در مطالعات مختلف مربوط به مسائل زمانبندی، معمولا تمرکز بر برنامه‌ریزی ماشین‌ها و تخصیص کارها به ماشین‌ها و تعیین توالی کارها، به منظور بهینه‌سازی زمان اتمام کارها، می‌باشد. با توجه به ارتباط بین اقتصاد، انرژی و نگرانی‌های زیست محیطی، مصرف انرژی یکی از موارد مهم در برنامه‌ریزی سیستم‌های مختلف می‌باشد. در این مقاله یک مسأله زمانبندی ماشین‌های موازی ناهمگن که در آن سرعت پردازش هر کار روی هر یک از ماشین‌ها قابل تنظیم است، بررسی می‌شود و از آنجا که انرژی مصرفی ماشین‌ها با سرعت پردازش آن‌ها رابطه‌ای مستقیم دارد، هدف مسأله کمینه‌سازی مجموع هزینه‌های انرژی مصرفی و جریمه دیرکرد در تحویل تقاضا‌ی مشتریان می‌باشد. به منظور بهینه‌سازی مسأله، یک الگوریتم فراابتکاری ممتیک و یک الگوریتم فراابتکاری ژنتیک پیشنهاد شده است و در پایان نتایج بدست آمده از دو الگوریتم فراابتکاری پیشنهادی را با یکدیگر و با نتایج حاصل از خروجی نرم افزار بهینه‌سازی گمز، مقایسه و تحلیل می‌ نماییم.

در مدل­های کلاسیک، معمولا تمرکز بر ارائه برنامه زمان‌بندی با اهداف متناظر با زمان تکمیل کارها است حال‌آنکه با توجه به ارتباط بین اقتصاد، انرژی و نگرانی­های زیست‌محیطی، توجه به انرژی مصرفی ماشین­آلات در سالیان اخیر موردتوجه محققین حوزه‌های مختلف قرار گرفته است. همچنین در تحقیقات عموما فرض بر آن بوده است که یک عامل (تولیدکننده) به‌تنهایی سعی در بهینه­سازی هدف خود داشته حال‌آنکه در واقعیت ممکن است چندین عامل تولیدی به دلیل محدودیت‌های خود به‌ناچار از منابع مشترک جهت پردازش کارها استفاده کنند. در همین راستا در پژوهش حاضر، مساله زمان‌بندی دوعاملی در کارگاه ماشین­های موازی ناهمگن موردبررسی قرار گرفته و ازآنجاکه انرژی مصرفی ماشین­ها با سرعت پردازش آن‌ها رابطه­ای مستقیم دارد، هزینه انرژی نیز مورد قرار گرفته است. در اینجا فرض شده است که عامل اول درصدد کمینه­سازی مجموع جریمه­های دیرکرد و هزینه انرژی و عامل دوم درصدد کمینه­سازی مجموع جریمه­های دیرکرد و زودکرد است. از آنجائیکه مساله فوق یک مساله Np-hard است، علاوه بر مدل‌سازی و حل آن، جهت ارائه راه‌حل‌های مناسب برای ابعاد بزرگ، الگوریتم فراابتکاری ممتیک پیشنهاد و به‌منظور بررسی عملکرد آن، نتایج حاصل با نتایج خروجی نرم­افزار گمز و فراابتکاری دیگر مقایسه شده است. با توجه به نتایج حاصل، مشاهده گردید که الگوریتم پیشنهادی در ابعاد مختلف مساله عملکرد مناسبی داشته بطوریکه در ابعاد کوچک، در مقایسه نتایج با روش Lp-Metric وزنی، و در ابعاد بزرگ، با در نظر گرفتن چندین معیار عملکردی مطرح در ادبیات، الگوریتم پیشنهادی کارایی بسیار مناسبی داشته است.

