انجمن سیستم های فازی ایران سیستم های فازی و کاربردها 2717-4409 7 2 2024 12 21 Adaptive neuro-fuzzy inference system based on PSO for age estimation using CBCT images of the maxillary and frontal sinuses رویکرد سیستم استنتاج عصبی فازی انطباقی مبتنی بر PSO در تشخیص سن با استفاده از تصاویر CBCT سینوس ماگزیلا و پیشانی 1 11 209467 10.22034/jfsa.2024.464043.1211 FA مه لقا افراسیابی گروه مهندسی کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه صنعتی همدان، همدان، ایران 0000-0001-9472-4453 Journal Article 2024 06 22 Factors such as age play a significant role in identifying individuals in criminal cases. The frontal sinus and maxilla are resistant to impact. The present study aims to investigate the capability of the Adaptive Neuro-Fuzzy Inference System (ANFIS) in age determination using cone beam CT scan images. In this method, 240 cone beam CT scan images were collected, and the height, length, width, and volume of the frontal sinus and maxilla were extracted. Subsequently, an ANFIS based on PSO model was proposed for age determination. The research results indicate that this system has good accuracy compared to other machine learning methods in age determination. عوامل هویتی مانند سن در شناسایی افراد در پرونده های کیفری اهمیت زیادی دارد. سینوس پیشانی و ماگزیلا در برابر ضربه مقاوم هستند. هدف پژوهش حاضر بررسی قابلیت سیستم استنتاج عصبی فازی انطباقی در تشخیص سن در تصاویر سی تی اسکن با پرتو مخروطی است. در این روش 240 تصویر سی تی اسکن با پرتو مخروطی جمع آوری شد و ارتفاع، طول؛ عرض و حجم سینوس پیشانی و ماگزیلا استخراج شد. سپس برای تشخیص سن یک مدل سیستم استنتاج عصبی فازی ترکیب شده با الگوریتم ازدحام ذرات (PSO) ارایه شد. <br />نتایج تحقیق نشان می دهد این سیستم دقت خوبی نسبت به روش های دیگر یادگیری ماشین در تشخیص سن دارد. https://jfsa.fuzzy.ir/article_209467_e77ebfeab7dfa5d9383bfe1f99b3c9f1.pdf

انجمن سیستم های فازی ایران سیستم های فازی و کاربردها 2717-4409 7 2 2024 12 21 A fuzzy classification method for mixture of nonlinear regression model یک روش کلاس‎‏‌بندی فازی برای رگرسیون غیرخطی‏ آمیخته 13 32 210581 10.22034/jfsa.2024.458851.1206 FA فرزانه هاشمی گروه آمار، دانشکده ریاضی، دانشگاه کاشان، کاشان، ایران Journal Article 2024 05 22 Mixture regression models are widely used to obtain relationships between the response variable and one or more predictor variables from several non-homogeneous groups. Since many data have heavy tails in reality, using ordinary mixture regression models with normal errors can cause deviations in inference. The class of scale mixture normal distributions includes many symmetric distributions as special cases. In many studies, the EM algorithm is used to obtain the number of clusters and estimate the parameters. In this paper, a fuzzy approach is proposed to obtain the number of clusters and estimate the parameters in the mixture regression model based on normal scale mixture normal errors distribution. Extensive simulation studies and reals data analyses illustrate the efficacy and performance of the proposed methodologhy and EM-type algorithm. مدل‌های رگرسیون آمیخته به طور گسترده‌ای برای به دست آوردن روابط بین متغیر پاسخ و یک یا چند متغیر پیشبین از چندین گروه غیر همگن به کار می‌روند. از آنجایی ‏بسیاری از داده‌ها در واقعیت دارای دم سنگینی‌ هستند بنابراین استفاده از مدل‌های رگرسیون آمیخته معمولی با خطاهای نرمال می‌تواند باعث ایجاد انحراف در استنباط شود. کلاس توزیع‌های مخلوط مقیاسی نرمال بسیاری از توزیع‌های برجسته متقارن را به عنوان موارد خاص در بر می‌گیرد.‎ در بسیاری از مطالعات از روش امید-ماکسیمم برای بدست آوردن تعداد خوشه‌ها و برآورد پارمترها استفاده می‌شود. ‏در این مقاله یک رویکرد فازی برای بدست آوردن تعداد خوشه‌ها و برآورد پارامترها در مدل رگرسیون آمیخته با توزیع‌ خطاهای مخلوط مقیاسی نرما‎ل‎ پیشنهاد شده است. دو مطالعه شبیه‌سازی برای بررسی ویژگی جانبی برآوردگرها و حساسیت مدل پیشنهادی در برابر نقاط پرت انجام شده است. ‎‏همچنین یک مثال واقعی برای بررسی اثربخشی روش پیشنهادی انجام شده است. https://jfsa.fuzzy.ir/article_210581_1be2d4f05b1fcde46fa0c987dc626220.pdf

