@article { author = {batamiz, aida and Hossein Zadeh Saljooghi, Faranak and Sanavi, Ali Akbar}, title = {A new method for determining bankruptcy using DEA and Rough set theory}, journal = {Journal of Advanced Mathematical Modeling}, volume = {6}, number = {1}, pages = {1-22}, year = {2016}, publisher = {Shahid Chamran University of Ahvaz}, issn = {2251-8088}, eissn = {2645-6141}, doi = {10.22055/jamm.2016.12301}, abstract = {In the changing economic conditions and volatility in financial environments in commercial is very important for predict financial performance, One of these is predict financial crisis and bankruptcy assessment. Data envelopment analysis (DEA) is a powerful tool available to managers that Benchmark your company's performance in their business activities. The conventional data envelopment DEA models are to evaluate each DMU optimistically. DEA is evaluation model from the optimistic viewpoint. In fact it will be evaluated in optimistic state. However, other models have been introduced in the DEA to measure the efficiency with which the pessimistic viewpoint of their specific applications such as assessing the failures and bankruptcy. In this paper combine Rough set theory and a new model in DEA about bankruptcy and it measure the efficiency and bankruptcy with establishment of an information system and the use of indicators calculates bankruptcy and efficiency using DEA Rough concepts and Fuzzy Rough. The results of the model in determining bankruptcies reviewed the number of organization.}, keywords = {Bankruptcy,game theory,Rough set theory,Fuzzy Rough,DEA Rough}, title_fa = {روشی جدید در تعیین ورشکستگی با استفاده از تحلیل پوششی داده ها و تئوری مجموعه های راف فازی}, abstract_fa = {در شرایط متغیر اقتصادی و نوسانات شدید مالی در محیط های تجاری، وجود الگوهایی برای پیش بینی عملکرد مالی شرکتها از اهمیت بسزایی برخوردار است. یکی از این موارد پیش بینی وقوع بحران مالی و به عبارت دیگر ورشکستگی است. تحلیل پوششی داده ها (DEA) یک ابزار قدرتمند در اختیار مدیران است که عملکرد شرکت خود را در فعالیت های تجاری محک بزنند. مدلهای مرسوم تحلیل پوششی داده ها ارزیابی کارایی نسبی واحدهای تصمیم گیری (DMU) را در بهترین حالت انجام می دهند و درواقع در حالت خوشبینانه ارزیابی صورت می گیرد، ولی مدلهای دیگری در DEA معرفی شده اند که قابلیت اندازه گیری کارایی با دیدگاه بدبینانه را نیز دارند که دارای کاربردهای ویژه خود مانند ارزیابی ورشکستگی می باشند. این مقاله با استفاده از نظریه بازی های DEA و تخصیص، یک مدل جدید DEA در زمینه ورشکستگی را معرفی می کند و با تشکیل یک سیستم اطلاعاتی و استفاده از شاخص ها، ورشکستگی و کارایی را با استفاده از مفاهیم DEA راف و راف فازی محاسبه می کند. نتایج حاصل از مدل در تعیین ورشکستگی بین چند سازمان بررسی و محاسبه شده است.}, keywords_fa = {ورشکستگی,نظریه بازی ها,تئوری مجموعه راف,راف فازی,DEA راف}, url = {https://jamm.scu.ac.ir/article_12301.html}, eprint = {https://jamm.scu.ac.ir/article_12301_fb5b638e9567a13e56b7f46f1a00889e.pdf} } @article { author = {Mohammadzadeh, Mohsen and Naseri, Zahra}, title = {Small Area Estimation and Spaial Prediction}, journal = {Journal of Advanced Mathematical Modeling}, volume = {6}, number = {1}, pages = {23-40}, year = {2016}, publisher = {Shahid Chamran University of Ahvaz}, issn = {2251-8088}, eissn = {2645-6141}, doi = {10.22055/jamm.2016.12302}, abstract = {Direct estimators of parameters are not precise because of little surveys unit in small areas. Regarding the wide spread increase of demand for providing valid and accurate statistics for small areas, attempts have been made to present proper solutions for the