سر ریزهای کناری از انواع سازه های هیدرولیکی هستند که با اهداف مختلف در سیستمهای انتقال آب، شبکه های آبیاری و زهکشی و شبکه های فاضلاب شهری به کار گرفته می شوند. از کاربردهای سرریزهای کناری می توان به آب گیری کانال های فرعی از کانال اصلی و انتقال آب به اهداف مورد نظر، کنترل دبی و انحراف سیلاب و دبی مازاد در رودخانه ها و کانال ها، انتقال و انشعاب فاضلاب های شهری، جداسازی رسوب و کاهش بار بستر اشاره نمود. رفتار هیدرولیکی جریان در مقطع کانال با سرریز کناری از نوع جریان متغیر مکانی با کاهش دبی است. تحقیقات و مطالعات صورت گرفته در خصوص سرریزهای کناری، بیشتر به مشخصات هیدرولیکی سرریز معطوف بوده است. گرچه در حال حاضر مطالعات زیادی در ارتباط با هیدرولیک جریان عبوری از سرریزهای کناری انجام شده است، ولی مروری بر تاریخچه موضوع نشان می دهد، تحقیق و بررسی در این زمینه به خصوص در ارتباط با فرم های مختلف هندسی سرریز و نحوه استقرار آنها در کانال انحرافی نسبت به کانال اصلی، هم چنان از اهمیت خاصی برخوردار است. این مطالعات می توانند به دو روش نظری و تجربی صورت پذیرند. در روش اول می توان به تکمیل مدل ها ی ریاضی موجود و یا ارائه مدل ها ی جدید و کامل تر پرداخت. اما به دست آوردن یک مدل صرفاً ریاضی که بدون استفاده از ضرایب تجربی بتواند پارامترهای مختلف را با توجه به مقدار تأثیرشان در نظر گیرد و جواب ها ی دقیق ارائه کند، به نظر مشکل می رسد. در روش دوم می توان با انجام آزمایش روی مدل آزمایشگاهی، روابط تجربی برای تحلیل این جریان ها ارائه نمود. همچنین، با توجه به گسترش استفاده از مدل های داده محور در علوم مختلف و قابلیت این مدل ها در پیش بینی رفتار توابع غیرخطی پیچیده و وجود پیچیدگی ارتباط بین پارامتر های هیدرولیکی سرریز و جریان، از این مدل ها (مانند مدل شبکه عصبی و مدل عصبی ـ فازی تطبیقی)، می توان برای پیش بینی رفتار سرریز های کناری لبه تیز مستطیلی و منقاری در پلان استفاده نمود. در این راستا در این تحقیق به مطالعه جامع تر ویژگی های هیدرولیکی سرریزهای کناری لبه تیز مستطیلی و منقاری در پلان با استفاده از مدل های داده محور یاد شده برای پیش بینی ضریب تخلیه جریان و دبی عبوری جریان از روی سرریزهای کناری مذکور پرداخته شده است. بررسی نتایج به دست آمده از مدل های شبکه عصبی و عصبی ـ فازی تطبیقی در مقایسه با روابط پیشنهاد شده توسط محققین نشان می دهد، مدل های مذکور در پیش بینی ضریب تخلیه جریان و دبی عبوری جریان از روی سرریز از دقت بالاتری برخوردارند. در این تحقیق دو رویکرد برای تعیین ضریب تخلیه جریان در پیش گرفته شده است. یک بار ضریب تخلیه جریان و مرتبه دیگر دبی جریان به عنوان خروجی هدف استفاده شده است. نتایج نشان دادکه مدل شبکه عصبی در پیش بینی ضریب تخلیه جریان سرریز کناری لبه تیز مستطیلی و مدل عصبی ـ فازی تطبیقی در پیش بینی ضریب تخلیه جریان سرریز کناری منقاری در پلان، خروجی بهتری ارائه می دهند.

