بررسی امکان بکارگیری سیستم هزینه‌یابی برمبنای فعالیت (ABC) در صنایع آلومینیوم

اختصاصی از اس فایل بررسی امکان بکارگیری سیستم هزینه‌یابی برمبنای فعالیت (ABC) در صنایع آلومینیوم دانلود با لینک مستقیم و پر سرعت .

چکیده:
سیستم هزینه‌یابی برمبنای فعالیت یکی از سیستم‌های نوین بهای تمام شده محصولات و خدمات می‌باشد که اطلاعات مورد نیاز مدیران را بهتر و دقیق‌تر فراهم می‌کند و استفاده کنندگان را در امر تصمیم‌گیری صحیح و مناسب یاری می‌نماید. این پژوهش جزء تحقیقات علمی و کاربردی است که در کارخانجات تولیدی نورد آلومینیوم انجام گرفته است که پس از بررسی و تجزیه و تحلیل روش موجود بهای تمام شده آن کارخانه و تشخیص نقاط ضعف و قوت آن به تبیین اهمیت سیستم هزینه‌یابی برمبنای فعالیت در کارخانه نورد پرداخته و سپس مراحل سیستم ABC شناسایی گردیده است.
همانطور که از موضوع تحقیق برمی‌آید، محقق بدنبال تعیین اهمیت سیستم هزینه‌یابی برمبنای فعالیت کارخانجات تولیدی نورد آلومینیوم اراک بوده و برای اینکار در قلمرو زمانی سال مالی 83-84 شرکت مذکور، صورتهای مالی و اطلاعات مالی مربوط به آن دوره را مورد بررسی قرار داده و پس از شناخت سیستم حاکم بر شرکت و نحوه گردش عملیات حسابداری آن و شناسایی مراکز فعالیت عمده و تلفیق منطقی این فعالیتها، نهایتاً 13 فعالیت را بعنوان زیربنای سیستم ABC شناسایی کرده و محرکهای هزینه هرکدام از این فعالیتها را انتخاب کرده است.
نتیجه مطالعات و تحقیقات انجام شده چنین نشان داد، که استفاده از سیستم هزینه‌یابی برمبنای فعالیت نه تنها باعث تخصیص هرچه دقیق‌تر هزینه‌های سربار می‌شود بلکه باعث می‌گردد که مدیران داخلی شرکتها با استفاده از اطلاعات بدست آمده، در خصوص برنامه‌ریزی و کنترل تولید تصمیمات بهتری را اتخاذ نموده و شرکت را در کسب سود یاری نمایند.
 


فهرست مطالب

عنوان        صفحه
چکیده    1
فصل اول: کلیات    2
1-1 مقدمه    3
2-1 بیان مساله    8
3-1 انگیزه‌های انتخاب موضوع تحقیق    9
4-1 اهداف تحقیق     10
5-1 اهمیت موضوع تحقیق    10
6-1 سوالات اصلی تحقیق    11
7-1 فرضیه‌های تحقیق    11
8-1 نوآوری تحقیق    11
9-1 تعاریف عملیاتی    12

فصل دوم: مبانی نظری و پیشینه تحقیق    14
قسمت اول: مفاهیم حسابداری بهای تمام شده و انواع سیستم‌های حسابداری    15
1-2 حسابداری بهای تمام شده    15
2-2 اهمیت بهای تمام شده و اقلام تشکیل دهنده آن    15
3-2 نقش اطلاعات حسابداری در تصمیم‌گیری    16
4-2 بخششهای سیستم حسابداری بهای تمام شده    17
5-2 عوامل موثر بر سیستم حسابداری بهای تمام شده    18
6-2 ماهیت حسابداری بهای تمام شده    20
7-2 عناصر تشکیل دهنده بهای تمام شده    22
8-2 سیستمهای هزینه‌یابی    23
9-2 سیستمهای هزینه‌یابی سنتی    23
10-2 سیستمهای هزینه‌یابی سفارش کار    27
11-2 سیستمهای هزینه‌یابی مرحله‌ای    28
12-2 هزینه‌یابی محصولات مشترک و فرعی    33
13-2 هزینه‌یابی بر مبنای هدف    49
قسمت دوم: هزینه یابی برمبنای فعالیت ABC و انواع سیستم‌های هزینه یابی برمبنای فعالیت55    
14-2 مقدمه    55
15-2 نقش و اهمیت هزینه سربار در تولید    57
16-2 حسابداری مدیریت    57
17-2 رویکردهای حسابداری مدیریت    58
18-2 هدفهای حسابداری مدیریت    58
19-2 تفاوتهای اساسی بین حسابداری مدیریت و حسابداری مالی    60
20-2 روابط بین حسابداری مالی، سیستم حسابداری بهای تمام شده و حسابداری مدیریت    61
21-2 طبقه‌بندی هزینه‌ها    62
22-2 هزینه‌یابی بر مبنای فعالیت (ABC)    63
23-2 کاربرد استفاده از سیستم ABC    78
24-2 مناسب‌ترین زمان کاربرد سیستم ABC    81
25-2 سیستم هزینه‌یابی بر مبنای فعالیت در مقایسه با سیستم سنتی    82
26-2 مدیریت بر مبنای فعالیت    83
27-2 نسل‌های هزینه‌یابی برمبنای فعالیت     89
28-2 هزینه‌یابی مبتنی بر فعالیت بر مبنای زمان    94
29-2 قیمت‌گذاری برمبنای فعالیت    
30-2 بودجه‌بندی بر مبنای فعالیت    
قسمت سوم: ویژگی‌های صنایع آلومینیوم و کاربرد هزینه‌یابی برمبنای فعالیت     97
29-2 مشخصات قلمرو تحقیق    97
30-2 شمای ارتباطی سیستم بهای تمام شده با سایر سیستمهای اطلاعاتی    103
31-2 فرآیند تولید در شرکت    104
32-2 مراحل تولید    105
33-2 پروسه تولید    106
34-2 روش محاسبه بهای تمام شده    109
35-2 بهای تمام شده محصولات در سال 1383    115    
36-2 طراحی و پیاده‌سازی سیستم هزینه‌یابی برمبنای فعالیت    117
37-2 مقایسه پیاده‌سازی و نصب    118
38-2 تعیین فعالیتها    121
39-2 تعیین محرکهای فعالیت    121
40-2 تخصیص هزینه‌ها    123
41-2 مقایسه هزینه سربار محصولات براساس سیستم سنتی و سیستم ABC    124
42-2 مقایسه بهای تمام شده محصولات براساس سیستم سنتی و سیستم ABC    124
قسمت چهارم: تحقیقات انجام شده    125
43-2 پیشینه تحقیق     125

فصل سوم: متدولوژی تحقیق    133
1-3 مقدمه    134
2-3 روش تحقیق    134
3-3 ابزار تحقیق    135
4-3 فرضیه‌های تحقیق    135
5-3 قلمرو تحقیق    135
6-3 داده‌های تحقیق    136
7-3 متغیرهای تحقیق    137
8-3 روش جمع‌آوری داده‌ها    136
9-3 روش تحلیل داده‌ها    136


فصل چهارم: تجزیه و تحلیل یافته‌های تحقیق    138
1-4 مقدمه    139
2-4 آزمون فرضیه‌ها    139
3-4 فرضیه اصلی اول    139
4-4 فرضیه اصلی دوم    142

فصل پنجم: نتیجه‌گیری و پیشنهادات    145
1-5 نتیجه‌گیری و پیشنهادات    146
2-5 نتیجه‌گیری کلی    146
3-5 پیشنهادات حاصل از تحقیق    147
4-5 سایر پیشنهادات    148
5-5 پیشنهاد برای تحقیقات آینده    148
6-5 محدودیتهای تحقیق    147

پیوست    149
منابع و مأخذ    150
چکیدة انگلیسی    153

شامل 159 صفحه word و 25 اسلاید powerpoint

دانلود تحقیق آشنایی با الگوریتم بهینه سازی PSO و بکارگیری آن در پروسه ی Curve Fitting

اختصاصی از اس فایل دانلود تحقیق آشنایی با الگوریتم بهینه سازی PSO و بکارگیری آن در پروسه ی Curve Fitting دانلود با لینک مستقیم و پر سرعت .

