در این مقاله یک الگوریتم یادگیری برخط برمبنای برنامه ریزی پویای تقریبی تک-شبکه برای حل تقریبی بازی های گرافی دیفرانسیلی زمان پیوسته غیرخطی با تابع هزینه زمان نامحدود و دینامیک معین پیشنهاد شده است. در بازی های گرافی دیفرانسیلی، هدف عامل ها ردیابی حالت رهبر به صورت بهینه می باشد، به طوری که دینامیک خطا و اندیس عملکرد هر عامل بستگی به توپولوژی گراف تعاملی بازی دارد. در الگوریتم پیشنهادی، هر عامل تنها از یک شبکه عصبی نقاد برای تقریب ارزش و سیاست کنترلی بهینه خود استفاده می کند و از قوانین تنظیم وزن پیشنهاد شده برای به روزرسانی برخط وزن های شبکه عصبی نقاد خود بهره می جوید. در این مقاله، با معرفی سوئیچ های پایدار ساز محلی در قوانین تنظیم وزن های شبکه عصبی که پایداری سیستم حلقه بسته و همگرایی به سیاست های تعادل نش را تضمین می کنند، دیگر نیازی به مجموعه سیاست های کنترلی پایدار ساز اولیه وجود ندارد. بعلاوه در این مقاله از تئوری لیاپانوف برای اثبات پایداری سیستم حلقه بسته استفاده می شود. در پایان، مثال شبیه سازی، موثر بودن الگوریتم پیشنهادی را نشان می دهد

در دنیای رقابتی موجود، شرکت ها از انواع ابزارها و راهکارها برای تمایز محصولات خود با محصولات رقبا استفاده می کنند. این مقاله به بررسی برنامه ریزی رسانه های تبلیغاتی و بودجه بندی آن برای چند محصول می پردازد. جنبه های مهمی شامل مرحله ی چرخه ی عمر محصول، طبقه ی ماتریس BCG واکنش رقبا و محدودیت بودجه در مدل پیشنهادی با هدف به حداکثر رساندن سود در پایان افق زمانی در نظر گرفته شد. مسیله ی تعریف شده با رویکرد برنامه پویای تصادفی فرموله شده و از الگوریتم برنامه ریزی پویای تقریبی برای غلبه بر بزرگی ابعاد مسیله و عدم قطعیت قابل توجه موجود در مسیله استفاده شد. در ادامه یک مطالعه موردی با استفاده از تکرار ارزش تقریبی ارایه و حل شد و نتایج مورد بحث قرار گرفت. همچنین، بودجه کل در مقادیر متفاوت مورد بررسی قرار گرفت که نشان می داد با افزایش مقدار بودجه مقدار هدف با سرعت)رشد(کمتری افزایش پیدا می کند.

هدف: انتخاب یک سبد سرمایه گذاری بهینه در طولانی مدت منطقی نیست و با گذشت زمان کارایی خود را از دست می دهد. هدف این مقاله ارائه روشی برای به روز کردن چندمرحله ای سبد سهام است. همچنین از آنجا که بعد این مسئله با گذشت دوره های زمانی، به صورت چشمگیری افزایش می یابد، حل مسئله به روش قطعی ممکن نیست، از این رو هدف دیگر، استفاده از روش تقریبی برای مقابله با این دغدغه است. روش: از برنامه ریزی پویای تصادفی تقریبی چندمرحله ای برای تعیین سبد بهینه سهام و رفع مشکل ناکارایی آن با گذشت زمان استفاده شده است. از نرخ های بازده به عنوان متغیر تصادفی طی دوره ها، از روش مونت کارلو برای سناریوسازی و از معیار ریسک GlueVaR به عنوان معیار اندازه گیری ریسک استفاده شده است. با استفاده از روش تقریبی، امکان حذف برخی از جواب های بهینه افزایش می یابد، از این رو، از الگوریتم ژنتیک برای جست وجو در اطراف پاسخ بهینه بهره برده شد تا در صورت امکان، جواب بهتری به دست آید. مدل سازی این پژوهش توسط نرم افزار متلب و آزمون های آن به کمک نرم افزار SPSS صورت پذیرفته است. یافته ها: در این مقاله از اطلاعات 100 شرکت برتر موجود در بورس اوراق بهادار تهران، در سال های 1390 تا 1396 استفاده شد و بر اساس روش برنامه ریزی پویای تقریبی پیشنهادی، الگوریتم ژنتیک و روش سبد سهام با وزن های برابر، به مقایسه بازدهی و ریسک سرمایه گذاری در سبدهای مختلف پرداخته شده است. نتیجه گیری: آزمون های آماری مربوطه نشان دهنده عملکرد بهتر روش پیشنهادی در مقایسه با دو روش دیگر است.