انجمن سیستم های فازی ایران سیستم های فازی و کاربردها 2717-4409 7 2 2024 12 21 Review of Fuzzy and Non-Fuzzy methods based on the Whale Optimization Algorithm and their applications بررسی روش‌های فازی و غیرفازی مبتنی بر الگوریتم بهینه‌سازی نهنگ و کاربردهای آن‌ها 33 63 211236 10.22034/jfsa.2024.467966.1234 FA امیرمحمد نعمتی بخش علوم کامپیوتر، دانشکده ریاضی و کامپیوتر، دانشگاه شهید باهنر کرمان،کرمان، ایران مرجان کوچکی رفسنجانی بخش علوم کامپیوتر، دانشکده ریاضی و کامپیوتر، دانشگاه شهید باهنر کرمان،کرمان، ایران 0000-0002-3220-4839 Journal Article 2024 07 15 In this article, the Whale Optimization Algorithm (WOA) and several extended algorithms based on it are examined. The Whale Optimization Algorithm, as a novel metaheuristic approach, has gained a prominent position in solving complex optimization problems. This algorithm, inspired by the social behavior of whales in nature, has drawn attention due to its significant capabilities in finding global and local optima. However, WOA faces challenges such as a slow convergence rate, which can lead to increased computational time in solving problems, as well as a tendency to get stuck in local solutions, a limitation linked to the random selection of search agents during the exploration phase. These limitations have prompted researchers to enhance and improve the algorithm by integrating it with various methods and algorithms. In recent years, the combination of WOA with fuzzy and non-fuzzy methods has resulted in significant improvements in its performance, especially in problems like feature selection, data clustering, and complex engineering problems. These combinations have managed to maintain the inherent advantages of WOA while reducing its weaknesses, providing greater efficiency and accuracy in solving various problems. This article reviews several improved versions of the Whale Optimization Algorithm, which have been developed using different approaches. These algorithms are compared in terms of multiple aspects such as convergence rate, accuracy, complexity, average fitness value, avoidance of local optima, and their application to practical problems. Furthermore, the strengths and weaknesses of each of these versions are analyzed, and their applications in various scientific and industrial fields are discussed. The results of this study can serve as a comprehensive reference for researchers and engineers seeking to apply or develop advanced optimization algorithms. Additionally, this article contributes to a deeper understanding of the performance of the WOA and its enhancement methods and can be used as a foundation for future research in this field. در این مقاله، الگوریتم بهینه‌سازی نهنگ و تعدادی از الگوریتم‌های تعمیم یافته روی آن مورد بررسی قرار گرفته است. الگوریتم بهینه‌سازی نهنگ به‌عنوان یک روش فراابتکاری جدید، جایگاه برجسته‌ای در حل مسائل پیچیده بهینه‌سازی به دست آورده است. این الگوریتم که از رفتار اجتماعی نهنگ‌ها در طبیعت الهام گرفته شده، به دلیل توانایی‌های قابل توجه در یافتن بهینه‌های سراسری و محلی، مورد توجه قرار گرفته است. با این حال، الگوریتم بهینه‌سازی نهنگ با چالش‌هایی روبروست؛ نظیر نرخ همگرایی کند که می‌تواند منجر به افزایش زمان محاسباتی در حل مسائل شود، و همچنین پایبندی به برخی از راه‌حل‌های محلی، که این پایبندی به انتخاب تصادفی عوامل جستجو در مرحله اکتشاف برمی‌گردد. این محدودیت‌ها باعث شده است که پژوهشگران به توسعه و بهبود این الگوریتم با استفاده از ترکیب آن با روش‌ها و الگوریتم‌های مختلف بپردازند. در سال‌های اخیر، ترکیب الگوریتم بهینه‌سازی نهنگ با روش‌های فازی و غیرفازی موجب بهبود قابل‌توجهی در عملکرد آن، به‌ویژه در مسائلی مانند انتخاب ویژگی، خوشه‌بندی داده‌ها، و مسائل پیچیده مهندسی شده است. این ترکیب‌ها توانسته‌اند ضمن حفظ مزایای ذاتی الگوریتم بهینه‌سازی نهنگ، نقاط ضعف آن را کاهش داده و کارایی و دقت بیشتری در حل مسائل مختلف ارائه دهند. این مقاله به بررسی چندین نسخه بهبودیافته از الگوریتم بهینه‌سازی نهنگ می‌پردازد که با استفاده از راهکار‌های مختلف توسعه یافته‌اند. این الگوریتم‌ها از جنبه‌های متعددی نظیر نرخ همگرایی، دقت، پیچیدگی، میانگین مقدار شایستگی، اجتناب از گیرافتادن در بهینه‌های محلی و کاربرد در مسائل عملی با یکدیگر مقایسه شده‌اند. علاوه بر این، نقاط قوت و ضعف هر یک از این نسخه‌ها تحلیل شده و کاربردهای آن‌ها در زمینه‌های مختلف علمی و صنعتی بررسی شده است. نتایج این پژوهش می‌تواند به‌عنوان یک مرجع جامع برای محققان و مهندسانی که در پی به‌کارگیری یا توسعه الگوریتم‌های بهینه‌سازی پیشرفته هستند، مورد استفاده قرار گیرد. همچنین، این مقاله به درک عمیق‌تر عملکرد الگوریتم بهینه‌سازی نهنگ و روش‌های بهبود آن کمک می‌کند و می‌توان از آن به‌عنوان پایه‌ای برای تحقیقات آتی در این حوزه استفاده کرد. https://jfsa.fuzzy.ir/article_211236_55f362c731d0fa7f5023a68ecd91a773.pdf