فصل اول

آشنایی با برخی از انواع الگوریتم¬های بهینه سازی

مقدمه ای بر بهینه سازی
بهینه سازی در ادبیات مهندسی به فرآیند بهتر کردن هر چیزی اطلاق می شود. یک مهندس و یا یک محقق ایده جدیدی خلق می کندو بهینه سازی به این ایده خلق شده کیفیت می بخشد در فرآیند بهینه سازی تغییراتی بر روی ایده اولیه انجام می شود و با نتایج حاصل از این تغییرات ایده اولیه بهبود می یابد. مادآمی که بتوان ایده مورد نظر را در غالب الکترونیکی نوشت کامپیوتر وسیله ای مناسب برای بهینه سازی خواهد بود. در زبان برنامه نویسی و ریاضیات بهینه سازی را فرآیند تعریف می کنند که در آن از طریق انتخاب و طراحی ساختارهای داده¬ای الگوریتم ها و دستورالعمل های مناسب به تولید برنامه های کار آمد(کوچکتر یا سریعتر)دست پیدا کرد. در تعاریف دیگر در بحث بهینه سازی در علوم مهندسی بهینه سازی به معنای رسیدن به وضعیتی بهینه در محاسبات مربوط میباشد که در آن کمترین محاسبه و بیشترین میزان بازدهی میسر می شود. در دهه های اخیر همزمان با مطرح شدن مسا ئل بهینه سازی جدید، روش های جدید بهینه سازی نیز ابداع شدند. مهمترین گروه از این روشهای بهینه سازی روش های تکاملی می باشند که توانایی حل مسائل با ابعاد بزرگ و تعداد متغیرهای زیاد را دارا هستند از سوی دیگر مسائل مورد توجه در علوم مهندسی ازجمله مسائلی هستند که غالبا دارای متغیرهای زیاد می باشند. در این بحث بهینه سازی توابع مطرح میباشد، از این رو استفاده از روشهای تکاملی چندگاه در این گونه مسائل در سال های اخیر مورد توجه قرار گرفته است به همین دلیل در حل مسائل تک هدف مهندسی از الگوریتم بهینه سازی ذرات استفاده بسیاری  شده است بهینه سازی توابع ریاضی و یافتن و رسم یک سری اطلاعات در برخی از اطلاعات و داده های غیر خطی از مسائلی  بوده که همواره این مسائل مد نظر می باشد .که الگوریتم ها شامل 1- الگوریتم فرا اکتشافی است که از حرکت گروهی از پرندگان یا ماهی ها می باشد 2- الگوریتم ژنتیک، الگوریتم ژنتیک تکنیک جستجویی در علم رایانه برای یافتن راه‌حل تقریبی برای بهینه‌سازی و مسائل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریتمهای تکامل است که از تکنیکهای زیست‌شناسی فرگشتی مانند وراثت و جهش استفاده می‌کند. این الگوریتم برای اولین بار توسط جان هلند معرفی شد. 3-الگوریتم تکاملی کاربرد این روش ها و بهینه سازی و یافت تابع مورد نظر توجه بسیاری از محققین قرار گرفته است.    

