحقیق: جمع‎آوری و تحلیل نظرات مختلف درباره مبانی نظری موانع به کارگیری الگوریتم ژنتیک در حسابرسی مستقل و فراهم نمودن بستر مناسب برای تحقیقات آتی در زمینه بهره برداری از ابعاد مختلف پروژه در ایران است. 3. روش نمونه‎گیری: با استفاده از روش خوشه‎ای، حداقل حجم نمونه برای هر یک از دو گروه سازمان حسابرسی و موسسات خصوصی، 48 نفر در نظر گرفته شد. 4. روش تحقیق: تحقیق حاضر از نظر هدف، کاربردی و از نظر ماهیت و روش، قیاسی - استقرایی و همبستگی است. 5. ابزار جمع آوری اطلاعات: جهت جمع‎آوری اطلاعات در این پژوهش از دو روش کتابخانه‎ای و پرسشنامه‎ای استفاده شده است. 6. روش تجزیه و تحلیل داده ها: در این پژوهش آزمون های t تک گروهی و دو گروه مستقل، کومولوگروف - اسمیرنوف، همبستگی پیرسون و تحلیل واریانس یک طرفه و برای تحلیل داده های پرسشنامه از نرم‎افزار spss نسخه 18 استفاده شده است. نتیجه کلی: بر اساس نتایج حاصل از تحلیل داده ها در مجموع استنباط می شود میزان شناخت جامعه حسابرسی از الگوریتم ژنتیک کم است و فرضیه های فرعی سوم و چهارم در صورت وجود این سیستم ها به عنوان عامل به کارگیری شناخته شدند.

در این تحقیق مدلی ترکیبی برای مسأله ی انتخاب سبد سهام ارائه شده است. این مدل بر اساس مدل میانگین- واریانس مارکویتز و مدل میانگین- واریانس تحلیل پوششی داده های تقاطعی است و از مزیت های هر دو مدل سود می برد. در این مدل چند هدفه علاوه بر بازده و ریسک،کارایی سبد سهام نیز به طور هم زمان در نظر گرفته می شود. عدم قطعیت یکی از مشکلات اصلی استفاده از مدل های کمّی مدیریت سبد سهام است. مدل میانگین- واریانس به انحراف پارامترهای ورودی مسأله بسیار حساس است. اگر بتوانیم بازده مورد انتظار آینده برای هر سهم و ماتریس کوواریانس را به دقت تخمین بزنیم، مدل میانگین- واریانس سبدهای بهینه ای تولید خواهد کرد. ما در محیطی غیرقطعی زندگی می کنیم که در آن فاکتورهای غیرقطعی زیادی وجود دارد که روی بازده سهام تأثیر می گذارند. بنابراین تخمین دقیق داده های ورودی مورد نیاز مدل کار دشواری است. در این تحقیق برای در نظر گرفتن عدم قطعیت در مدل پیشنهادی، از نظریه ی فازی استفاده نمودیم و بازده سهام را عدد فازی ذوزنقه ای در نظر گرفتیم. با توجه به پیچیدگی محاسباتی مسأله، حل آن از طریق رویکردهای دقیق امکان پذیر نمی باشد. استفاده از رویکردهای فرا ابتکاری راهکار مناسبی برای حل چنین مسائلی است. در این تحقیق نسخه ی دوم الگوریتم ژنتیک چند هدفه با مرتب سازی نامغلوب، برای حل مدل به کارگرفته شده است. در نهایت، برای نشان دادن عملکرد مدل پیشنهادی، مدل را برای 52 شرکت از بورس اوراق بهادار تهران به کار گرفته ایم. نتایج نشان می دهد که مدل پیشنهاد شده کارایی سبد سهام را نسبت به مدل مارکویتز افزایش می دهد بدون اینکه بازده سبد سهام را کاهش دهد و بهتر از مدل مارکویتز عمل می کند. در مقایسه با مدل میانگین- واریانس تحلیل پوششی داده های تقاطعی نیز مدل پیشنهاد شده در سطح قابل قبولی از کارایی، بازده سبد سهام را دو برابر می کند و عملکرد بهتری نشان می دهد.