در سال‌های اخیر با تغییر الگوی تعطیلات و شکل‌گیری تعطیلات کوتاه‌مدت، شهرها فرصتی برای توسعه گردشگری پیدا کردند. به همین منظور پژوهش حاضر سعی دارد ابتدا 4 نوع از مهمترین انواع گردشگری داخلی شهر تهران را شناسایی و سپس مدل‌هایی برای پیش‌بینی متغیرهای تأثیرگذار بر پیش‌بینی تقاضای هر یک از آنها پیشنهاد کند. برای این کار از اطلاعات حتی المقدورماهیانه بین سال‌های 1381 تا 1394 استفاده‌شده است. متغیر مستقل این تحقیق تعداد گردشگران داخلی شهر تهران به تفکیک 4 نوع از مهم‌ترین انواع گردشگری داخلی شهر تهران است و متغیرهای وابسته نیز بر اساس روش دلفی فازی و دیماتل فازی انتخاب شدند، چارچوب مدل، ترکیبی از رگرسیون، شبکه عصبی فازی و الگوریتم SVR است که با ترکیب این روش‌ها می‌توان خطای پیش‌بینی را اندازه‌گیری و روش‌ها را باهم مقایسه کرد. نتایج این پژوهش نشان می‌دهد رویکرد ترکیبی رگرسیون و شبکه‌های عصبی فازی (ANFIS ) دارای کمترین خطا در مقایسه با سایر روش‌ها در خصوص پیش‌بینی گردشگری تفریحی و VFR داخلی و رویکرد ترکیبی رگرسیون و الگوریتم SVR دارای کمترین خطا در مقایسه با سایر روش‌ها در خصوص پیش‌بینی گردشگری پزشکی و تجاری- اداری داخلی است.

مقدمه:.یکی از مهمترین رویدادها در صنعت گردشگری هر کشور، میزان تقاضا برای یک محصول یا مقصد گردشگری و پیش بینی درست آن است. اما باید توجه داشت که فواصل و انحرافاتی بین مقادیر واقعی و پیش بینی وجود دارد. استفاده از روش‌های علمی و نوین در امر پیش بینی، باعث خواهد شد که نتایج حاصله به مراتب بیش از یک تخمین عینی به حقیقت نزدیک شوند که مقاله حاضر نیز همین هدف را در حوزه گردشگری پزشکی دنبال می‌کند. روش ها: در مرحله اول عوامل موثر بر تقاضای گردشگری پزشکی داخلی با استفاده از تکمیل پرسش نامه های مربوط به روش دلفی فازی و دیمتل فازی توسط ۳۱ نفر از خبرگان آشنا به این حوزه  و پردازش توسط نرم افزار MATLAB۲۰۱۷aشناسایی شدند و پس از مشخص شدن تابع تقاضا و جمع آوری اطلاعات ماهیانه هر یک از عوامل موثر در بازه زمانی سال های ۱۳۸۱ تا ۱۳۹۴، سه مدل پیش بینی رگرسیون، شبکه عصبی فازی و الگوریتم SVR به صورت مجزا و ترکیبی برای این تابع  در نرم افزار  MATLAB اجرا و خطای پیش بینی هریک، اندازه گیری و با هم مقایسه شد.    یافته ها: نتایج پژوهش حاضر نشان داد که تابع تقاضای گردشگری پزشکی داخلی شامل:  عوامل اقتصادی (درآمد و ثروت افراد )، قیمت خدمات و هزینه زندگی در مقصد، قیمت تاسیسات اقامتی، وجود آلودگی هوا، قیمت محصولات جایگزین (سفر خارجی)، تعداد مراکز پزشکی، بیمارستان‌هاو آزمایشگاه‌ها است. نتیجه گیری: رویکرد ترکیبی رگرسیون چندگانه و الگوریتم SVR پیشنهادی نیز می تواند پیش بینی بهتری نسبت به سایر روش ها در خصوص پیش بینی گردشگری پزشکی داخلی داشته باشد. بنابراین، پیشنهاد می شودبه منظور کاهش میزان خطای پیش بینی جهت انجام برنامه ریزی های اصولی در حوزه تقاضای گردشگری پزشکی داخلی شهر تهران از این تابع تقاضا و مدل پیش بینی استفاده شود. واژه های کلیدی:  شبکه عصبی فازی، الگوریتمSVR، پیش بینی تقاضای گردشگری پزشکی داخلی، تهران، مدل سازی

یکی از مهمترین رویدادها در صنعت گردشگری هر کشور، میزان تقاضا برای یک محصول یا مقصد گردشگری است. اما باید توجه داشت پیش‌بینی‌ها هرگز نمی‌‌توانند به طور صد درصد با آنچه در عمل پیش خواهد آمد تطابق داشته باشند. همیشه فواصل و انحرافاتی بین مقادیر واقعی و پیش‌بینی موجود خواهد بود، ولی استفاده از روش‌های علمی‌ و نوین در امر پیش‌بینی، باعث خواهد شد نتایج حاصله به مراتب بیش از یک تخمین عینی به حقیقت نزدیک شود. در سال‌های اخیر با تغییر الگوی تعطیلات و شکل گیری تعطیلات کوتاه مدت، شهرها فرصتی برای توسعه گردشگری پیدا کردند. یکی از مهمترین انواع گردشگری داخلی شهر تهران بر اساس آمار مرکز ملی آمار و نظرات صاحب نظران این حوزه، گردشگری بازدید از دوستان و بستگان(VFR) است به همین منظور پژوهش حاضر سعی دارد مدل هایی برای پیش بینی تقاضای گردشگری بازدید از دوستان و بستگان(VFR) داخلی شهر تهران پیشنهاد کند. برای این کار از اطلاعات ماهیانه بین سال­های 1381 تا [1]1394 استفاده شده است. متغیر مستقل این تحقیق تعداد گردشگران بازدید‌کننده از دوستان و بستگان(VFR) داخلی شهر تهران است و متغیرهای وابسته نیز بر اساس تکنیک دلفی و دیماتل فازی انتخاب شدند، چارچوب مدل، ترکیبی از رگرسیون[2]، شبکه عصبی فازی[3] و الگوریتمSVR[4] است که با ترکیب این روش‌ها می‌توان خطای پیش بینی را اندازه گیری و روش‌ها را با هم مقایسه کرد. نتایج این پژوهش نشان می‌دهد رویکرد ترکیبی رگرسیون و شبکه های عصبی فازی(ANFIS)پیشنهادی می‌‌تواند پیش‌بینی بهتری نسبت به سایر روش‌ها در خصوص پیش‌بینی گردشگری بازدید از دوستان و بستگان(VFR) داخلی داشته باشد. [1] علت بررسی تا سال 1394 عدم انتشار آمار سال های 1395 و 1396 توسط مرکز ملی آمار تا کنون است. [2] Regression [3] Adaptive Neuro-Fuzzy Inference System (ANFIS) [4] Support Vector Regression(SVR(

هدف: تغییرات سریع در اقتصاد مبتنی بر دانش امروزی، سازمان‌ها را بر آن داشته تا جهت دست‌یابی به اهداف خود و حفظ بقایشان در جهت پیاده‌سازی مدیریت دانش موفق گام نهند، اما درصورتی‌که فرهنگ سازمانی جهت پیاده‌سازی مدیریت دانش فراهم نباشد، به نتیجه مطلوبی دست نخواهیم یافت. هدف از این پژوهش، شناسایی و اولویت‌بندی عوامل فرهنگیِ مؤثر مدیریت دانش در بانک‌داری الکترونیک می‌باشد.روش: روش پژوهش حاضر توصیفی- پیمایشی است و بانک ملت استان قم به عنوان جامعه آماری می‌باشد؛ به‌منظور اولویت‌بندی عوامل مؤثر از روش تحلیل سلسله مراتبی فازی بهره جسته‌ایم. یافته ها: نتایج گویایِ آن است که از میان 3 معیاراصلی به ترتیب معیارهای ”فرهنگ دانش‌محور، فرهنگ سازمانی، فرهنگ خلق و تسهیم دانش “دارای بیشترین اهمیت می‌باشند.نتیجه گیری: عوامل فرهنگی نقشی حیاتی در تعیین نتایج تلاش‌های مدیریت دانش بازی می‌کنند، به همین دلیل سازمان‌هایی که قصد پیاده سازی مدیریت دانش را دارند، نیازمند بررسیِ عوامل فرهنگیِ مؤثر بر مدیریت دانش می‌باشند.

