امروزه مسابقات ورزشی تحت عناوین مختلف در سراسر دنیا در حال برگزاری است و طرفداران بسیاری را به خود اختصاص داده است. از این رو محققین در صدد مکانیزه کردن فرآیندهای تصمیمگیری در حوزه تیمهای ورزشی هستند. در این تحقیق علاوه بر بررسی و جمع بندی فعالیتهای صورت گرفته در این زمینه، مسئله انتخاب اعضای تیم ورزشی در بازی های گروهی مطرح شده، و یک سیستم پشتیبان تصمیمگیری (dss) جهت کمک به مربیان و تصمیم گیرندگان این تیم ها ارائه می شود. سیستم پشتیبان تصمیم با استفاده از یک مدل ریاضی و بر مبنای تعداد شاخص ها و گزینه ها اقدام به انتخاب یکی از روش های saw، mew ،promethee یا topsis نموده و پس از حل مسئله، در نهایت یک رتبه بندی را به عنوان خروجی ارائه می کند. این سیستم با استفاده از زبان برنامه نویسی ویژوال بیسیک در قالب یک مطالعه موردی در ورزش والیبال پیاده سازی شده است. اعتبار آن نیز به وسیله مقایسه خروجی با نظرات افراد خبره و هم چنین بررسی عملکرد چند تیم والیبال قبل و بعد از به کارگیری سیستم، مورد تحلیل قرار گرفته است که حاکی از موفقیت سیستم می باشد. در این تحقیق هم چنین با گردآوری نظرات افراد خبره، معیارهای موثر در انتخاب بازیکنان تیم والیبال تعیین شده است.

موضوع این دانشنامه، تعیین ترتیب مطلوب جایگذاری قطعات بر روی بردهای مدار چاپی بوسیله ماشین آلات خودکار همزمان یک هد و دوهد و چندین هد smd می باشد. بدین منظور یک سیستم جامع نرم افزاری که دربردارنده موارد زیر باشد، توسعه یافته است. الف-تسریع در دریافت اطلاعات و پارامترهای مربوط به برنامه نویسی ماشین آلات. ب-یافتن مسیر مطلوب جایگذاری قطعات و افزایش راندمان تولید. (برای انجام این امر، ابتدا مدل ریاضی tsp متقارن و تبدیل آن به مسیر هامیلتونی ارائه شده و سپس جهت حل مدل فوق سه روش ابتکاری در سه مرحله ارائه شده است). ج- تهیه برنامه های ماشین آلات برای محصول موردنظر به زبان خاص هریک از آنها به طور خودکار، در نتیجه کاهش زمان برنامه نویسی و راه ندازی ماشین آلات. د- ایجاد تسهیلات در تغییر برنامه ماشین آلات (اضافه یا حذف نمودن قطعه در برنامه) و محاسبه مجدد مسیر مطلوب جایگذاری قطعات و ارائه برنامه موردنظر ماشین آلات. لازم به ذکر است در حال حاضر در صنایع الکترونیکی که از ماشین آلات خودکار جهت جایگذاری قطعات بر روی بردهای مدار چاپی استفاده می نمایند، نحوه برنامه نویسی و تعیین مسیر مطلوب به صورت ذهنی و آزمایشی و خطا و بدون استفاده از الگوی ریاضی خاصی تهیه می شود. نتایج بکارگیری سیستم جامع نرم افزاری و روش های ابتکاری، نشان داده است که تولید ات یک کارخانه مونتاژکننده قطعات الکترونیکی بین 6 تا 16 درصد افزایش یافته است و زمان راه اندازی ماشین آلات از چهار روز به کمتر از چند ساعت رسیده است و گلوگاههای موجود در خط تولید را کاهش داده است. هم چنین نیاز به نیروی متخصص جهت برنامه نویسی را کاهش داده است.

