Selecting the Most Economic Project under Uncertainty Using Bootstrap Technique and Fuzzy Simulation

اين مقاله روشي را پيشنهاد ‌مي‌دهد كه اقتصادي‌ترين پروژه از بين گزينه‌ها در شرايطي كه مقدار نرخ بهره غيرقطعي است، يافته شود. در اين مقاله، فرض دانستن تابع عضويت مجموعه‌هاي فازي، كه يك فرض پايه‌اي در اين نوع مسايل است، كنار گذاشته شده است. براي ارزيابي گزينه‌ها از شاخص ارزش خالص فعلي (NPW) استفاده شده است. در اين مقاله فرض در دست بودن تعداد كافي داده نيز كنار گذاشته شده است و با تعداد داده كم توابع عضويت فازي شناسايي شده‌اند. استفاده از روش بوت‌استرپ و شبيه‌سازي فازي نيز باعث رسيدن به جوابي استوار شده‌اند. روش پيشنهادي اين مقاله با يك مثال عددي تشريح شده است.

This article, by leaving pre-determined membership function of a fuzzy set which is a basic assumption for such subject, will try to propose a hybrid technique to select the most economic project among alternative projects in fuzziness interest rates condition. In this way, net present worth (NPW) would be the economic indicator. This article tries to challenge the assumption of large sample sizes availability for membership function determination and shows that some other techniques may have less accuracy. To give a robust solution, bootstrapping and fuzzy simulation is suggested and a numerical example is given and analyzed.