در این نوشتار از روش‌های شبکه‌ی عصبی )N‌N(، ماشین بردار پشتیبانی )S‌V‌M( و تحلیل مؤلفه‌ی اصلی )P‌C‌A( با یک رویکرد متوالی برای پیش‌بینی بار کوتاه‌مدت استفاده شده است. ابتدا با استفاده از یک روش غربال‌سازی، داده‌های ورودی استخراج و به کلاس‌هایی تقسیم شدند که بتواند بهترین نتایج را ارائه دهد. سپس مقادیر گذشته بار به‌همراه اطلاعات وابسته در هر دسته به شبکه‌های عصبی چندلایه‌ی پرسپترون و ماشین بردار پشتیبان به‌صورت پشت سر هم و وابسته به ساعت قبل داده شده است که ماشین بردار پشتیبان پیشنهادی توانست نتایج بهتری ارائه دهد. سپس با اعمال تحلیل مؤلفه‌ی اصلی به پارامترهای ورودی مجدداً این دو سیستم مورد آزمون قرار گرفت. نتایج نشان داده که هنگام استفاده از تحلیل مؤلفه‌ی اصلی نتایج شبکه‌های عصبی و ماشین‌های بردار پشتیبان بهبود یافته و نتایجی بهتر از پیش‌بینی‌های سنتی ارائه داده است.

صنعت گردشگری به عنوان یک صنعت پاک و اشتغالزا، در سال‎های اخیر جزء درآمدزاترین صنایع جهان بوده و همواره مورد توجه سیاست‎ها و برنامه‎های توسعه گرانه می‎باشد. دولت‎ها و بخش‎های خصوصی در سطوح کلان تا خرد جهت توسعه و بقاء در بخش گردشگری نیازمند پیش‎بینی تقاضا در این بخش می‎باشند. هر چند که اکثر مطالعات انجام گرفته جهت پیش‎بینی تقاضا در گردشگری از روش‎های کمی استفاده کرده‎اند ولی رویکردها و روش‎های کمی و کیفی گوناگونی برای این امر پیشنهاد و استفاده شده‎اند. در مطالعات پیشین به ویژه با توجه به معرفی نسبتا جدید رویکردهای شبکه‎های عصبی و شبکه‎های عصبی فازی، روش‎های هوش مصنوعی، کمتر در پیش‎بینی در بخش گردشگری مورد استفاده قرار گرفته اند.مطالعه حاضر قصد دارد میزان تقاضای گردشگری ورودی به ایران را از طریق مدل پیشنهادی شبکه‎های عصبی فازی پیش‎بینی کند و صحت و دقت عملکرد این روش را با روش ‎ARIMA مقایسه کند. این مطالعه پس از تعیین و اولویت بندی مهمترین عوامل تاثیرگذار بر تابع تقاضای گردشگری ورودی به ایران و تعیین معماری شبکه‎های عصبی فازی به این نتیجه دست یافت که در تمامی معیارهای ارزیابی عملکرد پیش‎بینی، روش مدل شبکه‎های عصبی فازی بر ARIMA برتری دارد.

مدیریت دانش می‌تواند به­‌عنوان یک عامل متفاوت در محیط تجارت الکترونیک عمل نماید و به افراد در پذیرش راحت‌تر و سریع‌تر نقش‌ها و مسئولیت‌های جدیدشان در محیط تجارت الکترونیکی کمک نماید. پیاده‌سازی مدیریت دانش موفق مستلزم شناخت و بررسی عوامل کلیدی مدیریت دانش و اقدام عملی بر مبنای عوامل شناخته شده است. که مطمئنا این امر موجب به‌کارگیری صحیح‌تر دانش و دستیابی به مزیت رقابتی در بانکداری الکترونیک خواهد گردید. از این­‌رو، در این پژوهش که در دستة تحقیقات توصیفی ـ پیمایشی جای می‌گیرد بر تأثیر شاخص استراتژی و رهبری مدیریت دانش در بانکداری الکترونیکی تمرکز نموده‌ایم؛ و به‌­منظور انجام این پژوهش بانک ملت استان قم را به‌­عنوان جامعة آماری برگزیدیم و برای اولویت­‌بندی شاخص‌ها از روش تحلیل سلسله­‌مراتبی فازی بهره جسته‌ایم؛ و نتایج حاصل حاکی از آن است که 3 معیار اصلی پژوهش حمایت مدیریت ارشد، استراتژی مدیریت دانش و استراتژی سازمانی به‌­ترتیب دارای بالاترین اهمیت می‌باشند.

افزایش اهمیت دانش و روند رو به رشدِ اقتصاد مبتنی بر دانش امروزی، مدیریت دانش را به یک ابزار راهبردی و ضروری به منظور کسب و حفظ مزیت رقابتی تبدیل نموده است؛ به گونه ای که مدیریت دانش می تواند به عنوان عاملی متفاوت در محیط های تجاری عمل نموده و به افراد در پذیرش سریع تر و راحت تر وظایف شان کمک نماید. از این رو سازمان ها در دنیای اقتصادی متلاطم امروزی به منظور ایجاد و حفظ مزیت رقابتی سعی بر پیاده سازی موفق مدیریت دانش دارند. اما پیاده سازی موفق مدیریت دانش مستلزم شناخت و بررسی عوامل کلیدی مدیریت دانش و اقدام بر اساس عوامل شناسایی شده می­باشد. بنابراین در این پژوهش بر تأثیر زیرساخت‌های مناسب مدیریت دانش به واسطه شناسایی عوامل کلیدی زیرساخت در بانکداری الکترونیکی تمرکز نموده‌ایم، و بدین منظور بانک ملت استان قم را به عنوان جامعه آماری انتخاب نموده ایم؛ و داده های پژوهش را از طریق پرسش نامه گرد آوری کرده و سنجش پایایی نیز با محاسبه نرخ ناسازگاری برآورد گردیده است؛ هم­چنین جهت اولویت­بندی شاخص‌ها از روش تحلیل سلسله مراتبی فازی بهره برده ایم؛ یافته‌های پژوهش بیانگر آن است که در میان 3 معیار اصلی به ترتیب معیارهای «زیرساخت فناوری اطلاعات، زیرساخت دانش و زیرساخت سازمانی» دارای بیشترین اهمیت می‌باشند

مروزه، بسیاری از سازمانهای ارائه دهنده خدمات برای زنده ماندن و پیش افتادن از سایر رقبا درجهان باید رقابت کنند. این سازمانها تکنیک ها و ابزارهای جدید را برای شناسایی و اولویت بندیمعیارهای مهم به کار میگیرند تا رضایت مشتریان را به دست بیاورند. بانک ها، به عنوان یکی ازسازمانهای ارائه دهنده خدمات از این قاعده مستثنی نیستند. کیفیت نقش اساسی در صنعت بانکداریدارد و رضایت و ارضاء مشتری به عنوان یکی از اهداف اصلی در این زمینه در نظر گرفته میشود.شناخت و آگاهی از نیازهای مشتریان و نیازمندیهای آنها ارائه خدمات رضایت بخش به مشتریان راتسهیل میکند. می توان گفت درک بهتر، شناسایی دقیق و اولویت بندی نیازهای مشتریان کلیدموفقیت برای مدیران بانک در صنعت بانکداری در نظر گرفته میشود .گسترش ارتباطات الکترونیکی ودسترسی تعداد زیادی از مردم جهان به شبکهی جهانی اینترنت، بستری مناسب برای برقراری مراوداتتجاری و اقتصادی فراهم نموده است .این امر موجب افزایش رقابت در صنعت بانکداری شده و ارائهیخدمات بانکداری الکترونیکی را به همراه داشته است. سوالی که در این پژوهش مطرح میشود این استکه آیا از این مدل مفهومی میتوان برای ارزیابی کیفیت خدمات الکترونیک استفاده کرد و الویتشاخصهای کیفیت خدمات الکترونیک به چه صورت است. نوآوری این پژوهش یکپارچهسازی روشهایبرای ارزیابی (FAHP) مدل کانو و فرآیند تحلیل سلسله مراتبی فازی ،(QFD) گسترش عملکرد کیفیتکیفیت خدمات الکترونیک میباشد. این مطالعه یک روش جدید برای شناسایی و تجزیه و تحلیلاولویتهای نیازمندیهای مشتریان بانک پیشنهاد میدهد. نتایج نشان می دهد که اولویت های مشتریانب ان ک قبل و بعد از ادغام مدل کانو در ماتریسبرنامهریزی خانه کیفیت متفاوت است.