امروزه یکی از مهم ترین مباحث ریاضیات و بهینه سازی نظریه ی بازی ها است. از موارد مهمی که در حیطه نظریه ی بازی ها می توان به آن اشاره نمود، سیاست های داخله و خارجه ی دول در برخورد با ملت و سایر دولت ها جهت بهبود منافع، استراتژی پیشبرد تکنولوژی، اقتصاد، روابط، جنگ و قدرت می باشد. از میان حالات گوناگون نظریه ی بازی ها، ساده ترین حالت وقتی است که تمامی بازیکنان از میزان منابع و اهداف یکدیگر باخبر باشند. از این میان می توان به بازی های استکل برگ اشاره نمود. مسائل چند سطحی از مسئله ی استکل برگ توسعه داده شده است. یک مسئله ی دو سطحی، یک بازی دو نفره است که بازیکن اول به ازای تعیین متغیر تحت کنترل خود، پاسخی از بازیکن دوم دریافت می نماید. فضای جواب و هدف برای هر دو بازیکن مشهود و ثابت است. سوالی که در اینجا مطرح می شود این است که بازیکن اول به ازای تعیین چه مقداری از متغیر تحت کنترلش، بیشترین سود را می برد. اما مشکل حل مسائل برنامه ریزی سه سطحی در این است که لزوماً نقاط رأسی فضای قابل دستیابی زیرمجموعه ی نقاط رأسی فضای شدنی نیست و این حالت وقتی اتفاق می افتد که برای مقدار معین و ثابتی از متغیر تصمیم سطح اول، مسئله ی دو سطحی پیرو دارای جواب بهینه ی چندگانه باشد. در این پایان نامه این موضوع مورد مطالعه و بررسی قرار گرفته است تا جواب های چندگانه ی مسئله ی برنامه ریزی دو سطحی پیرو استخراج گردد. حاصل این پژوهش روشی است که این نقاط چندگانه را تولید می نماید که با دو مثال این موضوع نشان داده شده است.

صندوق های مشترک سرمایه گذاری سهام، نوعی شرکت سرمایه گذاری می باشند که با جذب وجوه و منابع مالی سرمایه گذاران، سبدی از سهام شرکت های بورسی تشکیل داده و به مدیریت آن می پردازند. با توجه به پیچیدگی معاملات سهام، استفاده از یک سیستم معاملاتی مشخص به منظور مدیریت بهینه سبد، همواره مورد توجه این صندوق ها بوده است. انجام معامله بر اساس یک سیستم کارآمد، مدیران صندوق را در اتخاذ تصمیماتی به موقع، کارا و متناسب با اهداف صندوق کمک می کند. یک سیستم معاملاتی، مجموع? راهکارهایی مشخص برای تعیین چهار جزء حیاتی معامله یعنی مورد معامله، میزان معامله، زمان خرید و زمان فروش می باشد. در طراحی یک سیستم معاملاتی برای صندوق های سرمایه گذاری سهام، چهار جزء سیستم باید به گونه ای تعیین شوند که متناسب با محدودیت ها و ویژگی های این نهاد مالی باشند. در این پایان نامه یک استراتژی ترکیبی چند مرحله ای به منظور کاربرد در سیستم معاملات صندوق های سرمایه گذاری پیشنهاد می شود. در مرحله اول با طراحی روش تلفیقی « برنامه ریزی سناریو» و «پرامتی» یک مکانیزم برای انتخاب صنایع موفق در محیط غیرقطعی ارائه می شود. سپس با تعریف سه زیرمدل ریسک، بازده موردانتظار و نقدشوندگی و ادغام نتایج آن ها با روش میانگین رتبه ها، پیاده سازی رویکرد بنیادی برای انتخاب شرکت های موفق در میان صنایع منتخب انجام می گیرد. در مرحله سوم میزان تخصیص سرمایه در سطح صنایع و در سطح شرکت ها با استفاده از دو مدل بهینه سازی مشخص می گردد. تشخیص میزان تخصیص در این روش با استفاده از امتیازات به دست آمده در مرحله انتخاب انجام می گیرد. در مرحله آخر با کاربرد استراتژی پله ای در تحلیل تکنیکال، که در این پایان نامه به منظور اجرا در صندوق های سرمایه گذاری طراحی و پیشنهاد شده است، زمان مناسب انجام معاملات تعیین خواهد شد. به منظور افزایش جنبه کاربردی سیستم ارائه شده، مراحل استراتژی در قالب یک نرم افزار، در محیط matlab پیاده سازی شده است که کاربران سیستم معاملاتی را قادر می سازد بدون انجام محاسبات و صرفاً با تهی? مستندات و اطلاعات موردنیاز نرم افزار، نتایج پیشنهادی را داشته باشند. تحلیل گران صندوق های سرمایه گذاری می توانند با به کارگیری مجموعه سیستم معاملاتی و نرم افزار ارائه شده، جهت مدیریت معاملات از راهکاری تعاملی، جامع، کاربردی و منطبق با محدودیت ها وشرایط صندوق بهره گیرند.