                                                                                      
1- 1 الگوریتم اجتماع پرندگان  
 الگوریتم بهینه سازی ذرات ،یک الگوریتم بهینه سازی فرا اکتشافی است که از حرکات گروهی از پرندگان یا دسته ای از ماهیان که به شکل گروهی زندگی می کنند، الگوبرداری شده است. این الگوریتم از مفهوم اثر متقابل اجتماعی برای حل کردن مسئله استفاده می کند. در واقع این الگوریتم رفتار گروهی از پرندگان را شبیه سازی می کند به سنا ریو زیر توجه کنید:                                            
   یک گروه از پرندگان بطور تصادفی در حال جستجوی غذا دریک ناحیه می باشند و تنها یک قطعه غذا در ناحیه مورد جستجو قرار دارد و هیچ یک از پرندگان اطلاعی از مکان غذا ندارند اما می دانند که در هر مرحله چه فاصله ای از غذا دارند. در واقع مسئله در اینجا یافتن بهترین راه برای پیدا کردن غذا می باشد. یک روش موثر دنبال کردن پرندگانی می باشد که کمترین فاصله را با غذا دارند pso  مانند همه ی الگوریتم های تکاملی دیگر، با ایجاد یک جمعیت تصادفی از افراد شروع می شود که در اینجا با عنوان یک گروه از ذره ها خوانده می شوند. مشخصات هر ذره در گروه براساس مجموعه ای از پارامتر ها تعیین می شود. در این روش هر ذره یک نقطه از فضای جواب مسئله را نشان می دهد .هر کدام از ذرات دارای حافظه هستند یعنی بهترین موقعیتی که در فضای جستجو به آن می رسند را بخاطر می سپارند. به طور کلی این الگوریتم از یک مجموعه از نقاط(ذره)به مجموعه ای دیگر از نقاط در یک تکرار واحد، حرکت می کند که به طور احتمال با استفاده از ترکیب قوانین بهبودهایی حاصل می دهد.
در واقع یک الگوریتم رایانه‌ای مبتنی بر جمعیت برای حل مسئله ‌است. این تکنیک ها بسیار رشد کرده‌اند و نسخه اصلی این الگوریتم به طور واضحی در نسخه ‌های امروزی قابل شناخت است. تاثیر گذاری اجتماعی و یاد گیری اجتماعی یک شخص را قادر میسازد تا ثبات دانستنی‌هایش را برقرار سازد. انسانها مسائل شان را به کمک صحبت با دیگران و نیز به کمک برهم کنش با باورهای شان، گرایش هایشان و تغییر رفتارشان حل می کنند؛ این تغییرات را می توان به طور نمونه به شکل حرکت افراد به سوی یکدیگر در فضای آگاهی اجتماعی مجسم کرد. ساختار ارتباطی یا شبکه اجتماعی برای واگذار کردن هر همسایگی به یک فرد تعریف شده تا آن فرد با آن همسایگی بر هم کنش داشته باشد. سپس گروه کارگزاران به عنوان مهمان های سر زده برای راه حل‌های مسئله تعریف میشوند که آنها را به نام "ذرات" نیز می شناسیم؛ از این رو آنها را "ذرات دسته جمعی" نام نهاده ایم. یک فرآیند تکراری برای بهبود کاندیداها در طی حرکت ذرات در نظر گرفته شده ‌است. ذرات مکررا شایستگی راه حلهای کاندیدا را ارزیابی میکنند و موقعیتی را که در آن بهترین موفقیت را داشته‌اند، به خاطر می سپارند. بهره راه حل کارگزاران "بهترین ذره" یا "بهترین محل" نامیده میشود. هر ذره این اطلاعات را برای دیگر ذرات موجود در همسایگی قابل دسترسی میکند.
همچنین آنها نیز میتوانند ببینند که دیگر ذرات موجود در همسایگی در کجا بهترین موفقیت را داشته‌اند.
PSO تحت نامهای مختلفی همچون الگوریتم انبوه ذرات، الگوریتم ازدحام ذرات و الگوریتم پرندگان درایران شناخته شده است.عبارت Swarm در زبان انگلیسی به اجتماع دسته انبوهی از جانوران و حشرات اشاره می کند. در زیر یک swarm از زنبور ها را می بینید.
 