انجمن سیستم های فازی ایران سیستم های فازی و کاربردها 2717-4409 7 2 2024 12 21 Fuzzyhyper K-algebras based on fuzzyhyper operation ابرk−جبرهای فازی مشتق شده از ابرعمل فازی 65 86 211315 10.22034/jfsa.2024.470204.1239 FA فهیمه محمدزاده گروه علوم پایه، دانشگاه پیام نور، تهران، ایران 0000-0002-7402-0229 الهه محمدزاده گروه علوم پایه، دانشگاه پیام نور، تهران، ایران Journal Article 2024 07 28 Abstract. In this paper, first we redefine the concepts of fuzzy hyper BCK- algebra and fuzzy hyper K algebra that were previously introduced by Borzoui and Zahedi based on fuzzy sets, and obtain their results with our new definition. In other words, A fuzzy hyper operation on a set under certain conditions , is called a fuzzy hyper K-algebra . In particular, we show that under certain conditions the sum and product of two fuzzy hyper K-algebra is a fuzzy hyper K-algebra. In addition, we define the concept of a fuzzy hyper K-ideal based on the fuzzy operation and we examine that each fuzzy hyper K- deal is a weak fazzyhyper K-ideal but the converse is not true. Also, with the help of the congruence relationship on the fuzzy hyper $K$-algebras, we obtain quotient structures. In the end, we make a fuzzy hyper k- algebra, a hyper Kalgebra, and vice versa. چکیده. در این مقاله ابتدا به کمک یک ابرعمل فازی مفاهیم ابر‎$BCK$-‎جبر فازی و ابر‎$K$-‎جبر فازی را که قبلا توسط برزویی و زاهدی ‏ بر مبنای مجموعه‌های فازی معرفی شده بود‏ را بازتعریف می‌کنیم و نتایج آنها ‎‏را با تعریف جدید خود بدست می‌آوریم. به عبارتی هرگاه یک ابر عمل فازی روی یک مجموعه ‎در شرایطی صدق کند‏، آنگاه این مجموعه همراه با آن ابر عمل فازی را یک ابر ‎‎$‎K‎$‎-‎ ‏جبر فازی می‌نامیم. به ویژه‏، نشان می‌دهیم که تحت شرایطی اجتماع و حاصلضرب دو ابر‎$K$-‎جبر فازی یک ابر‎$K$-‎جبر فازی است. علاوه بر آن مفهوم ابر ‎$K$-‎ایده‌آل ‎(ضعیف)‎ فازی را بر مبنای ابر عمل فازی نیز تعریف می‌کنیم و بررسی می‌کنیم که هر ابر‎$K$-ایده‌‎آل فازی یک ابر‎$K$-ایده‌‎آل ضعیف فازی است اما عکس آن برقرار نیست. همچنین به کمک رابطه همنهشتی روی ابر‎$K$-‎جبرهای فازی، ساختارهای خارج قسمتی به‌دست می‌آوریم. در پایان از یک ابر‎$K$-‎جبر فازی، ابر‎$K$-‎جبر می‌سازیم و برعکس. https://jfsa.fuzzy.ir/article_211315_8ccd6e7d066dc6325428b0b9373e270c.pdf

انجمن سیستم های فازی ایران سیستم های فازی و کاربردها 2717-4409 7 2 2024 12 21 Improving classification accuracy of multi-label data using classical fuzzy relation in ant colony optimizer بهبود دقت دسته‌بندی داده‌های چند برچسبی با استفاده از رابطه فازی کلاسیک در بهینه‌ساز کلونی مورچه‌ها 87 109 211730 10.22034/jfsa.2024.465088.1221 FA وحید مهرداد گروه مهندسی برق، دانشگاه لرستان‏، خرم آباد‏، ایران سحر شمس بیرانوند گروه مهندسی برق، دانشگاه لرستان‏، خرم آباد‏، ایران محمدباقر دولتشاهی گروه مهندسی برق، دانشگاه لرستان‏، خرم آباد‏، ایران Journal Article 2024 06 27 This paper proposes a novel approach to enhance the accuracy of multi-label data classification by integrating classical fuzzy logic with the Ant Colony Optimization (ACO) algorithm based on reinforcement learning. The increasing application of multi-label data in various domains necessitates effective methods to improve classification accuracy. In this method, classical fuzzy logic is combined with the ACO algorithm based on reinforcement learning to enhance its ability to handle the complex relationships inherent in multi-label datasets. Additionally, the integration of feature selection techniques with the ACO algorithm based on reinforcement learning is utilized to identify and exploit the most relevant features, resulting in dimensionality reduction and improved computational efficiency. Extensive