{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "QA630",
        "title": "مسأله بهینه سازی شانس برای انتخاب بهینه پرتفوی",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1399",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "QA630",
        "title": "مسأله بهینه سازی شانس برای انتخاب بهینه پرتفوی",
        "degree": null,
        "faculty": "علوم ریاضی",
        "year": 1399,
        "authors": [
            {
                "name": "زهرا مجیدی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "علیرضا ناظمی",
                "role": "استاد راهنما"
            },
            {
                "name": "سید مجتبی میرلوحی",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "کلمات کلیدی: بهینه سازی سبدسهام",
            "مسائل مخروط مرتبه دوم محدب",
            "فازی",
            "فازی- تصادفی",
            "شبکه های عصبی بازگشتی",
            "مقدار ریسک موازنه(ERV)"
        ],
        "abstract": "در این پایان نامه یک مدل شبکه عصبی برای حل مسائل برنامه ریزی مخروطی مرتبه دوم محدب و سپس حل مسائل بهینه سازی سبدسهام در فضای احتمال- اعتبار ارائه می شود. در ابتدا در فصل اول به مرور مقدمات و مفاهیم اولیه ریاضی و مالی و در فصل دوم مفاهیم فازی و نظریه اعتبار پرداخته شده است. در فصل سوم نیز مقدمه ای بر شبکه های عصبی بازگشتی ارائه شده است. در فصل چهارم شرایط بهینگی را برای مسأله بهینه سازی مورد نظر بررسی کرده و سپس یک مدل شبکه عصبی متناظر با آن طراحی شده است. نشان می دهیم نقطه تعادل شبکه عصبی معادل جواب بهینه مسأله اصلی است، همچنین مدل شبکه عصبی پیشنهادی پایدار لیاپانوف است و به صورت سراسری به جواب بهینه همگراست. در فصل آخر با معرفی فضای احتمال- اعتبار به حل مسأله بهینه سازی سبدسهام توسط مقدار ریسک موازنه(ERV) می پردازیم. مسأله سبدسهام به صورت یک مدل مقدار موردانتظار (EV) فازی- تصادفی در معرض محدودیت ERV ساخته می شود. آن را مدل ERV − EV می نامیم. مدل ERV − EV یک مسأله برنامه ریزی محدب است. \r\nنتایج محاسباتی نشان می دهد که روش بهینه سازی موازنه در مقایسه با روش بهینه سازی تصادفی از منظر تنوع بهتر است.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_QA630.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}