شکل(1)_تصویر یک swarm  از زنبورها
چون منبع این الگوریتم  از رفتار اجتماعی حیوانات، همانند حرکت دسته جمعی پرندگان و ماهی‌ها بود، از این رو PSO نیز با یک ماتریس جمعیت تصادفی اولیه، شروع میشود. برخلاف الگوریتم ژنتیک ، PSO هیچ عملگر تکاملی همانند جهش و تزویج ندارد. در واقع الگوریتم PSO از تعداد مشخصی از ذرات تشکیل می شود که به طور تصادفی، مقدار اولیه می گیرند. برای هر ذره دو مقدار وضعیت و سرعت، تعریف می شود که به ترتیب با یک بردار مکان و یک بردار سرعت، مدل می‌شوند. این ذرات، بصورت تکرارشونده ای در فضای  n ‌بعدی مسئله حرکت می کنند تا با محاسبة مقدار بهینگی به عنوان یک ملاک سنجش، گزینه‌های ممکن جدید را جستجو کنند. بُعد فضای مسئله، برابر تعداد پارامترهای موجود در تابع مورد نظر برای بهینه سازی می باشد. یک حافظه به ذخیرة بهترین موقعیت هر ذره در گذشته و یک حافظه به ذخیرة بهترین موقعیت پیش آمده در میان همة ذرات، اختصاص می‌یابد. با تجربة حاصل از این حافظه ها, ذرات تصمیم می گیرند که در نوبت بعدی، چگونه حرکت کنند. در هر بار تکرار، همة ذرات در فضای n  بعدی مسئله حرکت می کنند تا بالاخره نقطة بهینة عام، پیدا شود. ذرات، سرعت‌هایشان و موقعیت‌شان را بر حسب بهترین جواب‌های سراسری و محلی به‌روز می‌کنند. الگوریتم PSO، بردار سرعت هر ذره را به‌روز کرده و سپس مقدار سرعت جدید را به موقعیت و یا مقدار ذره می‌افزاید. به‌روز کردن‌های سرعت، تحت تأثیر هر دو مقدار بهترین جواب محلی و بهترین جواب مطلق قرار می‌گیرند. بهترین جواب محلی و بهترین جواب مطلق، بهترین جوابهایی هستند که تا لحظه‌ی جاری اجرای الگوریتم، به ترتیب توسط یک ذره و در کل جمعیت به دست آمده‌اند. مزیت اصلی PSO این است که پیاده‌سازی این الگوریتم ساده بوده و نیاز به تعیین پارامتر‌های کمی دارد. همچنین PSO قادر به بهینه‌سازی توابع هزینه‌ی پیچیده با تعداد زیاد مینیمم محلی است.]1[
1-2 الگوریتم ژنتیک
الگوریتم ژنتیک تکنیک جستجویی در علم رایانه برای یافتن راه‌حل تقریبی برای بهینه‌سازی و مسائل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریتمهای تکامل است که از تکنیکهای زیست‌شناسی  مانند وراثت و جهش استفاده می‌کند.
 در واقع الگوریتم‌های ژنتیک از اصول انتخاب طبیعی برای یافتن فرمول بهینه جهت پیش‌بینی یا تطبیق الگو استفاده می‌کنند.  مختصرا گفته می‌شود که الگوریتم ژنتیک یا GA یک تکنیک برنامه‌نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می‌کند. مسئله‌ای که باید حل شود ورودی است و راه‌حلها طبق یک الگو کد گذاری می‌شوند که تابع fitness نام دارد هر راه حل کاندید را ارزیابی می‌کند که اکثر آنها به صورت تصادفی انتخاب می‌شوند.
اخیرا الگوریتم های ژنتیک توجهات زیادی را به خود معطوف کرده اند. در حال حاضر آنها کاربردهای موفق بسیاری دارند. الگوریتم های ژنتیک، گونه ای از الگوریتم های جستجو هستند که برخی از فرآیندهای تکامل طبیعی را به شکل اولیه نشان می دهند. الگوریتم های ژنتیک معمولاً مکانیسم های جستجوی مؤثری را بدست می آورند که می توانند برای بهینه سازی و طبقه بندی کار کردها بکار گرفته شوند. الگوریتم های ژنتیک به جای یک تک نقطه با مجموعه ای از نقاط کار می کنند که هر نقطه در حقیقت برداری در فضا است که نشانگر یک راه کار بالقوه یا گزینشی برای مسئله‏ی بهینه سازی می باشد.
یک مجموعه، تنها دسته، یا گروهی از بردار ها در فضا است. هر بردار در مجموعه یک فرد و گاهی یک کروموزوم نامیده می شود. از آنجا که اعداد حقیقی در الگوریتم های ژنتیک با استفاده از اعداد باینری، رمز گذاری میشوند، چند بعدی بودن بردار مسئله می تواند متفاوت از چند بُعدی بودن یک رشته بیت کروموزوم باشد. تعداد عناصر (اجزاء) در هر بردار (فرد) برابر است با تعداد پارامترهای حقیقی در مسئله ی بهینه سازی.
هر یک عنصر از بردار، عموماً با یک پارامتر یا بُعد از بردار عددی متناظر است. هر عنصری می تواند با هر تعداد از بیت ها (bits) رمز گذاری شود که این بستگی به نمایش هر پارامتر دارد. تعداد کلّی بیت ها می تواند بُعد ابر فضای مورد جستجو را تعریف کند.
سری عملیاتی که در زمان اجرای یک الگوی الگوریتم ژنتیک انجام می شود، بدین صورت است:
1- تعیین مجموعه
2- محاسبه‏ی تناسب (fitness) برای هر فرد در مجموعه
3- بازسازی افراد منتخب برای تشکیل یک مجموعه ی جدید
4- ایجاد دوگانگی و جهش در مجموعه
5- بازگشت به مرحله ی دوم تا زمانی که شرایط خاص برقرار شود.
دو مرحله ی اصلی برای تبدیل یک مسئله بهینه سازی تکاملی عبارتست از نمایش کروموزوم و ارزیابی کروموزوم.
در مرحله اول که مختص مسئله است هر راه حل مسئله ی بهینه سازی به شکل یک رشته ی باینری (یعنی یک کروموزوم) ارائه می گردد.
در مرحله دوم یک تابع ارزیابی که بصورت تابع تناسب عمل می کند، به منظور مقایسه ی کروموزوم ها در فرآیند تکامل ارائه می شود. رمز گذاری مسئله و انتخاب تابع صحیح تناسب دارای تأثیرات مهمی بر موفقیت روش الگوریتم ژنتیک هستند.]2[
1-3 الگوریتم کلونی مورچه ها
این روش از توانائی مورچه‏ها در پیدا کردن کوتاه ترین مسیر بین لانه و یک منبع غذایی الهام گرفته است. وقتی مورچه‏ها در محیط اطراف حرکت می‏نمایند، اثری شیمیایی به نام فرومون از خود به جای می‏گذارند. وقتی جمعیتی از مورچه‏ها از چند مسیر بین لانه و یک منبع غذایی حرکت می‏کنند، پس از مدت زمانی معینی مشاهده می‏شود که در مسیر‏های متفاوت مقدار فرومون‏های بر جای گذاشته شده، متفاوت می‏باشد. این امر ناشی از این واقعیت است که مورچه‏هایی که در مسیر کوتاه‏تر حرکت می‏کنند، به علت کوتاه تر بودن مسیر دریک مدت زمان معین تردد بیشتری داشته‏اند.چون مورچه‏ها ذاتاً مسیری را انتخاب می‏کنند که دارای فرومون بیشتری است، پس مدت زمانی معین مشاهده می شود که مورچه‎ها، مسیر کوتاه تر را انتخاب کرده‎اند. با استفاده از روش مورچه‎ها، روش جستجوئی پیاده سازی می‎شود که هر مرحله‏ای از اطلاعات مراحل قبلی برای رسیدن به هدف استفاده می نماید. برای فهم بهتر الگوریتم بهتراست به طراحی مسئله فروشنده دوره گرد بوسیله کلونی مورچگان مراجعه کنید.مسئله فروشنده دورگرد عبارت است از یافتن مسیری شامل تمام شهرها به طوری که مسیر حاصل دارای کمترین طول باشد. به این منظور هر مورچه در شهری که به طور تصادفی انتخاب شده است قرار داده می‏شود. در این سیستم بسته هر مورچه حافظه‏ای دارد که اطلاعات را در مورد تور خود ذخیره می‏نماید. این شهرها نقاط شروع هستند. مورچه‏ها به صورت احتمالی شهرهای بعدی را انتخاب می‏نمایند تا جائی که هر مورچه تمام شهرها را ملاقات نماید.
همانطور که می¬ دانیم مسئله یافتن کوتاهترین مسیر، یک مسئله بهینه سازی است که گاه حل آن بسیار دشوار است و گاه نیز بسیار زمان براست. برای مثال مسئله فروشنده دوره گرد را نیز میتوان مطرح کرد. در این روش(ACO)، مورچه های مصنوعی به وسیله‌ حرکت بر روی نمودار مساله و با باقی گذاشتن نشانه‌هایی بر روی نمودار، همچون مورچه های واقعی که در مسیر حرکت خود نشانه‌های باقی میگذارند، باعث میشوند که مورچه های مصنوعی بعدی بتوانند راه‌حل‌های بهتری را برای مساله فراهم نمایند. همچنین در این روش میتوان توسط مسائل محاسباتی-عددی بر مبنای علم احتمالات بهترین مسیر را در یک نمودار یافت.