پژوهش های بسیاری در زمینه ی پیش بینی قیمت برق انجام شده است که در آن ها نتایج مطلوبی هم گزارش شده است. بسیاری از روش های معرفی شده بر روی پیش بینی قیمت های معمولی تمرکز کرده اند، اما با توجه به اینکه سری زمانی قیمت برق بسیار بی ثبات می باشد. این روش ها برای پیش بینی جهش ها مناسب نیستند. با اینکه پیش بینی جهش قیمت برق فرآیندی بسیار متفاوت و پیچیده تر است، از اهمیت ویژه ای برای توزیع کنندگان و مصرف کنندگان برق در مدیریت بحران برخوردار است. پیش بینی جهش قیمت برق از دو جنبه حائز اهمیت است: 1. پیش بینی رخداد جهش و 2. پیش بینی مقدار قیمت جهش. در این پایان نامه ابتدا پژوهش های انجام شده در هر دو زمینه مرور شد و روش ها، ویژگی ها و بازارهای مورد مطالعه بیان شدند. سپس سعی شد پایگاه داده ای با استفاده از داده های 8 بازار مهم جهان که در آن ها جهش های بسیاری ثبت شده اند، معرفی شود. از طرفی با توجه به اینکه هدف این پایان نامه پیش بینی رخداد و مقدار جهش می باشد، پس از بررسی و مرور روش های متداول دسته بندی و تخمین، با تحلیل داده ها مدلی با استفاده از روش های نگاشت خودسازمان ده و تابع شعاعی جبری معرفی شد. تابع شعاعی جبری برای هر دو وظیفه ی دسته بندی و تخمین مورد استفاده قرار گرفت. ویژگی هایی با استفاده از مقادیر قیمت ها و بار مصرفی برای این منظور تعریف شد که به زمان و بازار وابسته نبوده و قابل اعتماد باشند. با بهره گیری از این پایگاه داده ی جهانی، تنوع داده های آموزشی افزایش یافت تا جهت پیش بینی قیمت برای داده های مشاهده نشده، داده ی (آموزشی) تاریخی مشابه ای موجود باشد. با بهره گیری از نگاشت خودسازمان ده در مدل پیشنهادی، پیچیدگی داده ها کاهش یافت. بنابراین با توجه به اینکه قیمت ها در بازارها هر ساعت یا هر نیم ساعت یکبار تعیین می شوند، می توان بدون بروزرسانی مجدد مدل، در فرآیند پیش بینی موفق بود. برای اینکه کارایی و قابلیت اطمینان پایگاه داده ی جهانی در استفاده به عنوان داده های آموزشی در پیش بینی قیمت های بازارهای آلبرتا، پنسیلوانیا-نیوجرسی-مریلند و ایران مشخص شود، آزمایش های مختلفی انجام شد. خطا های بدست آمده از پیش بینی مقدار قیمت جهش ها در بازار آلبرتا، پنسیلوانیا و ایران به ترتیب 12.80%، 3.79% و 2.07% بدست آمد. در حالی که خطا های بدست آمده، بدون استفاده از پایگاه داده ی جهانی به ترتیب 37.05%، 6.73% و 4.50% بودند. کارآمدی مدل پیشنهادی نیز در مقایسه با پژوهش های پیشین مورد ارزیابی قرار گرفت. در بخش نتایج مشخص شد که تابع شعاعی جبری بسیار موثرتر از الگوریتم های قدرتمندی مانند دسته بندی کننده ی بردار پشتیبان در بخش دسته بندی و دقیق تر از مدل قوی شبکه عصبی مبتنی بر یادگیری مارکووارت-لونبرگ در بخش تخمین مقدار قیمت ها عمل می کند. به عنوان مثال دقت پیش بینی وقوع جهش در بازار ایران با استفاده از تابع شعاعی جبری 97.99% و با استفاده از شبکه عصبی 92.46% بدست آمد.