experiments on standard datasets demonstrate the effectiveness of this approach in achieving better accuracy compared to competing methods. The proposed framework not only improves classification performance but also provides insights into the interpretability of classification decisions, contributing to the advancement of multi-label data classification methods. در این مقاله یک رویکرد جدید برای بهبود دقت طبقه‌بندی داده‌های چند برچسبی با استفاده از منطق فازی رابطه کلاسیک در چارچوب الگوریتم بهینه‌ساز کلونی مورچه‌ها مبتنی بر یادگیری تقویتی پیشنهاد شده است. افزایش کاربرد داده‌های چند برچسبی در حوزه‌های مختلف، نیاز به روش‌هایی موثر برای افزایش دقت طبقه‌بندی را ضروری می‌سازد. در این روش رابطه کلاسیک منطق فازی با الگوریتم بهینه‌ساز کلونی مورچه‌ها مبتنی بر یادگیری تقویتی ادغام شده است تا توانایی آن را برای مدیریت روابط پیچیده ذاتی در مجموعه داده‌های چند برچسبی افزایش دهد. علاوه بر این، از ترکیب تکنیک‌های انتخاب ویژگی و الگوریتم بهینه‌ساز کلونی مورچه‌ها مبتنی بر یادگیری تقویتی برای شناسایی و استفاده از مرتبط‌ترین ویژگی‌ها بهره گرفته شده است که در نتیجه باعث کاهش ابعاد و بهبود کارایی محاسباتی مدل شده است. از طریق آزمایش‌های گسترده بر روی مجموعه داده‌های استاندارد، اثربخشی این رویکرد در دستیابی به دقت بهتر در مقایسه با روش‌های رقیب نشان داده شده است. چارچوب پیشنهادی نه تنها عملکرد طبقه‌بندی را افزایش داده است، بلکه بینش‌هایی در مورد تفسیرپذیری تصمیم‌های طبقه‌بندی ارائه می‌دهد، که به پیشرفت روش‌های طبقه‌بندی داده‌های چند برچسبی کمک می‌کند. https://jfsa.fuzzy.ir/article_211730_1fca709f31d0d5961291de650acd64bb.pdf

انجمن سیستم های فازی ایران سیستم های فازی و کاربردها 2717-4409 7 2 2024 12 21 Fuzzy MARCOS multicriteria decision-making technique for choosing the right influencer for advertising of drinking companies in social networks (Case study: Bismark drinking company) تکنیک تصمیم گیری چندشاخصه مارکوس فازی جهت انتخاب اینفلوئنسر مناسب برای تبلیغات شرکت‌های نوشیدنی در بستر شبکه‌های اجتماعی (مورد مطالعاتی : کارخانه‌جات نوشیدنی بیسمارک) 111 134 214137 10.22034/jfsa.2025.477241.1242 FA محمدرضا نجاتی گروه علوم کامپیوتر، دانشکده علوم ریاضی، دانشگاه صنعتی شاهرود، شاهرود، ایران مریم قرآنی گروه ریاضی کاربردی و علوم کامپیوتر، دانشکده علوم ریاضی، دانشگاه صنعتی شاهرود، شاهرود، ایران مهرداد غزنوی گروه ریاضی کاربردی و علوم کامپیوتر، دانشکده علوم ریاضی، دانشگاه صنعتی شاهرود، شاهرود، ایران Journal Article 2024 09 06 By the increase in the number of production units of food and drinking industries in the country, a competitive marketing has been created between different brands producing these products. Therefore,, advertising in the field of social networks, especially in the last decade, has been one of the most common advertising solutions for various brands. The purpose of this research is to use the new fuzzy multicriteria decision-making method, called fuzzy MARCOS method, to select a suitable Instagram influencer for the advertising of drinking companies. By studying the theoretical and experimental background as well as a survey of experts in this field, twenty effective criteria on the selection of influencers for advertising were identified and ranked, and finally the seven best criteria were selected. Thereafter, the opinions of eight managers of the studied drinking company (Bismark Company) and experts familiar with the research were used to determine the weight of the criteria. Then, five selected influencers were ranked using fuzzy MARCOS multicriteria decision-making method. Using the fuzzy MARCOS multicriteria decision-making method in the field of branding and advertising in the context of social networks is one of the most important achievements of this research. با افزایش تعداد واحدهای تولیدی صنایع ‌غذایی و نوشیدنی در کشور، بازار رقابتی شدیدی بین برندهای مختلف تولیدکننده‌ی این محصولات ایجاد شده است. از این رو، تبلیغات در حوزه‌ی شبکه‌های اجتماعی به خصوص در یک دهه‌ی اخیر از رایج‌ترین راه‌حل‌های تبلیغاتی برای برندهای گوناگون بوده است. هدف از انجام این تحقیق ، به کارگیری روش نوین تصمیم گیری چندمعیاره مارکوس فازی جهت انتخاب یک اینفلوئنسر اینستاگرامی مناسب برای تبلیغات