این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
شنبه 2 اسفند 1404
مدیریت صنعتی
، جلد ۹، شماره ۲، صفحات ۲۴۵-۲۶۴
عنوان فارسی
ارزیابی مقایسهای عملکرد توابع شایستگی الگوریتم ژنتیک در رتبهبندی مشتریان
چکیده فارسی مقاله
با توجه به اهمیت بحث اعتبارسنجی مشتریان در تصمیمگیری مؤسسههای اعتباری برای اعطای تسهیلات، تحقیقات گستردهای در خصوص روشهای رتبهبندی اعتباری انجام شده است. الگوریتمهای ژنتیک بهعنوان یکی از روشهای محاسبۀ تکاملی، از جمله روشهایی است که در این زمینه استفاده میشود. مقالات بسیاری در مقایسۀ عملکرد الگوریتمهای ژنتیک و سایر روشهای رتبهبندی رایج منتشر شده است، اما جزئیات چندانی دربارۀ تابع شایستگی مورد استفاده در الگوریتم ژنتیک ارائه نشده، در حالیکه تابع شایستگی تأثیر شایان توجهی بر عملکرد مدل کلّی دارد. برای بررسی بیشتر موضوع، در مقالۀ حاضر سه تابع شایستگی قابل استفاده در الگوریتم ژنتیک مطرح شده و عملکرد آنها با سایر روشهای رتبهبندی اعتباری شامل رگرسیون لجستیک و تحلیل پوششی دادهها مقایسه شده است. نتایج بهدست آمده حاکی از برتری عملکرد تابع درجه دو الگوریتم ژنتیک از لحاظ مجموع شاخصهای صحت، تشخیص و حساسیت است.
کلیدواژههای فارسی مقاله
عنوان انگلیسی
Performance Comparison of Genetic Algorithm Fitness Function in Customer Credit Scoring
چکیده انگلیسی مقاله
a lot of studies have been done about customer credit scoring, considering importance of the topic on credit institutions decision making. As an evolutionary computation method, Genetic algorithm is one of the methods used in this field. A variety of papers are published on comparing the performance of genetic algorithms with other scoring method but there is little information regard to fitness functions while these fitness functions play a vital role in overall performance of the model. To further investigation of the problem, three different fitness functions are proposed in the current paper and their performance is compared with other scoring methods including logistic regression and data envelopment analysis. The obtained results have shown that genetic algorithms quadratic function totally outperformed other methods based on accuracy, detection and sensitivity criteria.
کلیدواژههای انگلیسی مقاله
نویسندگان مقاله
علی اقبالی |
کارشناس ارشد مدیریت صنعتی، دانشکدۀ مدیریت و مالی، دانشگاه خاتم، تهران، ایران
حسین رضوی حاجی آقا | razavi hadjiagha
استادیار گروه مدیریت، دانشکدۀ مدیریت و مالی، دانشگاه خاتم، تهران، ایران
حنان عموزاد |
استادیار گروه مدیریت صنعتی، دانشکدۀ مدیریت، دانشگاه تهران، تهران، ایران
سازمان اصلی تایید شده
: دانشگاه تهران (Tehran university)
نشانی اینترنتی
https://imj.ut.ac.ir/article_64582_043c9ea09aa272c255dec186a399f0e6.pdf
فایل مقاله
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1082/article-1082-563687.pdf
کد مقاله (doi)
زبان مقاله منتشر شده
fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به:
صفحه اول پایگاه
|
نسخه مرتبط
|
نشریه مرتبط
|
فهرست نشریات