یکی از مباحث مهم که در بازار سرمایه مطرح است و باید مورد توجه سرمایه گذاران قرار گیرد، بحث انتخاب سهام و تشکیل سبد سرمایه گذاری بهینه می باشد. تصمیم گیری در زمینه خرید سهام امری پیچیده است و از آنجا که برای تصمیم گیری، مجموعه ای از پارامترها مورد توجه می باشند در این پایاننامه ضمن شناسایی عوامل مالی موثر بر تصمیم گیری، راجع به انتخاب سهام و تشکیل سبد سرمایه گذاری بهینه از روش تحلیل پوششی داده ها استفاده می کنیم. نتایج این پژوهش نشان می دهد که نسبت گردش موجودی کالا، نسبت گردش دارایی ثابت، نسبت سود خالص به درآمد، نسبت سود عملیاتی، نسبت سود ناخالص، درصد توزیع سود، نسبت قیمت به درآمد، بهای تمام شده کالای فروش رفته و هزینه های مالی بیشترین تأثیر را بر روی کارایی نسبی شرکتها در بورس اوراق بهادار تهران دارند و در نهایت به منظور انتخاب سهام جهت تشکیل سبد سرمایه گذاری بهینه، مدلی را پیشنهاد می کنیم تا از بین شرکتهای کارا آن دسته از شرکتها جهت سرمایه گذاری انتخاب شوند که بیشترین تأثیر را بر روی بازدهی و و ریسک سبد سرمایه گذاری داشته باشند.

برنامه ریزی فرآیند و زمانبندی دو فعالیت اساسی در سیستمهای تولیدی است. در مدل تولید کار کارگاهی (js) کلاسیک هیچ نوع انعطاف پذیری در برنامه ریزی فرآیند وجود ندارد. این در حالی است که در سیستمهای ساخت و تولید امروزی، انعطاف پذیری، به عنوان یک مکانیزم پاسخ در برابر تغییرات افزایش یافته است. در چنین سیستمهایی یک قطعه ممکن است دارای چندین برنامه فرآیند منعطف باشد. با وجود ارتباط تنگاتنگ بین دو فعالیت برنامه ریزی فرآیند و زمانبندی، در بسیاری از تحقیقات قبلی این دو فعالیت به صورت جدا یا متوالی در نظر گرفته شده است. تحقیقات نشان داده است که حدود 30% برنامه های فرآیندی که به صورت جدا و بدون توجه به شرایط کارگاه تعیین می شوند، در سطح کارگاه تغییر داده می شود. یکپارچه سازی این دو فعالیت راه کاری موثر برای جلوگیری از تحمل هزینه و تلاشهای اضافی ناشی از این نوع تغییرات، و استفاده از انعطاف پذیری موجود در راستای بهبود عملکرد سیستم است. در تحقیق حاضر یکپارچه سازی برنامه ریزی فرآیند و زمانبندی تولید در سیستم ساخت و تولید کار کارگاهی چند مسیره با تابع هدف کمینه سازی ماکزیمم زمان تکمیل قطعات (c_max ) مطالعه شده و مدل ریاضی آن ارائه شده است. در این مسئله برنامه ریزی فرآیند دارای دو سطح انعطاف پذیری در توالی و مسیر است. با توجه به np-hard بودن مسئله تحقیق، برای حل مسئله یک الگوریتم ایمنی مصنوعی پیشنهاد شده است. جهت ارزیابی عملکرد الگوریتم پیشنهادی، 30 مسئله در ابعاد کوچک، متوسط و بزرگ طراحی و توسط الگوریتم مذکور حل و نتایج آن آورده شده است. از نقطه نظرِ زمان مورد نیاز برای تولید جواب و مقدار بدست آمده برای تابع هدف، نتایج حاکی از عملکرد مطلوب الگوریتم پیشنهادی است. در حوزه زمانبندی عملیات، یکی از فرضیات رایج، فرض در دسترس بودن ماشین ها در افق برنامه ریزی است. اما در محیط های صنعتی واقعی، ممکن است ماشین به دلایل مختلف در طول افق برنامه ریزی در دسترس نباشد. به طور عام، عدم دسترسی به ماشین ممکن است تصادفی-نظیر خرابی و از کار افتادگی ماشین- یا قطعی- نظیر نگهداری و تعمیرات پیشگیرانه، تعمیرات اساسی و زمانبندی های قبلی- باشد. در ادامه ی این تحقیق، مسئله زمانبندی کار کارگاهی چند مسیره با در نظر گرفتن سه تا از مهمترین استراتژی های تعمیرات و نگهداری که به صورت گسترده در صنایع مورد استفاده قرار می گیرند، مورد بررسی قرار گرفته است. از آنجا که این مسئله هم بدلیل پیچیدگی، حل دقیق آن از روشهای معمول میسر نیست، الگوریتم پیشنهادی برای سازگاری با مسائل جدید توسعه داده شد. جهت ارزیابی عملکرد الگوریتم پیشنهادی، 30 مسئله قبلی را هر بار با در نظر گرفتن یکی از سه سیاست های تعمیرات و نگهداری توسط الگوریتم مذکورحل شده است. نتایج حاصل از شبیه سازی نشان دهنده عملکرد مطلوب الگوریتم پیشنهادی از نقطه نظرِ زمان مورد نیاز برای تولید جواب و مقدار بدست آمده برای تابع هدف، می باشد.