متن کامل این مقاله به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

در این مقاله، روشی برای کنترل زیربهینه سیستم های چندجمله ای متغیر با زمان ارائه و از آن برای طراحی قانون هدایت ره گیرها استفاده می شود. ازآنجایی که معادلات برخورد ره گیر و هدف به فاصله بین آن ها وابسته هستند و این فاصله در طول پرواز تغییر می کند، طراح قانون هدایت با یک سیستم متغیر با زمان مواجه است. روش های توسعه داده شده برای کنترل سیستم های نامتغیر با زمان، به طور مستقیم قابل استفاده برای سیستم های متغیر با زمان نیستند. یکی از رویکردهای کنترلی مرسوم برای طراحی قانون هدایت ره گیرها، کنترل بهینه می باشد. برنامه ریزی پویای تقریبی یک روش شناخته شده برای حل مسئله کنترل بهینه است. یکی از چالش های کاربرد این روش برای کنترل سیستم های غیرخطی متغیر با زمان، سخت بودن حل معادله بلمن است. در روش پیشنهادی این مقاله، حل معادله بلمن با حل یک مسئله بهینه سازی مجموع مربعات جایگزین شده است. ثابت می شود که سیاست کنترلی طراحی شده با این روش، پایدارساز نمایی فراگیر و زیربهینه خواهد بود. درنهایت، کارایی روش پیشنهادی برای هدایت ره گیرها، از طریق شبیه سازی های عددی نشان داده می شود.

بهره وری سیستم های تولیدی به برنامه ریزی مناسب در زمینه های مختلفی ازجمله تولید، نگهداری و تعمیرات، کنترل موجودی و ... وابسته می باشد. باتوجه به تأثیر عمده و مستقیم برنامه تولید بر سایر زمینه ها، لازم است این برنامه با رویکرد مناسبی تهیه شود تا بتوان سیستم های تولیدی را به درستی مدیریت نموده و هزینه ها را تا حد امکان کاهش داد. محدودیت هایی مانند لزوم تأمین مقدار مشخصی از تقاضا در یک بازه زمانی مشخص، احتمال تولید محصولات معیوب و تحمیل هزینه های ناشی از راه اندازی مکرر سیستم، مدیران را در ارائه یک برنامه دقیق با چالش مواجه می نماید. در این پژوهش، سعی بر آنست که با بهره گیری از فرآیند تصمیم گیری مارکوفی، روند تولید در یک سیستم تک محصولی چنددوره ای و با لحاظ کردن محدودیت های فوق الاشاره برنامه ریزی شود. در مسأله پیش رو با استفاده از تکنیک برنامه ریزی پویای تصادفی، بهترین اقدام ممکن، انتخاب و به عبارتی بهترین حجم تولید برای هر دوره تعیین خواهد شد. هدف، تعیین حجم تولید در هر دوره و به ازای حالات مختلف، به گونه ای است که بتوان در انتهای دوره های مجاز تولید، با کمترین هزینه، کل تقاضا را پوشش داد. اثربخشی مدل با حل یک مثال عددی، بررسی و تحلیل اثرات تغییر پارامترها بر نتایج مسأله ارائه شده است. نتایج نشان می دهد که بین متوسط نرخ هزینه و هزینه های مربوط به راه اندازی سیستم و تولید هر واحد محصول رابطه مستقیمی برقرار و ارتباط نرخ مذکور با احتمال تولید محصولات سالم و ظرفیت تولید، معکوس می باشد. افزایش ظرفیت تولید بعد از آستانه معینی، تأثیری بر متوسط نرخ هزینه نخواهد داشت.