problems. Small area estimation approaches provide the direct estimators with borrowing strength to increase their precision based on a model, especially about those estimators that are based on the linear mixed model including random area effects and using various auxiliary sources. Data associated with spatially contiguous small areas may be modeled via covariates, with error terms that are spatially dependent according to neighbor areas. In this paper we investigate small area estimation based on linear models with spatially correlated small area effects where the neighborhood structure is described by a contiguity matrix. Such models allow efficient use of spatial auxiliary information in small area estimation. Then estimation for small areas will be achieved for the amount of agronomy production in Fars province, according to the two common EBLUP and MBDE methods and two usual (non spatial) and spatial approaches based on the unit level model. Then the accuracy of them have been compared.}, keywords = {Small Area,Linear Mixed Model,Spatial Model,Spatial Prediction,Model Based Estimation}, title_fa = {برآورد کوچک ناحیه ای و پیشگویی فضایی}, abstract_fa = {اندک بودن اندازه داده‌ها در آمارگیری از کوچک نواحی، موجب دقت کم برآوردهای مستقیم ویژگی‌های مختلف در این نواحی می‌شود. با توجه به افزایش وسیع تقاضا برای تولید آمار‌های معتبر و دقیق برای کوچک نواحی، مطالعات زیادی انجام شده است که با ارائه رهیافت‌های مناسب این مشکل حل شود. معمولاً مدل‌های آمیخته خطی اساس بسیاری از روش‌های برآورد کوچک ناحیه‌ای هستند که با استفاده از منابع مختلف، اطلاعاتی کمکی به برآوردگرهای مستقیم وام می‌دهند تا دقت آن‌ها را افزایش دهند. چنانچه داده‌های کوچک نواحی وابستگی فضایی داشته باشند، می‌توان از مدل رگرسیونی که شامل متغیرهای کمکی و خطاهای همبسته فضایی به نواحی مجاور است، استفاده کرد. در این مقاله برآورد کوچک ناحیه‌ای بر اساس مدل خطی با اثرات کوچک ناحیهٔ همبسته فضایی بررسی می‌شود که در آن ساختار همسایگی فضایی داده‌ها از طریق ماتریس مجاورت در مدل لحاظ می‌گردد و اطلاعات کمکی فضایی نیز در برآورد کوچک ناحیه‌ای به‌کار گرفته می‌شود. سپس برآورد کوچک ناحیه‌ای میزان محصولات کشاورزی در شهرستان‌های استان فارس با دو روش متداول EBLUP و MBDE و با دو رویکرد معمولی (غیرفضایی) و فضایی در سطح واحد آماری به‌دست آورده خواهد شد آنگاه دقت آن‌ها مورد ارزیابی و مقایسه قرار می‌گیرند.}, keywords_fa = {کوچک ناحیه ای,مدل آمیخه خطی,پیشگویی فضایی,برآورد مدل مبنا}, url = {https://jamm.scu.ac.ir/article_12302.html}, eprint = {https://jamm.scu.ac.ir/article_12302_9d8c3926f10c30ca2e737e373a464584.pdf} } @article { author = {Yaghoubzadeh Shahrestani, Shahram and Shadrokh, Ali}, title = {Compare the two subsets of the family of beta-G distributions with two subsets of the family of distributions Zografos-Balakrishnan- G by using Monte Carlo simulation}, journal = {Journal of Advanced Mathematical Modeling}, volume = {6}, number = {1}, pages = {41-60}, year = {2016}, publisher = {Shahid Chamran University of Ahvaz}, issn = {2251-8088}, eissn = {2645-6141}, doi = {10.22055/jamm.2016.12303}, abstract = {In this article we want families beta-G distributions with family Zgrafos-Balakryshnan- G where G is a distribution of power series is a family of distributions using goodness of fit test statistics and risk and exchange rate risk, inverse functions, using monte carlo simulation and two sets actual data comparison and show that beta-G family of distributions model more suitable for distribution of a lifetime.