دسته بندی یکی از اهداف مهم داده کاوی و بازیابی دانش بوده که به تخصیص یک نمونه به دو یا چند دسته یا گروه از پیش تعیین شده گفته می شود. دسته بندی در زمینه های مختلف مطالعاتی از جمله مباحث مالی، بیولوژی، پزشکی و غیره کاربرد دارد. افزایش عملکرد و قابلیت مدل های دسته بندی همیشه مورد توجه بوده است. انتخاب مشخصه یک روال پیش پردازش در داده کاوی و شناخت الگو است. این رساله با استفاده از نظریه مجموعه سخت و تابع درجه وابستگی، الگوریتمی کارا برای انتخاب مشخصه معرفی نموده و با گسترش یک درخت از زیرمجموعه های مشخصه های اصلی و جستجوی حداقلی با هرس کردن برخی از شاخه ها براساس خاصیت یکنوایی و همچنین شروع جستجو از یک جواب حریصانه، الگوریتمی کارا و دقیق برای مجموعه داده های رسته ای ارائه می نماید. همچنین مدل های دسته بندی با عملکرد مناسب توسعه داده می شود که توانایی مواجه با انواع مشخصه ها شامل عددی، رسته ای و مخلوط را داشته و بتواند بدون تغییر شکل آنها، رفتار متمایزی با هر نوع داده داشته باشد. در واقع، معیارهای فاصله یا مشابهت مدل استنتاج مبتنی بر نمونه ساخته می شود. این معیارهای فاصله، ضمن لحاظ کردن وزن هر مشخصه، از فاصله اقلیدسی برای مشخصه های عددی و از وقوع همزمان مقادیر مختلف برای مشخصه های رسته ای استفاده می کند. محاسبه مقادیر مختلف مشخصه های رسته ای در دو وضعیت با توجه و بدون توجه به دسته محاسبه می شود. علاوه بر این، الگوریتم ژنتیکی پیشنهاد می شود که همانند مدل های استنتاج مبتنی بر نمونه نیاز به عملیات پیش پردازش نداشته و ضمن داشتن عملکرد قابل قبول می تواند قواعد دسته بندی را استخراج نماید. نتایج بدست آمده،حاصل اجرای الگوریتم ها و مدل های دسته بندی پیشنهادی بر روی مجموعه داده های شناخته شده و مقایسه آنها با نتایج ابزارهای تحقیقات پیشین می باشد. مسئله عیب چسبندگی بر روی کلاف های نورد سرد شرکت فولاد مبارکه به عنوان یک مسئله دسته بندی در نظر گرفته شد و پارامترهایی که در ایجاد این عیب، موثر بودند شناسایی شده و بر اساس وجود یا عدم وجود اطلاعات انتخاب گردیدند. پس از پالایش مجموعه داده، عملکرد مدل های دسته بندی پیشنهادی رساله و برخی از ابزارهای شناخته شده روی این مجموعه داده، مورد آزمون قرار گرفته و مشخصه های با اهمیت در دسته بندی ورق ها شناسایی و قواعد دسته بندی با بالاترین دقت جهت تنظیم پارامترهای مختلف فرآیندی به منظور کاهش و حتی حذف عیب استخراج گردیده اند.