شرکت‌های نوشیدنی می‌باشد. با مطالعه پیشینه نظری و تجربی و همچنین نظرسنجی از خبرگان این حوزه، بیست معیـار مؤثر بر انتـخاب اینفلوئنسر جهت تبلیغات شناسایی و رتبه‌بندی شده و در نهایت هفت معیار برتر انتخاب می‌شوند. در ادامه، برای تعیین وزن معیارها از نظرات هشت نفر از مدیران شرکت نوشیدنی مورد مطالعه (شرکت بیسمارک) و خبرگان آشنا به تحقیق استفاده شده است. سپس با استفاده از روش تصمیم گیری چندمعیاره مارکوس فازی، پنج اینفلوئنسر برگزیده رتبه‌بندی شدند. استفاده از روش تصمیم‌گیری چندمعیاره مارکوس فازی در حوزه برندینگ و تبلیغات در بستر شبکه‌های اجتماعی، از مهم‌ترین دستاوردهای این پژوهش است. https://jfsa.fuzzy.ir/article_214137_561c3e7347355ca9186ec25b8c820e0b.pdf

انجمن سیستم های فازی ایران سیستم های فازی و کاربردها 2717-4409 7 2 2024 12 21 Rough interval multiobjective linear fractional programming problems and a new method for solving them مسائل برنامه‌ریزی کسری خطی چندهدفه بازه‌ای ناهموار و روشی جدید برای حل آن‌ها 135 147 216825 10.22034/jfsa.2025.467103.1232 FA ساناز ریواز گروه ریاضی، دانشکده علوم پایه، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران 0000-0001-7083-3532 مهرنوش سلطانی علاسوند گروه ریاضی، دانشکده علوم پایه، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران Journal Article 2024 07 10 Multi-objective optimization plays an important role in modelling many problems. On the other hand, some of these problems deal with the optimization of the ratio of objectives, which are more important than the optimization of each objective alone. Since most of the real-world problems are faced with uncertainty in data and parameters, in this paper a class of multi-objective linear fractional programming problems with rough interval coefficients in the objective functions is considered. In order to deal with this group of problems, first the problem is taken out of the rough interval state, then the problem is solved using interval arithmetic and the weighted sum approach in multi-objective optimization. The obtained results are investigated in a numerical example. بهینه‌سازی چند هدفه نقش مهمی در مدل‌سازی بسیاری از مسائل ایفا می‌کند. از طرفی دسته‌ای از این مسائل به بهینه‌سازی نسبت اهداف می‌پردازند که اهمیت بیشتری نسبت به بهینه‌سازی هر هدف به تنهایی دارند. از آنجایی که اکثر مسائل دنیای واقعی با عدم قطعیت در داده‌ها و پارامترها رو به رو هستند، در این مقاله دسته‌ای از مسائل برنامه‌ریزی کسری خطی چندهدفه با ضرایب بازه‌ای ناهموار در توابع هدف مدنظر قرار می‌گیرد. به منظور برخورد با این دسته از مسائل، ابتدا مسئله را از حالت بازه‌ای ناهموار خارج نموده سپس با استفاده از محاسبات بازه‌ای و رویکرد مجموع وزنی در بهینه‌سازی چندهدفه به حل مسئله پرداخته می‌شود. نتایج بدست آمده در یک مثال عددی مورد بررسی قرار می‌گیرند. https://jfsa.fuzzy.ir/article_216825_e5353fc0fdfa421a21edafb24b9c7a6f.pdf

انجمن سیستم های فازی ایران سیستم های فازی و کاربردها 2717-4409 7 2 2024 12 21 Performance Evaluation and Credit Rating of Mutual Funds Using the Optimistic-Pessimistic Fuzzy Network Data Envelopment Analysis Approach بررسی عملکرد و درجه بندی اعتباری صندوق های سرمایه گذاری با استفاده از رویکرد تحلیل پوششی داده های شبکه ای فازی خوشبینانه-بدبینانه 149 180 216911 10.22034/jfsa.2025.479866.1243 FA حسین منصوری گروه مدیریت صنعتی، واحد کرمان، دانشگاه آزاد اسلامی، کرمان، ایران حمید رضا ملائی گروه مدیریت صنعتی، واحد کرمان، دانشگاه آزاد اسلامی، کرمان، ایران سید هادی موسوی نسب گروه مهندسی صنایع، واحد کرمان، دانشگاه آزاد اسلامی، کرمان، ایران زهرا فیروزی گروه مهندسی صنایع، واحد کرمان، دانشگاه آزاد اسلامی، کرمان، ایران عمران محمدی دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران Journal Article 2024 09 22 This study proposes an effective and powerful approach for analyzing the performance, credit rating, and ranking of mutual funds, taking into account their inherent network structures and the uncertainties prevalent in financial markets. To this end, the network structure and internal operations of mutual funds are modeled using a network data envelopment analysis (NDEA) approach based on collective efficiency decomposition. Additionally, to address uncertain and fuzzy data, a hybrid method