هدف اساسی این مقاله تدوین و ارائه یک الگوی چند بخشی و پویای برنامه ریزی نیروی انسانی است. نتایج تجربی درباره نیروی انسانی مورد نیاز در طول برنام سوم توسعه، بر حسب گروههای شغلی، رشته های تحصیلی و مقاطع تحصیلی است. نخست نتایج تجربی در حل «حل پایه» ارائه شده است. در حل پایه فرض گردیده که نرخ رشد برخی از متغیرهای عمده اقتصاد کلان بر مبنای اهداف مندرج در برنامه سوم تعیین شود. محاسبات بر مبنای الگوی پویای چند بخشی نیروی انسانی نشان می دهند که میزان ازدیاد اشتغال در طول برنامه حدود 1870 هزار نفر و کمتر از نصف پیش بینی برنامه سوم است. با توجه به وابستگی نیروی انسانی مورد نیاز به نرخ رشد تولید و مسیر زمانی متغیرهای عمده اقتصادی، آزمایشهای پویای مقایسه ای متعدد به عمل آمد تا آزمایشهای روند زمانی نیروی انسانی بر حسب گروه های مختلف شغلی، رشته ها و مقاطع تحصیلی، تحت گزینه های سیاستی متفاوت محاسبه گردد. در نخستین آزمایش مقایسه ای، فرض گردید که نرخ رشد هزینه های دولتی به عنوان یک سیاست انبساطی یک درصد بیش از اهداف برنامه باشد. مضاف بر اینکه هزینه های سرمایه گذاری نیز به نحوی افزایش یابند که امکان افزایش تولید را در طول سالهای برنامه میسر سازد.نتایج حاصل از حل عددی الگو نشان می دهد که میزان اشتغال در طول برنامه سوم حدود 145 هزار نفر در مقایسه با حل پایه افزایش می یابد و به حدود 2015 هزار نفر بالغ می گردد. در دومین آزمایش مقایسه ای، فرض شده است که نرخ رشد هزینه های خصوصی به عنوان یک سیاست انبساطی یک درصد بیش از هدف برنامه است. نتایج تجربی نشان می دهند که اثر اتخاذ سیاست های انبساطی در جهت ازدیاد نرخ رشد هزینه های دولتی براشتغال در طول برنامه توسعه سوم است. نتایج حاصل از حل عددی الگو نشان می دهند که چنین سیاستی باعث می گردد که میزان اشتغال در طول برنامه سوم حدود 645 هزار نفر _ در مقایسه با حل پایه _ افزایش یابد و به حدود 2515 هزار نفر بالغ گردد. بر مبنای آزمایش های مقایسه ای متعدد، سعی شد که نرخ رشد هزینه های خصوصی و دولتی و سرمایه گذاری سازگار با اهداف رشد هزینه های مزبور به نحوی تعدیل گردد که ازدیاد اشتغال در طول برنامه سوم تا سر حد مقدور به اهداف تعیین شده در برنامه نزدیک شود با ملاحظه نتایج آزمایش های پویای مقایسه ای، فرض گردید که نرخ رشد هزینه های خصوصی، و همچنین نرخ رشد هزینه های خصوصی به عنوان یک سیاست انبساطی، هر دو درصد بیش از هدف برنامه باشند. نتایج تجربی نشان می دهند که چنین سیاستی باعث می گردد که میزان اشتغال در طول برنامه سوم حدود 1730 هزار نفر در مقایسه با حل پایه افزایش یابد و به حدود 3600 نفر بالغ گردد. تحت عناوین آزمایشهای مقایسه 4، 5، 6 و 7، متناظر با حل پایه و آزمایش های مقایسه ای 1، 2 و 3، با ملحوظ داشتن روند صعودی برای نسبت نیروی کار متخصص به کل نیروی شاغل و روند نزولی برای نسبت بیسوادان به کل نیروی کار شاغل، ساختار نیروی کار بر حسب مقاطع تحصیلی، در طول دوره برنامه ریزی محاسبه گردید. نتایج تجربی نشان می دهند که منظور نمودن روند صعودی برای نسبت نیروی کار متخصص به کل نیروی کار شاغل، تغییرات قابل ملاحظه برای میزان اشتغال نیروی کار متخصص به دنبال خواهد داشت برای نمونه، آزمایش مقایسه ای 3 را که به اهداف اشتغال برنامه سوم نزدیک تر است در نظر می گیریم جایگزینی نیروی کار با سطوح تحصیلی بالاتر به جای نیروی کار با سطوح تحصیلی پایین تر موجب می گردد که در سال 1383، با حدود 839 هزار نفر افزایش، به حدود 2818 هزار نفر در آزمایش مقایسه ای 7 تغییر یابد در سال 1388، نیروی کار متخصص از حدود 2473 هزار نفر در آزمایش مقایسه ای 3، با افزایش برابر با حدود 1705 هزار نفر، به حدود 4178 هزار نفر در آزمایش مقایسه ای 7 بالغ می گردد. با توجه به اینکه تقاضا برای نیروی کار در طول برنامه سوم در سطوح مختلف شغلی و در مقاطع تحصیلی متفاوت، به مراتب کمتر از میزان انتظار برای کاهش نرخ بیکاری است، اتخاذ سیاست های انبساط اقتصادی، به نحوی که هم تقاضای بخش دولتی و هم بخش خصوصی را افزایش دهد توصیه می گردد هدف از اتخاذ تدابیر انبساطی اقتصادی ازدیاد تولید و، به تبع آن، سطح اشتغال در گروه های مختلف شغلی و در مقاطع تحصیلی مختلف است. در این زمینه، سیاست هایی که در جهت ازدیاد عرضه و ظرفیت تولید اقتصاد کشور عمل می کنند، با توجه به تبعات احتمالی آن در مورد ازدیاد قیمت ها، رجحان دارد. لذا، در اتخاذ سیاست های انبساطی اقتصادی، تاکید اساسی باید بر افزایش سرمایه گذاری و رفع موانع و محدودیت های اداری، مالی، و اعتباری در جهت ازدیاد انگیزه سرمایه گذاری خصوصی قرار گیرد.