جهت‌یابی یک توانایی حیاتی برای انسان و حیوان محسوب می‌گردد. برای بهبود مهارت‌های جهت‌یابی در ربات‌ها، می‌توان از روشی که حشرات در طبیعت با کمک آن جهت‌یابی می‌کنند، الهام گرفت. یک سوال اصلی در مورد حشراتی که به‌ کمک توانایی بصری خود جهت‌یابی می‌کنند؛ این‌ است که آن‌ها چه اطلاعاتی از تصاویر ‌طبیعی را در پیدا کردن جهت حرکت استفاده می‌کنند؟ برای جهت‌یابی، می‌توان از روش ‌مینیمم تابع ‌‌‌اختلاف تصویر چرخشی ‌ (MrIDF) به کمک پردازش تصاویر پانوراما استفاده کرد [1]. در روش MrIDF حتی با شیفت کامل در صورتی-که فاصله مکان تصویر نمای فعلی تا تصویر مرجع زیاد شود، نمی‌توان مسیر برگشت را به دلیل زیاد شدن اختلاف دو تصویر، به‌‌درستی شناسایی کرد. در این مقاله، ما راه‌کاری ارائه می‌دهیم که در نقاط دور از مکان مرجع نیز، می‌توان مسیر و زاویه برگشت را شناسایی ‌کرد. همچنین با استفاده از الگوریتم بهینه‌سازی استراتژی ‌تکاملی ‌انطباق ‌ماتریس ‌کوواریانس (CMA-ES)، کارآیی روش‌ MrIDF را بهبود می‌بخشیم و در ادامه کارآیی آن ‌را در قالب یک مثال ناوبری نشان می‌دهیم. نتایج نشان می‌دهند که یافتن جهت حرکت از طریق الگوریتم پیشنهادی، با دقت کافی و در زمان بسیار کمتری انجام می‌شود. تفاصيل المقالة

نظریه برنامه‌ریزی چندپارامتریک ابزار ارزشمندی برای تصمیم‌گیری تحت عدم قطعیت می‌باشد و حیطه فعالی از تحقیقات را به خود اختصاص داده است. اگرچه بهینه‌سازی چندپارامتریک با عدم قطعیت در ضرایب تابع هدف و مقادیر سمت راست محدودیت‌ها بسیار مورد توجه واقع شده و روش‌های گوناگونی برای حل آن‌ها تاکنون ارائه شده است، عدم قطعیت در ماتریس ضرایب (به عبارتی سمت چپ) کمتر مورد توجه قرار گرفته است. در این کار یک روش جدید برای حل مسائل چندپارمتریک عدد صحیح مختلط (mp-MILP) با عدم قطعیت در محدودیت‌ها ارائه شده است. این روش شامل دو مرحله است که در مرحله اول با استفاده از آزادسازی مک‌کورمیک تظریف شده کران‌های جملات دوخطی بهبود می‌یابد و در مرحله دوم برپایه این کران‌های بهبود یافته و تخمین جملات دوخطی، مدل تقریبی از mp-MILP بدست آمده است. در انتها کارایی روش تقریبی ارائه شده توسط دو مثال مورد بررسی قرار گرفته است. برای انجام این کار در افزارهای متفاوت تقریب مساله انجام شده و میزان محاسبات لازم برای حل آن‌ها مقایسه گردیده است. تفاصيل المقالة

در سال‌های اخیر استفاده از روش‌های ابتکاری و الگوریتم‌های تکاملی برای حل مسائل سبد دارایی بسیار مورد توجه قرار گرفته است. در این پژوهش با استفاده از الگوریتم‌های بهینه‌سازی ازدحام ذرات و جستجوی ممنوعه مدل اندازه‌گیری ریسک دو طرفه، را بهینه می‌کنیم. لازم به ذکر است این مدل یک مسئله مقید می‌باشد که با استفاده از روش‌های جریمه به یک مسئله نامقید تبدیل می‌شود. در آخر اطلاعات مربوط به ارزش تاریخی سهام  در فاصله سال‌های 2004 تا 2009 به عنوان ورودی‌های مدل در نظر گرفته می‌شود و نتایج دو روش روی آنها مورد بررسی قرار می­گیرد. تفاصيل المقالة

In this paper, an optimal adaptive sliding mode controller is proposed for anti-synchronization of two identical hyperchaotic systems. We use hyperchaotic complex T-system for master and slave systems with unknown parameters in the slave system. To construct the optimal adaptive sliding mode controller, first a simple sliding surface is designed. Then, the optimal adaptive sliding mode controller is derived to guarantee the occurrence of the sliding motion. تفاصيل المقالة