تا کنون روش های مختلفی برای حل مسائل یادگیری تقویتی ارائه شده است و در طول سال های اخیر تسریع روش های حل، یک مساله چالش برانگیز بوده است. برای حل مسائل یادگیری تقویتی از فرآیند تصمیم گیری مارکوف (mdp) استفاده می شود و تا کنون مطالعات زیادی برای بکاربردن روش های مختلف شکل دهی در این حوزه جهت تسریع فرآیند یادگیری انجام شده است، حال اگر با عدم قطعیت در محیط مواجه باشیم (این عدم قطعیت می تواند در مشاهدات، انتقالات و محیط باشد)، محیط مورد بررسی یک محیط نیمه رویت پذیر می شود و مساله تبدیل به فرآیند مارکوف نیمه رویت پذیر (pomdp) می شود که تصمیم گیری در این محیط بغرنج تر خواهد بود و پیدا کردن سیاست بهینه در این حالت از پیچیدگی و سربار محاسباتی بالایی برخوردار خواهد بود. از اینرو بهبود روش های حل این مسائل باعث بهبود تصمیم گیری در محیط هایی با عدم قطعیت می شود، هدف این پایان نامه کاهش مشکلات موجود از طریق بکاربردن روش های شکل دهی است که با استفاده از ویژگیهای ذاتی محیط منجر به تسریع فرآیند یادگیری شوند. در حال حاضر در حل مسائل pomdp یک راه حل قطعی وجود ندارد و روش های موجودبرای حل، تقریبی از راه حل را ارائه می کنند که همراه با سربار محاسباتی بالایی است. هدف این پژوهش این است که با استفاده از شکل دهی پاداش ها سربار محاسباتی کاهش داده شود و از این طریق یادگیری تسریع شود. روش های شکل دهی پاداش پیشنهاد شده مستقل از روش حل pomdp می باشد و از هر یک از روش های حل pomdp می توان برای حل مساله مورد بررسی استفاده کرد که این نشان دهنده جامعیت این روش پیشنهادی است. هم چنین بر خلاف سایر روش های موجود شکل دهی در محیط pomdpکه در آن ها تابع شکل دهی به صورت مساله محور طراحی شده، توابع پیشنهادی در این پایان نامه مستقل از مساله بوده و از ویژگی های ذاتی و ساختاری موجود در محیط pomdp برای شکل دهی استفاده می کنند. از اینرو تابع پیشنهادی قابل پیاده سازی روی مسائل مختلف و بهمراه الگوریتم های مختلف حل مسائل pomdp هستند.

همکاری رهیافتی برای عامل های تصمیم گیرنده است که بتوانند به یک توافق دوسرسود دست یابند در حالی که عامل ها به دنبال افزایش سود شخصی نیز هستند. در این مقاله به منظور ایجاد همکاری میان عامل های خودخواه، مدلی با استفاده از مسأله ی برنامه ریزی چند هدفی طراحی می شود. در این مطالعه تمام عامل ها نسبت به اهداف مشخص شده، توسط مدل های تحلیل پوششی داده ها ارزیابی و عامل های کارا و ناکارا و ابرکارا معرفی می شوند. آنگاه با تعیین سطحی از روابط و تعاملات میان عامل های ابرکارا و ناکارا، همکاری بین آن ها تعریف می شود. بدین ترتیب با طراحی این مکانیزم، عامل های خودخواه در جهت افزایش منفعت خود و منفعت کل سیستم تشویق به همکاری می شوند. الگوریتم ارائه شده با داده های شعب یک بانک ارزیابی و نتایج ارائه شده است.

چکیده ندارد.

چکیده ندارد.

