Optimal control of nonlinear fractional-order chaotic financial risk system by analyzing risk control parameters using genetic algorithm and particle swarm optimization algorithm

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 84

فایل این مقاله در 25 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_CAND-4-3_001

تاریخ نمایه سازی: 8 مهر 1404

چکیده مقاله:

The purpose of this article is to present the chaotic nonlinear fractional order model of financial risk with parameters of risk control analysis and risk control distortion and optimal control of the proposed model. For the mathematical modeling of the chaotic system of fractional order and the optimal control of financial risk, the modeling approach of the differential equations system with derivatives of fractional order was used. It was shown that the presented fractional order model is chaotic and needs optimal control. Simulation was done using genetic algorithm and particle swarm optimization algorithm. The research results show that with the proposed methods, the chaos in the model was determined in the best possible way. And the use of genetic algorithm and particle swarm optimization algorithm improves the optimal control of the model. Also, errors are reduced, accuracy and reliability are increased. The results of both proposed methods are excellent, effective and close to each other.

کلیدواژه ها:

Financial risk ، Particle Swarm Optimization ، Genetic Algorithm ، Optimal control ، non-linear fractional-order chaotic system

نویسندگان

Hadi Saeidi

Department of Accounting, Shirvan Branch, Islamic Azad University, Shirvan, Iran.

Nader Naghshbandi

Department of Accounting, Hakim Nezami Institution of Higher Education, Quchan, Iran.

Shaban Mohammadi

Department of Mathematics, Faculty of Mathematical Sciences, Shahrood University of Technology, Shahrood, Semnan, 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 :