combining possibilistic programming (employing possibility and necessity measures) and chance-constrained programming is utilized. Finally, the efficacy of the proposed fuzzy NDEA approach, developed under both optimistic and pessimistic scenarios, is validated using data from several active mutual funds in the Iranian capital market. The results highlight the capability of the proposed methodology in evaluating performance and analyzing the efficiency of mutual funds. هدف پژوهش حاضر، ارائه رویکردی کارآمد به منظور تجزیه و تحلیل عملکرد، درجه‌بندی اعتباری و رتبه‌بندی صندوق‌های سرمایه‌گذاری با قابلیت در نظر گرفتن ساختار شبکه‌ای حاکم بر آنها و همچنین عدم قطعیت موجود در بازار‌های مالی می‌باشد. در این راستا، به منظور مدل‌سازی ساختار شبکه‌ای و داخلی صندوق‌های سرمایه‌گذاری از رویکرد تحلیل پوششی داده‌های شبکه‌ای مبتنی بر تجزیه کارایی جمعی استفاده شده است. در ادامه به منظور مقابله با داده‌های غیر‌قطعی که دارای ماهیت فازی هستند، از تلفیق برنامه‌ریزی امکانی و برنامه‌ریزی محدودیت شانسی بهره گرفته شده است. در نهایت کارآمدی رویکرد پیشنهادی تحت دو حالت خوشبینانه و بدبینانه با استفاده از داده‌های مربوط به تعدادی از صندوق‌های سرمایه‌گذاری فعال در بازار سرمایه ایران مورد بررسی قرار گرفته است. تجزیه و تحلیل نتایج مذکور حاکی از توانمندی رویکرد پیشنهادی پژوهش در ارزیابی عملکرد و تحلیل کارایی صندوق‌های سرمایه‌گذاری می‌باشد. https://jfsa.fuzzy.ir/article_216911_417b577e20a75623b02a977381eae6f5.pdf

انجمن سیستم های فازی ایران سیستم های فازی و کاربردها 2717-4409 7 2 2024 12 21 Expressing the concept of confidence level on quadratic problems of fuzzy fractional optimal control توسعه مفهوم درجه اطمینان روی مسایل درجه دوم کنترل بهینه کسری فازی 181 200 218536 10.22034/jfsa.2025.503071.1258 FA مجتبی کریم یار جهرمی بخش ریاضی، دانشگاه جهرم، جهرم، ایران 0009-0006-9890-3006 Journal Article 2025 01 29 The fuzzy fractional optimal control problem can be transformed into two fractional optimal control problems using the concept of α-cut. Then, by applying the Pontryagin’s minimum principle for the fractional optimal control problem, one can obtain the optimal trajectory and optimal control. Based on this, by expressing the concept of degree of confidence for this category of problems, the decision-maker can compute the optimal trajectory and optimal control of the given problem as an interval by choosing a confidence level α. It should be noted that as the value of α approaches one, the upper and lower bounds of the obtained intervals for the optimal trajectory and optimal control get closer to the optimal trajectory and control of the exact (non-fuzzy) case of the problem. At the end of this paper, we will solve a numerical example using the method presented in this paper with different α-cuts, as well as fractional derivatives of various orders β, and show that the optimal control and optimal trajectory obtained for the case of α=β=1 correspond with the optimal solutions obtained in the non-fuzzy case and with first-order derivatives. برای انطباق بیشتر مسایل کنترل بهینه با پدیده های دنیای واقعی و همچنین به دلیل استفاده از داده های نادقیق ابزارهای اندازه گیری در مدلهای مهندسی، از دو مفهوم فازی و مشتقات مرتبه کسری، به عنوان دو بال برای ارتقای این دسته از مسایل استفاده می کنیم. مساله کنترل بهینه کسری فازی را می توان به کمک مفهوم α- برش به دو مساله کنترل بهینه کسری تبدیل کرد و سپس با استفاده از اصل کمینه پونتریاگین برای مساله کنترل بهینه کسری، مسیر بهینه و کنترل بهینه آن را به دست آورد. برپایه این مطالب، با بیان مفهوم درجه اطمینان برای این دسته از مسایل، شخص تصمیم گیرنده می تواند با اختیار کردن مقدار اطمینان α‎، مسیر بهینه و کنترل بهینه مساله مذکور را به صورت یک بازه محاسبه کند. این در حالی است که هرچه مقدار α‎ به یک نزدیکتر باشد، کران بالا و پایین بازه های به دست آمده برای مسیر بهینه و کنترل بهینه، به مسیر و کنترل بهینه برای حالت دقیق (غیر فازی) مساله نزدیک و نزدیکتر می شوند. ‎\\‎<br />در پایان این مقاله، یک مثال عددی را با روش ارایه شده در این مقاله بر حسب برشهای مختلف α‎ و همچنین مشتقات کسری مراتب مختلف ‎β حل می کنیم و نشان می دهیم که کنترل بهینه و مسیر بهینه به دست آمده در حالت α=β=1‎ با جوابهای بهینه به دست آمده در حالت غیر فازی و با مشتقات مرتبه یک مطابقت دارد.<br />  https://jfsa.fuzzy.ir/article_218536_a0fed3bf0d2ed34d3c76f41184ed1e1d.pdf