}, keywords = {The Beta-G of family distributions"," The Zografos-Balakrishnan-G of family distributions"," The hazard rate function"," monte carlo simulation"," maximum liklihood estimation}, title_fa = {مقایسه دو زیر مجموعه از خانواده توزیعهای بتا-G با دو زیر مجموعه از خانواده توزیعهای زگرافوس-بالاکریشنان-G به کمک روش شبیه سازی مونت کارلو}, abstract_fa = {ددر این مقاله دو توزیع از خانواده توزیع های بتا-G با دو توزیع متناطر از خانواده توزیع های زگرافوس-بالاکریشنان-G که G یک توزیع از خانواده توزیع های سری توانی می باشد به کمک آماره های آزمون نیکویی برازش و تابع نرخ خطر و با استفاده از شبیه سازی مونت کارلو و دو مجموعه داده های واقعی مقایسه خواهد شد و نشان داده می شود که خانواده توزیع های بتا-G مدلی مناسب تر برای توزیع طول عمر می باشد..}, keywords_fa = {خانواده توزیعهای بتا-G"," خانواده توزیعهای زگرافوس-بالاکریشنان-G"," تابع نرخ خطر"," شبیه سازی مونت کارلو "," یرآورد ماکسیمم درستنمایی}, url = {https://jamm.scu.ac.ir/article_12303.html}, eprint = {https://jamm.scu.ac.ir/article_12303_2caa85262284584f8708531fff228de3.pdf} } @article { author = {Danesh, Sedigheh and Frnoosh, Rahman and Razzaghnia, Tahereh}, title = {fuzzy parameter estimation via fuzzy weights and linear programming}, journal = {Journal of Advanced Mathematical Modeling}, volume = {6}, number = {1}, pages = {61-80}, year = {2016}, publisher = {Shahid Chamran University of Ahvaz}, issn = {2251-8088}, eissn = {2645-6141}, doi = {10.22055/jamm.2016.12304}, abstract = {Fuzzy regression represents the relation between variables. Fuzzy regression analysis is one of the most widely used statistical techniques. In this study, fuzzy regression is considered with the crisp input and the fuzzy output. A hybrid algorithm based on fuzzy weights and linear programming is designed for the fuzzy nonparametric regression model prediction that function form is assumed unknown and in cases low data. In proposed method, the objective function minimizes the spread of outputs. Finally, the performance of the suggested method is compared with linear programming (LP) and quadratic programming (QP) methods using the numerical examples. The results demonstrate that the proposed method has more accurate than the LP and QP methods. Also, it is verified in cases of low data.}, keywords = {Fuzzy Regression,Linear programming,quadratic programming,adaptive neuro fuzzy inference system}, title_fa = {بر آورد پارامترهای فازی از طریق وزن های فازی و برنامه ریزی خطی}, abstract_fa = {تحلیل رگرسیون فازی یکی از پرکاربردترین تکنیک‌های آماری می‌باشد که رابطه بین متغیرها را نشان می‌دهد. در این بررسی رگرسیون فازی با ورودی غیر فازی و خروجی فازی در نظر گرفته می‌شود. برای پیش‌بینی مدل رگرسیون فازی، یک الگوریتم هیبریدی بر پایه برنامه‌ریزی خطی و وزن‌های فازی، در مواردی که تعداد داده ها کم بوده و یا با رگرسیون ناپارامتری فازی سروکار داشته و شکل تابعی آن مشخص نمی‌باشد، طراحی می‌شود. در این برنامه‌ریزی خطی، تابع هدف، پهنای خروجی‌ها را کمینه می‌کند. با استفاده از مثالهای عددی، عملکرد این روش با روشهای دیگر مانند برنامه‌ریزی خطی و برنامه‌ریزی مربعی مقایسه می‌شود. در این مقاله، با استفاده از مثالها نشان داده می‌شود که روش هیبریدی در مقایسه با روشهای دیگر دقت پیش‌بینی بیشتری دارد.}, keywords_fa = {رگرسیون فازی,برنامه ریزی خطی,برنامه ریزی مربعی,شبکه عصبی فازی تطبیقی}, url = {https://jamm.scu.ac.ir/article_12304.html}, eprint = {https://jamm.scu.ac.ir/article_12304_0cd56c5bc5d9fba36cc54ab20359ce65.pdf} } @article { author = {Zivari-Rezapour, Mohsen and Jalalvand, Mehdi}, title = {Symmetry of optimal solution when domain is symmetric}, journal = {Journal of Advanced Mathematical Modeling}, volume = {6}, number = {1}, pages = {81-88}, year = {2016}, publisher = {Shahid Chamran University of Ahvaz}, issn = {2251-8088}, eissn = {2645-6141}, doi = {10.22055/jamm.2016.12305}, abstract = {In this paper, we consider a maximization problem related to a Laplacian equation with Dirichlet boundary conditions, where the admissible set is a rearrangement class of a non-negative function. When the domain of the equation is symmetric, under some suitable assumptions, we prove that the optimal solution of the maximization problem is symmetric and unique.