فهرست مطالب
فصل اول: "آشنایی با برخی ازانواع  الگوریتم های بهینه سازی "   
مقدمه ای بر بهینه سازی  
1- 1 الگوریتم اجتماع پرندگان(particle swarm optimization Algorithm - pso)  ..............3                                
1-2 الگوریتم ژنتیک(Genetic Algorithm - GA)...................................................6
1-3 الگوریتم کلونی مورچه ها(Aco- Ant colony optimization Algorithm )..................7
1-4 الگوریتم کلونی زنبور عسل(Abc-Artificial bee colony algorithm)........................11
1-5 الگوریتم چکه های آب هوشمند یا چکاه(Intelligent water Drops Algorithm -Iwd)........13
فصل دوم : " الگوریتم(particle swarm optimization - pso) و  
           "  Cooperative Particle swarm optimization – cpso) (
مقدمه
2-1 ماهیت الگوریتم..................................................................................................17
2-2 مفاهیم اولیه.....................................................................................................19
2-3 فلو چارت.........................................................................................................20
2-4 اطلاعات فنی.....................................................................................................21
2-5 ساختار کلی .....................................................................................................22
2-6 قاعده کلی توپولوژی همسایگی................................................................................23
2-7 نکات کلیدی .....................................................................................................26
2-7-1 خاصیت هوش جمعی........................................................................................26
2-7-2  هوش ذرات.................................................................................................26
2-7-3 کنترل الگو ریتم.............................................................................................26
2-7-4 تعداد ذرات.................................................................................................27
2-7-5 محدوده ی ذرات...........................................................................................27
2-7-6 شرایط توقف.................................................................................................27
2- 8 مزایا و کاربردهای الگو ریتم..................................................................................27
2-9 ذرات swarm در تعدادی فضای واقعی.......................................................................28
2-10مثال هایی از حرکت ذرات....................................................................................37