در این پایان نامه طراحی سیستمی را جهت تعیین حوزه های انتخاباتی کشور مورد مطالعه قرار داده ایم. این سیستم که در قالب یک سیستم پشتیبانی تصمیم گیری فضائی می باشد به وسیله دو نرم افزار پشتیبانی می شود. یکی از این نرم افزارها، نرم افزار arcview از نرم افزارهای gis می باشد که داده های سیستم را کنترل نموده و ارتباط کاربر با سیستم واحد خروجیهای فضائی را مهیا میسازد. نرم افزار دیگر، نرم افزار lingo میباشد که مدل ریاضی موجود در سیستم را حل نموده و جوابها را به عنوان ورودی به نرم افزار arcview ارسال می دارد. این دو نرم افزار بوسیله نرم افزار دیگری که وظیفه آن آماده سازی فایلهای ورودی برای استفاده هر یکاز این دو نرم افزار میباشد به هم متصل شده اند. نرم افزار واسط در نظر گرفته شده نرم افزار excel بوده و دلیل انتخاب آن نیز وجود امکانات نسبتا قوی ماکرونویسی در آن میباشد. نقطه قوت مذبور مربوط به قسمت مدلسازی ریاضی میباشد که در فصل سوم این پایان نامه تشریح شده و آن عبارتست از تعیین حوزه های انتخاباتی یک منطقه از طریق گروهبندی واحدهای جغرافیایی موجود در آن منطقه که این مهم بوسیله مدل ریاضی تعیین-تخصیص و حل آن توسط نرم افزار lingo صورت می گیرد. سیستم موجود به صورت موردی برای استان گلستان به اجرا در آمده که اطلاعات ورودی همچون جمعیت واحدهای جغرافیایی (دهستانها) و مراکز شهری و همچنین اطلاعات مربوط به قومیت و شرایط اقلیمی منطقه را دریافت داشته و محدوده حوزه های انتخاباتی را تعیین می نماید.

مسائل تصمیم گیری چند شاخصه‏‎madm‎‏ ، مسائلی انتخاب گر بوده که برای انتخاب مناسبترین گزینه از بین ‏‎m‎‏ گزینه موجود و یا رتبه بندی گزینه ها به کار می رود. گزینه های مسئله ‏‎madm‎‏ توسط ‏‎n‎‏ شاخص ارزیابی سنجیده می شوند و با توجه به ارزش شاخصها برای هرگزینه و همچنین میزان اهمیت هر شاخص برای تصمیم گیرنده، گزینه برتر انتخاب می شود و یا اینکه گزینه ها رتبه بندی می شوند. از آنجائیکه اغلب داده های یک مسئله تصمیم گیری چند شاخصه ، نادقیق و قابل تغییر می باشند، در نتیجه یک تحلیل حساسیت بعد از حل مسئله می تواند کمک موثری برای اتخاذ یک تصمیم صحیح باشد.

استفاده از شبکه های عصبی در مسائل پیش بینی و تصمیم به ویژه در عرصه اقتصاد، در طی دو دهه اخیر گسترش قابل ملاحظه ای یافته است. آنچه که در این پروژه بدان پرداخته می شود، تلاشی است در جهت برقراری یک رابطه منطقی بین چند متغیرکلان اقتصادی و شاخص صنعت خودروسازی در بازار بورس با استفاده از شبکه عصبی و تبیین میزان همبستگی شاخص با این متغیرها.شبکه پیشنهادی یک شبکه پس انتشار است که دارای یک لایه پنهان با پنج گره است. ابتدا به تعریف شاخص و مبانی شبکه های عصبی پرداخته ، سپس مروری بر ساختار داده ها و حل مسئله با استفاده از روش رگرسیون پرداخته می شود. روش رگرسیون در مرحله یادگیری پاسخ مناسبی ارائه می کند اما در مرحله آزمون بدلیل تغییر شرایط حاکم بر روند تغییرات شاخص، پاسخهای این روش دارای خطای بسیار زیادی است. اما شبکه عصبی پیشنهادی که برد پیش بینی آن سه هفته است ، تا حدود زیادی این مشکل را برطرف کرده است. بطوریکه میانگین نسبت خطای کل از 30 درصد در رگرسیون به 7درصد در شبکه عصبی کاهش یافته است. اما جالبترین نتیجه در مرحله آزمون بدست آمده است. در حالیکه میانگین نسبت خطای داده های مرحله آزمون ، در روش رگرسیون بیش از 73درصد است، این رقم در شبکه عصبی کمتر از 7درصد است. در انتهای تحقیق پس از بررسی تاثیر نوسانات پارامترهای شبکه در جواب حاصل از شبکه ، به نتیجه گیری پرداخته می شود.