انجمن سیستم های فازی ایران سیستم های فازی و کاربردها 2717-4409 7 2 2024 12 21 Energy-Aware Clustering with Fault Tolerance in Hierarchical Routing of Wireless Sensor Networks Based on Fuzzy Logic خوشه‌بندی آگاه از انرژی با قابلیت تحمل‌پذیری خطا در مسیریابی سلسله‌مراتبی شبکه‌های حسگر بی‌سیم مبتنی بر منطق فازی 201 224 218737 10.22034/jfsa.2025.483311.1246 FA شایسته طباطبائی گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه سراوان، سراوان، ایران 0000-0001-5513-6165 Journal Article 2024 10 13 Wireless Sensor Networks (WSNs) remain an active research area due to their extensive applications in environmental monitoring, military operations, healthcare, and event management. One of the primary challenges in these networks is extending their lifespan for long-term operations by optimizing energy consumption, as sensor nodes rely solely on internal batteries. Clustering, as an effective method for organizing a hierarchical topology and balancing the load, plays a key role in improving network longevity. However, optimizing clustering is an NP-hard problem, requiring intelligent algorithms. This paper presents a novel fault-tolerant hierarchical clustering technique based on fuzzy logic for WSNs. The proposed algorithm simultaneously optimizes cluster head (CH) selection and the routing of data to the destination, incorporating fault-tolerance mechanisms. By leveraging fuzzy logic and two critical parameters—distance to the sink and residual battery energy—the probability of nodes becoming CHs is calculated. Simulation results demonstrate that the proposed method outperforms the DCRRP protocol in terms of energy consumption, end-to-end delay, and throughput under various conditions, including both fault-free and faulty topologies. شبکه‌های حسگر بی‌سیم (WSN) به دلیل کاربردهای گسترده در نظارت محیطی، نظامی، بهداشت و مدیریت وقایع، همچنان یک حوزه تحقیقاتی فعال به شمار می‌روند. یکی از چالش‌های اصلی در این شبکه‌ها، افزایش طول عمر برای عملیات طولانی‌مدت از طریق مدیریت بهینه مصرف انرژی گره‌های حسگر است، چرا که این گره‌ها تنها به باتری‌های داخلی متکی هستند. خوشه‌بندی، به‌عنوان یکی از روش‌های مؤثر برای سازماندهی توپولوژی سلسله‌مراتبی و متعادل‌سازی بار، به بهبود طول عمر شبکه کمک می‌کند. با این حال، بهینه‌سازی خوشه‌بندی یک مسئله NP-hard است که نیازمند الگوریتم‌های هوشمند است. این مقاله یک تکنیک جدید خوشه‌بندی سلسله‌مراتبی مبتنی بر منطق فازی با قابلیت تحمل‌پذیری خطا برای WSN ارائه می‌دهد. الگوریتم پیشنهادی به‌طور هم‌زمان انتخاب بهینه سرخوشه‌ها (CHs) و مسیرهای مناسب به مقصد را با در نظر گرفتن مکانیزم تحمل خطا انجام می‌دهد. در این روش، با استفاده از منطق فازی و دو پارامتر کلیدی، یعنی فاصله تا سینک و انرژی باقیمانده باتری، احتمال CH شدن گره‌ها محاسبه می‌شود. نتایج شبیه‌سازی نشان می‌دهند که روش پیشنهادی در مقایسه با پروتکل DCRRP از نظر مصرف انرژی، تأخیر انتها به انتها، و نرخ گذردهی در شرایط مختلف، اعم از توپولوژی‌های خطادار و بدون خطا، عملکرد بهتری دارد.نتایج شبیه‌سازی‌ها نشان می‌دهند که روش پیشنهادی در مقایسه با پروتکل DCRRP، عملکرد بهتری از نظر مصرف انرژی، تأخیر انتها به انتها، و نرخ گذردهی در شرایط مختلف، اعم از توپولوژی‌های خطادار و بدون خطا، دارد. https://jfsa.fuzzy.ir/article_218737_6e7445153937f2d1a853f5dc047cb625.pdf

انجمن سیستم های فازی ایران سیستم های فازی و کاربردها 2717-4409 7 2 2024 12 21 Fuzzy Prediction of Compressive Strength of Self-Consolidated Concrete Under Tidal Condition of Oman Sea پیش بینی مقاومت فشاری بتن خود متراکم تحت شرایط جذر و مد دریای عمان با استفاده از سیستم فازی 225 244 219595 10.22034/jfsa.2025.497454.1255 FA احسان عدیلی گروه مهندسی عمران، دانشکده مهندسی، دانشگاه ولایت، ایرانشهر، ایران ماریه سالاری نژاد گروه مهندسی عمران، دانشکده مهندسی، دانشگاه ولایت، ایرانشهر، ایران محمد رودینی گروه مهندسی عمران، دانشکده مهندسی، دانشگاه آزاد اسلامی واحد زاهدان، زاهدان، ایران Journal Article 2025 01 02 In this research, a fuzzy system has been presented to predict the behavior of self-consolidated concrete (SCC) under