عنوان اصلی لاتین : Optimization Cultures
عنوان اصلی فارسی مقاله: فرهنگ بهینه سازی
مرتبط با رشته : فناوری اطلاعات - بهینه سازی
نوع فایل ترجمه : ورد آفیس(که دارای امکان ویرایش می باشد)
تعداد صفحات فایل ترجمه شده: 13 صفحه
کلمات کلیدی مربوطه با این مقاله: بهینه سازی عددی، فن آوری هوشمند، الگوریتمها
برای دریافت رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
_______________________________________
بخشی از ترجمه:
روش
های کلاسیک، که نیاز به بهره برداری و عملکردهای خاص از تابع هدف و
محدودیت ها، و ابتکارات دارند ، روش های بهینه سازی محاسباتی را به طور
گسترده ، به دو گروه دسته بندی می کنند . اگر تحمیل محدودیت در مدل ها،
به نرخ محاسباتی مربوط شود، روش دوم تعداد معدودی از توابع را به همراه
خواهد داشت . اما به دلیل رشد ظرفیت محاسبه در دهه های گذشته، این روش در
حال حاضر ابزار کاملا عملی برای استفاده روزمره می باشد . با این وجود ، به
جای تحقیق در مورد مزایای استفاده از فن آوری هوشمند، کاربران هنوز هم به
روش کلاسیک عمل می کنند . موضوع بحث در مورد دلیل عدم پذیرش فن آوری
هوشمند بوده و استدلال می کند که انتخاب روش عددی، بهینه سازی شده است.
به همان اندازه با فرهنگ کاربر محور - زمینه کار و زمینه های آموزشی - به
عنوان کیفیت برتر پذیرفته می شود . به طور خاص، ما استدلال می کنیم که
بسیاری از کاستی ها می تواند اعتبارات لازم را برای بهینه سازی به عنوان
یک مدل ریاضی، نظم و انضباط دقیق فراهم آورد . در عوض، آنها باید ابزار
محاسباتی را به صورت عملی به کار گیرند
1. مقدمه
ما
فکر می کنیم که در بازار جهانی حدود پنج کامپیوتر وجود دارد. بنابراین به
گفته، توماس واتسون، رئیس آی بی ام، که در سال 1943 این موارد ارائه شد .
این گفته ها تا 10 سال بعد ، تا سال 1953، قبل از تحویل اولین کامپیوتر
الکترونیکی IBMمورد قبول بود . با وجود داستان ها و نقل قول های فراوان ،
مردم پیش بینی هایی را در مورد محاسبات فن آوری داشته اند که با اشتباهات
چشمگیری روبرو بوده است . این موارد عادلانه بوده و واتسون احتمالا هرگز
بیانیه ای ارائه نکرده است .
جهت دانلود محصول اینجا کلیک نمایید
بخشی از مقاله انگلیسی
Figure 1: The graphic shows the objective functions of two portfoliooptimization
models. In both models, the goal is to minimize the risk
of a portfolio of three assets. In the upper panel, we equate risk with
return variance. Thus, the function shows the variance of the portfolio
for dierent weights of two assets; the third asset’s weight is xed
through the budget constraint (i.e., we cannot invest more wealth than
we have). This is the standard model in portfolio optimization, introduced
in Markowitz (1952). In order to solve it, a classical optimization
technique starts at some point that is specied by the user. Then it
moves downhill (“minus the gradient”) until at some point the gradient
becomes zero: the objective function is at, and we have arrived
at the minimum. That minimum is easily found because the function
is smooth and only has one optimum. In fact, Markowitz chose this
specication for risk because the function is so well-behaved, not because
he considered it the best nancial specication. Already in the
1950s Markowitz pondered using downside semi-variance as a measure
for risk, but rejected it mainly because he could not nd an algorithm
to solve the resulting model.