مطالعات تجربی زیادی نشان میدهد که نرخ بازده داراییها عموما دارای کشیدگی بیشتری نسبت به توزیع نرمال است و بیشتر سرمایه گذاران یک پورتفولیو را با کشیدگی کمتر توزیع نرخ بازده داراییهای آن ترجیح خواهند داد، وقتی مقدار میانگین، واریانس و چولگی آنها یکسان باشد. در این پایان نامه به منظور اندازه گیری کشیدگی نرخ بازده داراییها مفهوم کورتوسیس تحت معیارهای کردبیلیتی به عنوان ممان چهارم توزیع نرخ بازده داراییها معرفی شده و مدل میانگین-واریانس با چولگی به مدل میانگین-واریانس با چولگی و کشیدگی توسعه داده شده است. علاوه براین به منظور حل این مدل یک الگوریتم هوشمند ترکیبی از الگوریتم ژنتیک، شبیه سازی فازی و شبکه های عصبی توسعه داده شده است. در این الگوریتم شبکههای عصبی به منظور تخمین مقادیر امید ریاضی، واریانس، چولگی و کشیدگی و شبیه سازی فازی به منظور تولید داده ها برای آموزش شبکه عصبی مورد استفاده قرار گرفته است. نتایج محاسباتی نشان میدهد که الگوریتم پیشنهادی نتایج بسیار امیدوارکنند ای را حاصل میکند. علاوه براین نتایج ثابت کرده اند که کشیدگی تاثیری مستقیم بر بهینهسازی پورتفولیو دارد.

در این پایاننامه یک ساختار تصمیمگیری یکپارچه جدید، متشکّل از اوّلویتبندی تأمینکنندگان و تخصیص بهینّه سفارش به آنان با در نظر گرفتن افق زمانی و تخفیف ارائه شده است. در گام اوّل این ساختار، رتبّه بندی تأمین کنندگان به کمک روش های فازی تحلیل سلسله مراتبی و رتبّهبندی ترجیحات براساس شباهت به جواب ایدهآل و با در نظر گرفتن 5 معیار هزینه، نرخ تحویل به موقع محصول، کیفیّت محصول، ظرفیت تولید و پیشینه عملکرد تأمین کننده انجام گرفته است. در گام دوّم این ساختار، تخصیص سفارش به مشتریان به کمک یک مدل ریاضی انجام می شود. البته لازم به ذکر است که در این پایان نامه 3 مدل ارائه شده است، که در دو مدل نخست به توسعه مدل موجود در مقاله جولایی و همکارانش [9] پرداخته شده است. به این صورت که در 2 مدل ارائه شده اوّل، تأثیر تخفیف حجمی و تخفیف خطّی را به همراه محدودیت نرخ تحویل به صورت جداگانه بر روی مدل بررسی نمودهایم. برای حلّ 2 مدل ارائه شده، همان روش حلّیای را که جولایی در مقاله خود استفاده نموده بود (برنامهریزی آرمانی چند پریودی) به کار گرفتیم. در مدل نهایی (مدل 3) ارائه شده، ضمن بررسی تأثیر همزمان دو مدل تخفیف حجمی و تخفیف خطّی بر روی مسأله و در نظر گرفتن محدودیت نرخ تحویل، برخی از پارامترها نظیر تقاضا و نرخ تحویل به موقع محصول را نیز فازی فرض نموده و مسأله را به صورت یک مدل ریاضی چند هدفه فرموله کرده ایم. با توجّه به پیچیدگی مدل 3 و عدم توانایی نرمافزارهای موجود مانند لینگو برای حلّ مسائل بهینّه سازی چند هدفه، یک الگوریتم ترکیبی متشکل از psoga چند هدفه برای حلّ مدل توسعه داده شده است. این الگوریتم، قادر است تقریب خوبی از جوابهای بهینّهی کارآ برای بهینّهسازی اهداف در نظر گرفته شده ارائه دهد. در نهایت، با ارائه چند مثال عددی و آنالیز حساسیّت بر روی پارامترهای الگوریتمهای pso و ga اعتبار روش ارائه شده را بررسی نمودهایم.