سارا بیک جانی - گروه مهندسی صنایع، واحد علی آباد کتول، دانشگاه آزاد اسلامی، علی آباد کتول، ایران

در واقع بهینه سازی موضوعی برای یافتن بهترین پاسخ برای مسئله با توجه به اهداف و محدودیت ها می باشد. در پژوهش حاضر، جهت حل مشکل انتخاب پرتفوی بهینه، از اعداد ذوزنقه ای فازی استفاده کردیم. در ادامه، پس از تجزیه و تحلیل-های انجام شده، روش بهینه سازی کلونی مورچه ها و روش SPEA II را انتخاب کردیم که اصلاح الگوریتم ژنتیک است. در این پژوهش، زمان اجرای الگوریتم ها، مورد توجه ویژه قرار گرفت. آزمایش های انجام شده نشان می دهند که زمان اجرای الگوریتم بهینه سازی کلونی مورچه با تعداد پروژه ها به طور قابل توجهی افزایش می یابد که در مقایسه با اصلاحات الگوریتم ژنتیک در صورتی که تعداد پروژه ها بیش از تعداد تعیین شده باشد، به طور قابل توجهی کندتر می شود و الگوریتم ژنتیک مبتنی بر جمعیت اولیه، از سایر الگوریتم های ارائه شده، عملکرد بهتری از خود نشان می دهد و می تواند به عنوان یکی از کارآمدترین الگوریتم ها برای حل مشکل انتخاب پرتفوی بهینه باشد.

الگوریتم های بهینه سازی، شرایط عدم قطعیت، مدل چند هدفه، پرتفوی بهینه