2-10  مثالی از پرواز پرندگان برای یافتن غذا......................................................................38
2-11 الگوریتم   Cooperative Particle swarm optimization ................................................42
2-12 معرفی نرم افزار بکار رفته در شبیه سازی پروسه............................................................45
فصل سوم: به " بکار گیری   cpsoو pso در پروسه ی Curve Fitting"
مقدمه
3-1 ماهیت کار.......................................................................................................47
3-2 مراحل انجام کار به کمک الگوریتمpso.......................................................................48
3-2-1 بدست آوردن تابع برازندگی...............................................................................52
3-2-2 مشخص کردن اندازه جمعیت اولیه و ابعاد آن............................................................53
3-2-3 بررسی خروجی های بدست آمده از تابع Fitnessدر تکرار اول........................................53
3-2-4 ایجاد لیست اول جهت نگهداری خروجی های بدست آمده.............................................54
3-2-5 پیدا کردن بهترین خروجی تابع Fitness و یافتن مکان آن در لیست اول...............................54
3-2-6 آبدیت کردن سرعت و مکان ذرات با توجه به اینکه  سرعت اولیه ذرات قبلا تعریف ....................55
3-2-7 ایجاد لیست دوم جهت نگهداری خروجی های تابع Fitness در تکرار دوم.............................56
3-2-8 پیدا کردن مکان بهترین ذره در جمعیت دوم.............................................................56
3-2-9 مقایسه خروجی های تابع Fitness در دو تکرار اول.....................................................56
3-2-10 پیدا کردن بهترین ذرات در دو جمعیت اول و دوم و تولید جمعیت سوم...............................56
3-2-11 محاسبه تابع Fitness برای جمعیت سوم.................................................................57
3-2-12 تکرار از مرحله پنجم الی یازدهم تا رسیدن به نقاط بهینه..............................................57
3-3 مراحل انجام کار برای الگوریتمcpso........................................................................57
فصل چهارم : نتایج
4-1 انجام پروسه توسط الگوریتم  pso............................................................................60
4-2 انجام پروسه توسط الگوریتم cpso..........................................................68
4-3 بررسی تفاوت بین   psoوcpso..............................................................71
فصل پنجم: نتیجه گیری و پیشنهاد
5-1 نتیجه گیری...................................................................................73
5-2 پیشنهاد.......................................................................................76
مراجع.........................................................................................79
پیوست..................................................................................................81

شامل 93 صفحه Word

مقاله بررسی میزان ارتقاء بهره وری در شرکت وزین بار پس از بکارگیری مدل تعالی سازمانی EFQM

اختصاصی از اس فایل مقاله بررسی میزان ارتقاء بهره وری در شرکت وزین بار پس از بکارگیری مدل تعالی سازمانی EFQM دانلود با لینک مستقیم و پر سرعت .

دانلود مقاله بررسی میزان ارتقاء بهره وری در شرکت وزین بار  پس از بکارگیری مدل تعالی سازمانی EFQM در 22 ص با فرمت WORD

پیشگفتار:

این پیشنهاد تحقیق (proposal) بعنوان بخشی از درس روش تحقیق، تلاش می کند تا با استفاده از مطالب درسی و رهنمودهای عنوان شده توسط استاد؛ به ارائه پیشنهاد تحقیقی که موضوع پایان نامه تحصیلی است کمک کند و إن شاء اللّه مقدمه فعالیت‌های تحقیقی و پژوهشی دیگر گردد.