tidal conditions in Sea of Oman. As the coastal concrete structures are subjected to chloride attack, it is highly essential to consider their compressive strength. For this purpose, in order to define the fuzzy membership functions, a number of SCC specimens of different w/c ratios, different percentages of micro-sio2 and nano-sio2 were made and placed on the coast of the Sea of Oman at different ages. These concrete specimens were covered with nets and subjected to sea tidal condition. After that, a fuzzy system was defined which includes four input functions: w/c ratio, age, amount of micro-sio2 and nano-sio2. The output function was the compressive strength of the concrete. In this fuzzy system, Mamdani inference engine was used. Ultimately, this system was able to predict the compressive strength of self-compacting concrete under tidal condition with high accuracy and with only an 3% difference. در این تحقیق یک سیستم فازی برای پیش بینی رفتار بتن خودمتراکم در شرایط جذر و مد در دریای عمان ارائه گردیده است. به دلیل اینکه سازه های دریایی در معرض یون کلراید قرار دارند اغلب دچار خوردگی می گردند و بنابراین بررسی رفتار بتن آنها از اهمیت فوق العاده ای برخوردار است. به منظور تعریف سیستم فازی و توابع تعلق آن تعدادی نمونه بتن خودمتراکم با نسبت آب به سیمان متفاوت، در سنین مختلف و مقادیر متفاوتی میکروسیلیس و نانوسیلیس ساخته شدند و بصورت کاملا طبیعی در ساحل دریای عمان قرار گرفتند تا در شرایط جذر و مد باشند. این چهار پارامتر توابع تعلق ورودی فازی را تشکیل دادند و مقاومت فشاری بتن نیز به عنوان تابع تعلق خروجی معرفی گردید. در سیستم فازی موتور استنتاج ممدانی مورد استفاده قرار گرفت. در نهایت سیستم فازی توانست مقاومت فشاری بتن در سازه های ساحلی را تحت شرایط جذر و مد تندها با حداکثر 3 درصد اختلاف مورد پیش بینی قرار دهد https://jfsa.fuzzy.ir/article_219595_ab4b6b292d9cc37d86b9bcb5e60e0058.pdf

انجمن سیستم های فازی ایران سیستم های فازی و کاربردها 2717-4409 7 2 2024 12 21 PYTHAGOREAN FUZZY Q-SUBALGEBRA And nil Radical عنوان: Q-زیر جبر فازی فیثاغورسی و رادیکال پوج 245 269 222504 10.22034/jfsa.2025.513330.1267 FA سیروس جهان پناه گروه علوم پایه، دانشگاه پیام‌نور، تهران، ایران روح الله دانش پایه گروه علوم پایه، دانشگاه پیام‌نور، تهران، ایران Journal Article 2025 03 20 In this paper, considering the concepts of ‎$Q$-algebra and Pythagorean fuzzy subset, the concepts of ‎$Q$-fuzzy (anti)subalgebra, ‎$Q$-fuzzy Pythagorean subalgebra and null radical of ‎$Q$-fuzzy Pythagorean subalgebra are introduced and it is proved under the conditions that the null radical of ‎$Q$-fuzzy Pythagorean subalgebras is a ‎$Q$-fuzzy Pythagorean subalgebra. Next, with the help of the concept of a level set, the two-way relationship between ‎$Q$-fuzzy Pythagorean subalgebras and ‎$Q$-algebras is discussed and it is shown that ‎$Q$-fuzzy Pythagorean subalgebra is a generalization of ‎$Q$-fuzzy subalgebras. By introducing the combination of Pythagorean fuzzy subalgebras, equivalent conditions for ‎$Q$-fuzzy Pythagorean subalgebras dependent on the combination operation are presented.<br />Finally, the relationship between the isomorphic image of the null radical of the Pythagorean fuzzy subalgebra $Q$ and the null radical of the isomorphic image of the Pythagorean fuzzy subalgebra $Q$ is discussed. در این مقاله، با در نظر گرفتن مفاهیم ‎$Q$-‎جبر و زیرمجموعه فازی فیثاغورسی، مفاهیم ‎$Q$-‎زیرجبر (پاد)فازی، ‎$Q$-‎زیرجبر فازی فیثاغورسی و رادیکال پوچ ‎$Q$-‎زیرجبر فازی فیثاغورسی را معرفی شده و تحت شرایطی ثابت شده که رادیکال پوچ ‎$Q$-‎زیرجبرهای فازی فیثاغورسی یک ‎$Q$-‎زیرجبر فازی فیثاغورسی است. در ادامه به کمک مفهوم مجموعه تراز به ارتباط دوطرفه ‎$Q$-‎زیرجبرهای فازی فیثاغورسی و ‎$Q$-‎جبرها پرداخته و نشان داده شده است که ‎$Q$-‎زیرجبر فازی فیثاغورسی یک تعمیم از ‎$Q$-‎زیرجبر فازی است. با معرفی ترکیب زیرجبرهای فازی فیثاغورسی، شرایط معادلی برای ‎$Q$-‎زیرجبر فازی فیثاغورسی وابسته به عمل ترکیب ارائه شده است.<br />در پایان به ارتباط تصویر همریخت رادیکال پوچ ‎$Q$-‎زیرجبر فازی فیثاغورسی و رادیکال پوچ تصویر همریختی ‎$Q$-‎زیرجبر فازی فیثاغورسی پرداخته شده است. https://jfsa.fuzzy.ir/article_222504_a89eb3eee1a7e5caf87762f1c27c2823.pdf