پیش بینی میزان مخارج دفاعی ایران تا افق ۱۴۰۴؛ با استفاده از الگوریتم های ژنتیک و PSO

Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 205

This Paper With 25 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_DFSR-1-3_005

تاریخ نمایه سازی: 19 خرداد 1400

Abstract:

بخش دفاعی، یکی از بخش های کلیدی کشور ایران است که قسمت مهمی از کل مخارج عمومی را به خود اختصاص داده است. لذا تلاش در جهت پیش بینی روند آتی این متغیر از اهمیت ویژه ای برای سیاست گذاران بخش دفاعی برخوردار است. در این مقاله با تکیه بر مبانی نظری مربوط به تابع مخارج دفاعی، به تصریح مدل مخارج دفاعی مناسب برای ایران با هدف دست یابی به پیش بینی مطلوب پرداخته شده است. لذا با هدف پیش بینی روند آتی مخارج دفاعی در ایران تا سال ۱۴۰۴، با استفاده از مبانی نظری در زمینه تابع مخارج دفاعی و به کارگیری آن با دو ابزار الگوریتم ژنتیک و الگوریتم بهینه سازی انبوه ذرات (PSO)، به شبیه سازی تابع مخارج دفاعی ایران طی سال های ۱۳۹۱-۱۳۳۸ در قالب سه معادله خطی، نمایی و درجه دوم پرداخته و سپس با استفاده از معیارهای انتخاب مدل رقیب، الگوریتم و مدل برتر انتخاب و اقدام به پیش بینی میزان مخارج دفاعی تا سال ۱۴۰۴ شده است. بر اساس نتایج به دست آمده می توان گفت که تابع مخارج دفاعی شبیه سازی شده توسط الگوریتم PSO با فرم نمایی، با ساختار ایران سازگاری بیش تری دارد و بنابراین، برای پیش بینی مخارج از نمونه تا سال ۱۴۰۴ انتخاب و برگزیده شده است. نتایج پیش بینی نیز نشان دهنده آن است که مخارج دفاعی در ایران با شیب نسبتا ملایمی تا سال ۱۴۰۴ افزایش خواهد یافت.

Authors

ابوالقاسم گل خندان

دانشگاه لرستان

مجید بابائی آغ اسمعیلی

دانشگاه ارومیه

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • منابعامامی میبدی، علی، خضری، محسن و اعظمی، آرش (۱۳۸۸). «شبیه­سازی ...
  • بخشی دستجردی، رسول و خاکی نجف آبادی، ناهید (۱۳۸۹). «بررسی ...
  • بهمنی، مجتبی، قاسمی نژاد، امین، کریمیان، علی اکبر و آرامش، ...
  • جلائی، سید عبدالمجید، قاسمی، امین و ستاری، امید (۱۳۹۴). «شبیه ...
  • جلائی اسفندآبادی، عبدالمجید، طالقانی، فاطمه، منگالی، هدا و آرامش، حکیمه ...
  • صادقی، حسین، ذوالفقاری، مهدی، سهرابی، حسین، سلمانی، یونس (۱۳۹۱). «کاربرد ...
  • عصاری، محمدرضا، عصاره، احسان، بهرنگ، محمدعلی و قنبرزاده، افشین (۱۳۸۹). ...
  • قنبری، علی، خضری، محسن و اعظمی، آرش (۱۳۸۷). «شبیه­سازی تابع ...
  • کاظمی، عالیه، مومنی، منصور و نظری، حسام (۱۳۹۲). «انتخاب سناریوی ...
  • گل خندان، ابوالقاسم (۱۳۹۴). «تعیین سطح بهینه ی بخش دفاعی ...
  • میرفخرالدینی، سیدحیدر، بابایی میبدی، حمید و مروتی شریف آبادی، حمید ...
  • هارتلی، کیت و ساندلر، تاد (۱۳۸۳). منتخبی از موضوعات در ...
  • Abdelfattah, Y.M., Abu-Qarn, A. & Dunne, P. (۲۰۱۳). The demand ...
  • Bahrami, S., Hooshmand, R.A., & Parastegari, M. (۲۰۱۴). Short term ...
  • Kumar, D.N. & Reddy, M.J. (۲۰۰۷). Multi-objective particle swarm optimization ...
  • Pereira, R. (۲۰۰۰). Genetic Algorithm Optimizations for Finance and Investments.Reeves, ...
  • Rudolph G. ۱۹۹۴. Convergence properties of canonical genetic algorithms. IEEE ...
  • Ünler, A. (۲۰۰۸). Improvement of energy demand forecasts using swarm ...
  • نمایش کامل مراجع