ویژگی هایی که یک موضوع تحقیق  باید داشته باشد عبارتند از:

• - موضوع مورد علاقه پژوهشگر
• - موضوع باید بدیع باشد و مشمول دوباره کاری غیر قابل دفاع نباشد.
• - موضوعات مدیریتی نباید ماهیت فلسفی و ارزشی داشته باشد، بلکه باید پژوهش پذیر باشد.
• - اهمیت و اولویت تحقیقی به گونه ای باشد که از نظر اقتصادی و اجتماعی و ... قابل توجه باشد.
• - پژوهشگر باید توانایی تخصصی لازم را دارا باشد.
• - منابع مادی و اطلاعاتی باید در دسترس باشد.
• - تحقیقی از نظر عملی و نظری مقرون به صرفه باشد.

بکارگیری روش های عددی در تعیین سرعت کینماتیکی ماهواره های مدار پایین

اختصاصی از اس فایل بکارگیری روش های عددی در تعیین سرعت کینماتیکی ماهواره های مدار پایین دانلود با لینک مستقیم و پر سرعت .

عنوان مقاله :بکارگیری روش های عددی در تعیین سرعت کینماتیکی ماهواره های مدار پایین

محل انتشار: دهمین کنگره بین المللی مهندسی عمران تبریز

تعداد صفحات:8

نوع فایل :  pdf

بررسی میزان بکارگیری متدهای ارتقاء سلامتی سبک زندگی در شاغلین مراکز بهداشتی و درمانی شهرستان خوی

اختصاصی از اس فایل بررسی میزان بکارگیری متدهای ارتقاء سلامتی سبک زندگی در شاغلین مراکز بهداشتی و درمانی شهرستان خوی دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود پایین مطلب

فرمت فایل : word

تعداد صفحه : 17

بهداشت ، ارتقاء سلامتی ، سبک زندگی

روش ومواد پژوهش

نتایج پژوهش

بحث و نتیجه گیری

بررسی میزان بکارگیری متدهای ارتقاء سلامتی(کیفیت زندگی ) در شاغلین مراکز بهداشتی و درمانی شهرستان خوی در سال 1383

بررسی میزان سوانح و حوادث مراجعین به مراکز اورژانس بیمارستانهای شهرستان خوی

تاثیر برگزاری نماز بر بهداشت روان

تفکر انتقادی یک رویکرد کلی نگر در آموزش پرستاری

سلامتی حالتی است که در آن افراد از رفاه کامل جسمی  ،روانی و اجتماعی برخوردارند و ارتقاء سلامتی به مفهوم توانمند سازی مردم در شناخت عوامل تاثیر گذار بر سلامت فردی ، اجتماعی و تصمیم گیری در انتخاب رفتارهای بهداشتی و رعایت شیوه زندگی صحیح میباشد،

با تغیر علل مرگ ومیر از بیماریهای عفونی به بیماریهای مزمن، توجه مراقبین بهداشتی به سرچشمه این بیماریها ، یعنی شیوه زندگی و رفتار انسانها معطوف گشته است عواملی مانند استعمال سیگار،الگوی تغذیه نامناسب ،نداشتن فعالیت جسمی ،سوء مصرف مواد ،تصادمهاوسوء رفتارهای جنسی ازمهمترین  علل مرگ و میر وباورها ، فرهنگ ، سنت ها  ،ادراک و  مشارکت مردم،فقر ، جنگ ،قوانین ، تحصیلات، امنیت ، مسکن ، اشتغال ، عدالت اجتماعی از عوامل موثر بر سلامتی بوده اندکه باعث بازپدیدی و نوپدیدی برخی بیماریها شده اند.

اکثر محققان سال 1974 را تاریخ آغاز عصر ارتقاء سلامت وپیشگیری   می دانند که مهمترین انقلاب درجهت رسیدن به سلامت جمعیت ها و بهترین امید برای بهبود کیفیت و رضایت از زندگی بوده است.

پرستاران بعنوان عضوکثیری  از گروه بهداشتی و درمانی بر ارتقاء سلامت و فعالیت های پیشگیری از بیماری ناکید دارند ، چونکه  درحفظ و ارتقاء سلامتی به مددجو کمک می نمایند تا سطح سلامتی خود را توسعه دهند.

روش ومواد پژوهش:

این پژ.هش یک مطالعه پیمایشی است که به منظور تعیین میزان بکارگیری متدهای ارتقاء سلامتی سبک زندگی در پرسنل شاغل مراکز بهداشتی و درمانی شهرستان خوی انجام گرفته است.