ارائه الگوی بهینه سازی فین تک براساس شاخص‌های هوش مصنوعی در بازار مالی

چکیده

هدف پژوهش ارائه الگوی بهینه سازی فین تک براساس شاخص‌های هوش مصنوعی در بازار مالی بوده است. پژوهش به علت ارائه الگو از نوع پژوهش‌های اکتشافی است و چون بهره وران از نتایج آن استفاده می‌کنند، کاربردی تلقی می‌شود. الگوریتم ژنتیک مرتب سازی نامغلوب (NSGA-II) به عنوان یک روش فراابتکاری برای حل 9 شبیه سازی مسئله مورد استفاده قرار گرفت سپس جوابهای بدست آمده از این روش با روش اپسیلن محدودیت مقایسه شدند، ارتباط بین جواب­ها نشاندهنده آن است که الگوریتم توسعه داده شده NSGA-II توانایی رسیدن به جواب مناسب در زمان کوتاه‌تر در مقایسه با روش اپسیلن محدودیت علی­الخصوص برای تست مسئله‌های بزرگ مقیاس را دارا می­باشد. نتایج حاصل از حل مدل ریاضی پیشنهادی با ارائه نه شبیه سازی مسئله به وسیله الگوریتم­های مورد نظر بیان شده و در نرم افزار GAMS و MATLAB حل گردید. مدلی که در این تحقیق در نظر گرفته شده است یک مدل دو هدفه برای حداقل سازی حرکات بین سلولی و خرید فین تک (تشکیل سلول) و بیشینه سازی روابط عملگرهای هوش مصنوعی با ملاحظات شبکه‌ای و کارایی عملگرها بر روی فین تک­ها (تخصیص عملگر) می­باشد. این الگو، نه تنها بهبود در کارایی فین تک‌ها را فراهم می‌کند بلکه با ارائه رویکردی نوین و مؤثر، امکان تطبیق با چالش‌های مختلف بازار مالی را نیز فراهم می‌سازد. از این رو، استفاده از این الگوی بهینه‌سازی می‌تواند به بهبود عملکرد و سودآوری در بازار مالی کمک کرده و به توسعه و پیشرفت در فضای مالی کمک نماید.