برای انطباق بیشتر مسایل کنترل بهینه با پدیده های دنیای واقعی و همچنین به دلیل استفاده از داده های نادقیق ابزارهای اندازه گیری در مدلهای مهندسی، از دو مفهوم فازی و مشتقات مرتبه کسری، به عنوان دو بال برای ارتقای این دسته از مسایل استفاده می کنیم. مساله کنترل بهینه کسری فازی را می توان به کمک مفهوم α- برش به دو مساله کنترل بهینه کسری تبدیل کرد و سپس با استفاده از اصل کمینه پونتریاگین برای مساله کنترل بهینه کسری، مسیر بهینه و کنترل بهینه آن را به دست آورد. برپایه این مطالب، با بیان مفهوم درجه اطمینان برای این دسته از مسایل، شخص تصمیم گیرنده می تواند با اختیار کردن مقدار اطمینان α‎، مسیر بهینه و کنترل بهینه مساله مذکور را به صورت یک بازه محاسبه کند. این در حالی است که هرچه مقدار α‎ به یک نزدیکتر باشد، کران بالا و پایین بازه های به دست آمده برای مسیر بهینه و کنترل بهینه، به مسیر و کنترل بهینه برای حالت دقیق (غیر فازی) مساله نزدیک و نزدیکتر می شوند. ‎\\‎در پایان این مقاله، یک مثال عددی را با روش ارایه شده در این مقاله بر حسب برشهای مختلف α‎ و همچنین مشتقات کسری مراتب مختلف ‎β حل می کنیم و نشان می دهیم که کنترل بهینه و مسیر بهینه به دست آمده در حالت α=β=1‎ با جوابهای بهینه به دست آمده در حالت غیر فازی و با مشتقات مرتبه یک مطابقت دارد.

مدل های تصمیم گیری چند شاخصه (MADM) برای حل مسایلی با معیارهای غالبا ناسازگار بکار می روند. عدم اطمینان موجود در این مدل ها را می توان به دو دسته عدم اطمینان موجود در مقادیر قضاوت ها و عدم اطمینان موجود در بیان قضاوت ها تقسیم نمود. در مدل های MADM فازی، عدم اطمینان در مقادیر قضاوت ها و عدم اطمینان موجود در بیان قضاوت ها با هم ترکیب شده و این عدم اطمینان با استفاده از تئوری فازی بیان می شود، اما در مدل های MADM دو بعدی این دو نوع عدم اطمینان جدا از هم در نظر گرفته شده و برای نشان دادن میزان اطمینان در بیان قضاوت های تصمیم گیر از شاخص درجه اطمینان (CF) استفاده می گردد. به علت وجود ابهام در تعیین یک مقدار قطعی برای CF، در این مقاله برای نشان دادن مقادیر CF از متغیرهای زبانی و یا اعداد فازی استفاده و این مدل جدید، مدل MADM دو بعدی فازی نامیده شده است. همچنین برای حل مدل پیشنهادی نیز یک رویکرد جدید با در نظر گرفتن دیدگاه تصمیم گیر در مورد عدم اطمینان توسعه داده شده است. مثال های عددی حل شده نشان می دهد که در نظر گرفتن درجه اطمینان قضاوت ها با استفاده از شاخص CF فازی می تواند دقت و صحت تصمیم گیری را افزایش دهد.

تحلیل ممیز یکی از روش های رایج طبقه بندی در مسائل بانکی به منظور پیش بینی طبقه بندی یک شعبه جدید با استفاده از اطلاعات شعب موجود است. در تحلیل ممیز به طور معمول پیش بینی وضعیت شعبه مورد نظر تا حدی با عدم قطعیت همراه است. در این مطالعه یک درجه اطمینان جهت تعیین وضعیت دقیق تر شعبه جدید معرفی می گردد. با استفاده از روش تحلیل حساسیت به کمک شبیه سازی مونت کارلو اثر شاخص های بانکی در این درجه اطمینان بررسی و شاخص های تاثیرگذار در طبقه بندی شعب جدید بانکی تعیین می گردد. نتایج نشان می دهد که شاخص سپرده بلندمدت اهمیت خیلی زیاد و شاخص های سود دریافتی و سپرده ها نقش زیادی در کارایی بانک ها دارند و شاخص هایی نظیر تعداد پرسنل، مطالبات معوق و سپرده های قرض الحسنه تاثیر زیادی در طبقهبندی کارایی یا ناکارایی ندارند. این نتایج در تاسیس شعب جدید به مدیران کمک می کند و همچنین می توانند با برنامه ریزی مناسبی به اصلاح و هدایت واحدهای ناکارا به سوی بهبود و کارایی بپردازند.