}, keywords = {Laplacian equation,maximization problem,optimal solution,Rearrangement,symmetry,uniqueness}, title_fa = {تقارن جواب بهین برای دامنه‌ای متقارن}, abstract_fa = {در این مقاله یک مساله بیشینه سازی وابسته به یک معادله لاپلاسین با شرط مرزی دیریکله را، روی دسته تجدید آرایش های یک تابع نامنفی، در نظر می‌گیریم. وقتی دامنه‌ی معادله متقارن باشد، تحت شرایط خاص، ثابت می‌کنیم که جواب بهین مساله ماکزیمم سازی وابسته به آن نیز متقارن خواهد بود. همچنین نشان می‌دهیم که جواب بهین یکتاست.}, keywords_fa = {معادله لاپلاسین,مساله بیشینه سازی,جواب بهین,تجدیدآرایش,تقارن,یکتایی}, url = {https://jamm.scu.ac.ir/article_12305.html}, eprint = {https://jamm.scu.ac.ir/article_12305_ee94367473821db839d0f29c8415c33f.pdf} } @article { author = {Hajipour, Vahid and Mohammadizadeh, Mohammmadreza and Abbasi, Morteza}, title = {An Efficient Dynamic Programming Approach to Optimize Capacitated Lot-sizing Problem}, journal = {Journal of Advanced Mathematical Modeling}, volume = {6}, number = {1}, pages = {89-102}, year = {2016}, publisher = {Shahid Chamran University of Ahvaz}, issn = {2251-8088}, eissn = {2645-6141}, doi = {10.22055/jamm.2016.12300}, abstract = {In most industrial applications, determining production quantities are one of the most key decision making. In this paper, an integer mathematical programming model for lot-sizing problem with considering set-up time, safety stock, shortage cost, and different production manners, is presented. The objective is to minimize summation of production, set up, holding, and shortage costs. To solve the model, a forward dynamic programming (DP) approach is presented and compared with classical backward DP method. Finally, different numerical illustrations with different dimension are generated. The statistical analysis on computational results showed that the proposed DP approach is more applicable than the classical DP in terms of computational time.}, keywords = {Mathematical Programming,Lot-sizing optimization problem,Dynamic programming}, title_fa = {ارائه یک روش برنامه ریزی پویا کارا جهت بهینه سازی مسئله اندازه سفارش با محدودیت ظرفیت}, abstract_fa = {در اکثر کاربردهای صنعتی یکی از مهمترین تصمیمات در مسائل اندازه انباشته تعیین بهترین مقدار تولید می باشد. در این مقاله، یک مدل برنامه ریزی ریاضی عدد صحیح برای مسئله اندازه انباشته با در نظر گرفتن زمان آماده سازی، موجودی اطمینان، هزینه کمبود و روشهای مختلف تولید ارائه می شود. هدف کمینه کردن مجموع هزینه های تولید، راه اندازی، نگهداری موجودی و کمبود موجودی است. برای حل مدل ارائه شده، یک روش برنامه‌ریزی پویای پیش‌رو ارایه شده و کارایی آن با روش برنامه ریزی پویای کلاسیک پس‌رو مورد مقایسه قرار گرفته است. در نهایت، چندین مسئله آزمایشی با ابعاد مختلف تولید شده است. تجزیه و تحلیل آماری بر روی نتایج محاسباتی بدست آمده، نشان می دهد که روش برنامه ریزی پویای پیشنهادی از نقطه نظر زمان محاسباتی به مراتب عملکرد بهتری نسبت به برنامه ریزی پویای کلاسیک دارد.}, keywords_fa = {برنامه ریزی ریاضی,مسئله بهینه سازی اندازه انباشته,برنامه ریزی پویا}, url = {https://jamm.scu.ac.ir/article_12300.html}, eprint = {https://jamm.scu.ac.ir/article_12300_3a239227ad957d45f1957b29d6363f3c.pdf} }