The application of meta-synthesis in the identification of new combined genetic algorithm methods to solve complex problems
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 64
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJNAA-15-7_017
تاریخ نمایه سازی: 29 اردیبهشت 1403
چکیده مقاله:
The current research aims to identify new combined genetic algorithm methods to solve complex problems. The researcher has analyzed the results and findings of the previous researchers using a systematic reviewing approach and has identified the effective factors by implementing the ۷ steps of Sandelowski and Barroso’s method. Among ۴۳۲۰ articles, ۵۴ articles were selected based on the CASP method. In this manner, in order to evaluate reliability and quality control, the Kappa index was used, and its value was deemed to be in high compatibility regarding the identified factors. The results of the analysis of the collected data in ATLAS TI software led to the identification of ۹ categories and ۳۳ primary codes of new combined genetic algorithm methods to solve complex problems. Based on the coding, ۹ categories, and ۳۳ initial codes were identified. The identified categories are layout design, supply network, programming, Anticipation, inventory control, information security, imaging, medical imaging and wireless network.
کلیدواژه ها:
نویسندگان
Mohammad Ali Ebrahimi
Department of Industrial Management, Yazd Branch, Islamic Azad University, Yazd, Iran
Hassan Dehghan Dehnavi
Department of Industrial Management, Yazd Branch, Islamic Azad University, Yazd, Iran
Mohammad Mirabi
Department of Industrial Engineering, Meybod University, Meybod, Iran
Mohammad Taghi Honari
Department of Industrial Management, Yazd Branch, Islamic Azad University, Yazd, Iran
Abolfazl Sadeghian
Department of Industrial Management, Yazd Branch, Islamic Azad University, Yazd, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :