Cash balance management: A comparison between genetic algorithms and particle swarm optimization=Gerenciamento do saldo de caixa: uma comparação entre algoritmos genéticos e particle swarm optimization
This work aimed to apply genetic algorithms (GA) and particle swarm optimization (PSO) in cash balance management using Miller-Orr model, which consists in a stochastic model that does not define a single ideal point for cash balance, but an oscillation range between a lower bound, an ideal balance...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universidade Estadual de Maringá
2012-10-01
|
| Series: | Acta Scientiarum: Technology |
| Subjects: | |
| Online Access: | http://www.periodicos.uem.br/ojs/index.php/ActaSciTechnol/article/download/12194/pdf |
| _version_ | 1828915353632112640 |
|---|---|
| author | Marcelo Seido Nagano Marcelo Botelho da Costa Moraes |
| author_facet | Marcelo Seido Nagano Marcelo Botelho da Costa Moraes |
| author_sort | Marcelo Seido Nagano |
| collection | DOAJ |
| description | This work aimed to apply genetic algorithms (GA) and particle swarm optimization (PSO) in cash balance management using Miller-Orr model, which consists in a stochastic model that does not define a single ideal point for cash balance, but an oscillation range between a lower bound, an ideal balance and an upper bound. Thus, this paper proposes the application of GA and PSO to minimize the Total Cost of cash maintenance, obtaining the parameter of the lower bound of the Miller-Orr model, using for this the assumptions presented in literature. Computational experiments were applied in the development and validation of the models. The results indicated that both the GA and PSO are applicable in determining the cash level from the lower limit, with best results of PSO model, which had not yet been applied in this type of problem.<br><br>O presente trabalho tem por objetivo a aplicação de algoritmos genéticos (AG) e particle swarm optimization (PSO) no gerenciamento do saldo de caixa, a partir do modelo Miller-Orr, que consiste em um modelo estocástico que não define um único ponto ideal para o saldo de caixa, mas uma faixa de oscilação entre um limite inferior, um saldo ideal e um limite superior. Assim, este trabalho propõe a aplicação de AG e PSO, para minimizar o Custo Total de manutenção do saldo de caixa, obtendo o parâmetro de limite inferior do modelo Miller-Orr, utilizando para isso premissas apresentadas na literatura. São aplicados experimentos computacionais no desenvolvimento e validação dos modelos. Os resultados indicam que tanto AG quanto PSO são aplicáveis na determinação do nível de caixa a partir do limite inferior, com melhores resultados do modelo PSO, que até então não havia sido aplicado neste tipo de problema. |
| first_indexed | 2024-12-13T20:13:23Z |
| format | Article |
| id | doaj.art-63a9d4c1d0ae46688f1f4899af4456e8 |
| institution | Directory Open Access Journal |
| issn | 1807-8664 |
| language | English |
| last_indexed | 2024-12-13T20:13:23Z |
| publishDate | 2012-10-01 |
| publisher | Universidade Estadual de Maringá |
| record_format | Article |
| series | Acta Scientiarum: Technology |
| spelling | doaj.art-63a9d4c1d0ae46688f1f4899af4456e82022-12-21T23:32:53ZengUniversidade Estadual de MaringáActa Scientiarum: Technology1807-86642012-10-01344373379Cash balance management: A comparison between genetic algorithms and particle swarm optimization=Gerenciamento do saldo de caixa: uma comparação entre algoritmos genéticos e particle swarm optimizationMarcelo Seido NaganoMarcelo Botelho da Costa MoraesThis work aimed to apply genetic algorithms (GA) and particle swarm optimization (PSO) in cash balance management using Miller-Orr model, which consists in a stochastic model that does not define a single ideal point for cash balance, but an oscillation range between a lower bound, an ideal balance and an upper bound. Thus, this paper proposes the application of GA and PSO to minimize the Total Cost of cash maintenance, obtaining the parameter of the lower bound of the Miller-Orr model, using for this the assumptions presented in literature. Computational experiments were applied in the development and validation of the models. The results indicated that both the GA and PSO are applicable in determining the cash level from the lower limit, with best results of PSO model, which had not yet been applied in this type of problem.<br><br>O presente trabalho tem por objetivo a aplicação de algoritmos genéticos (AG) e particle swarm optimization (PSO) no gerenciamento do saldo de caixa, a partir do modelo Miller-Orr, que consiste em um modelo estocástico que não define um único ponto ideal para o saldo de caixa, mas uma faixa de oscilação entre um limite inferior, um saldo ideal e um limite superior. Assim, este trabalho propõe a aplicação de AG e PSO, para minimizar o Custo Total de manutenção do saldo de caixa, obtendo o parâmetro de limite inferior do modelo Miller-Orr, utilizando para isso premissas apresentadas na literatura. São aplicados experimentos computacionais no desenvolvimento e validação dos modelos. Os resultados indicam que tanto AG quanto PSO são aplicáveis na determinação do nível de caixa a partir do limite inferior, com melhores resultados do modelo PSO, que até então não havia sido aplicado neste tipo de problema.http://www.periodicos.uem.br/ojs/index.php/ActaSciTechnol/article/download/12194/pdfoptimizationcash flowevolutionary modelsotimizaçãofluxo de caixamodelos evolutivos. |
| spellingShingle | Marcelo Seido Nagano Marcelo Botelho da Costa Moraes Cash balance management: A comparison between genetic algorithms and particle swarm optimization=Gerenciamento do saldo de caixa: uma comparação entre algoritmos genéticos e particle swarm optimization Acta Scientiarum: Technology optimization cash flow evolutionary models otimização fluxo de caixa modelos evolutivos. |
| title | Cash balance management: A comparison between genetic algorithms and particle swarm optimization=Gerenciamento do saldo de caixa: uma comparação entre algoritmos genéticos e particle swarm optimization |
| title_full | Cash balance management: A comparison between genetic algorithms and particle swarm optimization=Gerenciamento do saldo de caixa: uma comparação entre algoritmos genéticos e particle swarm optimization |
| title_fullStr | Cash balance management: A comparison between genetic algorithms and particle swarm optimization=Gerenciamento do saldo de caixa: uma comparação entre algoritmos genéticos e particle swarm optimization |
| title_full_unstemmed | Cash balance management: A comparison between genetic algorithms and particle swarm optimization=Gerenciamento do saldo de caixa: uma comparação entre algoritmos genéticos e particle swarm optimization |
| title_short | Cash balance management: A comparison between genetic algorithms and particle swarm optimization=Gerenciamento do saldo de caixa: uma comparação entre algoritmos genéticos e particle swarm optimization |
| title_sort | cash balance management a comparison between genetic algorithms and particle swarm optimization gerenciamento do saldo de caixa uma comparacao entre algoritmos geneticos e particle swarm optimization |
| topic | optimization cash flow evolutionary models otimização fluxo de caixa modelos evolutivos. |
| url | http://www.periodicos.uem.br/ojs/index.php/ActaSciTechnol/article/download/12194/pdf |
| work_keys_str_mv | AT marceloseidonagano cashbalancemanagementacomparisonbetweengeneticalgorithmsandparticleswarmoptimizationgerenciamentodosaldodecaixaumacomparacaoentrealgoritmosgeneticoseparticleswarmoptimization AT marcelobotelhodacostamoraes cashbalancemanagementacomparisonbetweengeneticalgorithmsandparticleswarmoptimizationgerenciamentodosaldodecaixaumacomparacaoentrealgoritmosgeneticoseparticleswarmoptimization |