اطمینان به درجه ای از معرفت گفته می شود که به سرحد یقین فلسفی نمی رسد و در عین حال از ظنون قوی تر است. پیگیری میزان و ملاک حجیت اطمینان به جهت اینکه اغلب معارف به حد و اندازه علم و یقین نمی رسند، بسیار اثرگذار و ضروری است. هرچند نصوص دینی عمل به غیر علم را منع می کنند، اما از آنجا که اساسا علم و یقین منطقی به ندرت حاصل می شود ما را به این مطلب رهنمون می سازد که مراد از علم در نصوص دینی اعم از اطمینان است. همچنین اطمینان در نظر عقلا معتبر شناخته شده و به عنوان حجت لازم الاتباع مورد امضای شرع واقع شده است؛ زیرا با اینکه عمل به اطمینان در منظر شارع بوده، نهیی از آن صورت نگرفته است. باتوجه به یافته های مذکور اطمینان، حجیت ذاتی ندارد ولی در عین حال جانشین انواع قطع اعلم از موضوعی و طریقی می شود.

یکی از تعمیم های عدد وینر برای گراف های وزن دار، تخصیص مقادیر احتمال به یال ها ست. این بدین معنی است که در شرایط غیر استاتیک یال ها فقط با احتمال داده شده ای وجود دارند. عدد وینر قابل اطمینان به صورت مجموع زوج راس های قابل اطمینان از قابل اطمینان ترین مسیرها، دور ها، ستاره ها و جاروها تعریف می شود. نشان داده شده است که عدد وینر قابل اطمینان می تواند به عنوان اندازه شاخه ای به کار برود.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 مرور و مقایسه ای بر انواع متغیرهای تعریف شده در بخش مدلسازی فرایند تحقیق در عملیات خواهیم داشت. از آن جایی که در دنیای واقعی مسائل مربوط به تصمیم گیری های مدیریتی به دلیل فاکتورهای انسانی و پیچیده اجتماعی، روانی، اقتصادی، سیاسی و ... از عدم اطمینان بالایی برخوردارند؛ به نظر می رسد انواع متغیرهای موجود در ادبیات موضوع قادر به تبیین همه حالت های ممکن شرایط واقعی نیستند، بنابراین به معرفی متغیرهای جدید مانند متغیر تصادفی درجه دوم، عدم اطمینان تصادفی، فازی عدم اطمینان، عدم اطمینان فازی و متغیر عدم اطمینان درجه دوم خواهیم پرداخت و تعمیم ترکیبات مختلف متغیر به سطوح بالاتر مطرح خواهد گردید. سپس بر اساس متغیر عدم اطمینان درجه دوم، نسخه های جدیدی از مدل برنامه ریزی خطی با عنوان مدل برنامه ریزی خطی عدم اطمینان درجه دوم و کاملا نامطمئن ارائه خواهیم داد. در ادامه جهت تایید مدل پیشنهادی مثالی عددی مربوط به مساله انتخاب پورتفولیوهای نامطمئن ارائه می نماییم. پس از آن راه حل های بهینه نامطمئن با استفاده از نرم افزار برنامه ریزی محدب ساخت یافته به دست خواهند آمد.

این تحقیق اکتشافی تلاش کرده است که عدم اطمینان و مدیریت عدم اطمینان را با استفاده از برون فکنی اندیشه در میان دانشجویان مترجمی زبان انگلیسی بررسی کند. شرکت کنندگان در این تحقیق از میان دو گروه دانشجویان در مقاطع کارشناسی و کارشناسی ارشد که نمره حد نصاب فراگیر مستقل را در آزمون مهارت زبان انگلیسی کسب کرده بودند انتخاب شدند. داده ها با استفاده از روش برون فکنی اندیشه جمع آوری شده است. همچنین برای دستیابی به تفاوت معنادار در عملکرد مترجمان ازآزمون مجذور کا استفاده گردیده است. نتایج نشان دادند که عدم اطمینان در ترجمه در میان مترجمان حرفه ای بیشتر در سطوح گسترده تر مانند جمله رخ می دهد در حالی که این اتفاق برای مترجمان غیرحرفه ای بیشتر در سطوح کوچکتر مثل واژه صورت می گیرد. همچنین مقایسه در سطوح رفتاری و مراحل ترجمه نیز بیانگر این است که داوطلبان برای مدیریت عدم اطمینان در ترجمه بیشتر تمایل به جستجو در فرهنگ لغت و بازخوانی متن دارند. این تحقیق روش هایی را برای مدیریت عدم اطمینان در ترجمه ارائه کرده است که می توانند مورد استفاده مدرسین، محققان و مترجمان قرار گیرند. 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.

روش های پیشین تنظیم شبکه های توزیع انرژی الکتریکی مانند روش نرخ بازگشت، سرپوش قیمت، سرپوش قیمت به علاوه طرح پاداش و جریمه، انگیزه لازم برای سرمایه گذاری بهینه در شبکه را فراهم نمی کنند. به این معنا که روش نرخ بازگشت منجر به سرمایه گذاری بیشتر از حد مطلوب و روش سرپوش قیمت منجر به کاهش سرمایه گذاری در شبکه می گردد. روش طرح جریمه و پاداش به علاوه سرپوش قیمت نیز به علت ارائه قابلیت اطمینان و انرژی به صورت کالای واحد امکان توزیع بهینه سرمایه در شبکه را فراهم نمی کند. به منظور رفع معضل سرمایه گذاری بهینه، در سال های اخیر روش بیمه به عنوان راهکاری جایگزین برای تنظیم شبکه های توزیع ارائه شده که امکان جداسازی خدمات قابلیت اطمینان از خدمات انرژی و در نتیجه توزیع بهینه سرمایه در شبکه را فراهم می کند.این مقاله در گام نخست با مقایسه ساختار سرمایه گذاری در روش بیمه با ساختار سرمایه گذاری در روش های پیشین تنظیم، مزایای این روش به نسبت روش های قبل را بیان کرده و در گام دوم با بررسی تاثیرات منفی دو معضل سواری رایگان و تاخیر در سرمایه گذاری، لزوم و نحوه به کارگیری راهکاری متمرکز در کنار طرح بیمه را روشن می سازد.

مدل های تصمیم گیری چند شاخصه MADM برای حل مسائلی با معیارهای غالبا ناسازگار به کار می روند. عدم اطمینان موجود در اطلاعات به کار برده شده در این مدل ها که به علت وجود قضاوت تصمیم گیرنده (DM) می باشد. معمولا به شکل فازی در نظر گرفته می شود. در مدل MADM توسعه داده شده در این مقاله علاوه بر عدم اطمینان موجوددر اطلاعات مورد استفاده در مدل، درجه صحت یا اطمینان نسبت به این اطلاعات نیز در نظر گرفته شده است. در این مدل جدید که ما آن را MADM دو بعدی نامیده ایم، در کنار هر نوع اطلاعاتی مانند امتیاز گزینه ها به ازاء هر شاخص و یا وزن شاخص ها، یک پارامتر جدید به عنوان درجه اطمینان CF آن اطلاعات قرار داده می شود. برای حل مدل MADM دو بعدی، دو رویکرد توسعه داده شده و برای بررسی عملکرد مدل پیشنهادی نیز یک مثال عددی با این رویکردها حل شده است. نتایج به دست آمده از حل این مثال نشان می دهد که توجه به درجه اطمینان قضاوت ها می تواند دقت و صحت تصمیم گیری را افزایش دهد.

اخیرا دو مفهوم جدید از درجه در نظریه ی گراف تعریف شده است: ev-درجه و ve-درجه. همچنین شاخص های زاگرب و راندیک ev-درجه و ve-درجه نیز به موازات تعاریف کلاسیک شاخص های زاگرب و راندیک، تعریف شده اند. نشان داده شده است که شاخص های توپولوژیکی ev-درجه و ve-درجه می توانند به عنوان ابزارهای ممکن در تحقیقات QSPR استفاده شوند. در این مقاله، شاخص های نارومی-کاتایامای ev-درجه و ve-درجه را تعریف می کنیم، نیروی پیش بینی شده ی این شاخص های جدید و گراف های اکسترمال را با توجه به این شاخص های توپولوژیکی جدید، بررسی می کنیم. همچنین برخی ویژگی های پایه ای ریاضی شاخص های نارومی-کاتایاما و زاگرب ev-درجه و ve-درجه را ارائه می کنیم. 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.