fa الگوریتم بهینه‌ساز جستجوی خزندگان، الگوریتمی کارا و اثربخش در پیش‌بینی ورشکستگی شرکت‌ها مدیریت Management پژوهشي Research <span style="font-size:11pt"><span style="line-height:normal"><span style="direction:rtl"><span style="unicode-bidi:embed"><span style="font-family:Calibri,sans-serif"><span lang="FA" style="font-size:12.0pt"><span style="font-family:&quot;B Mitra&quot;">پیش‌بینی ورشکستگی شرکت‌ها با دقت بالا از موضوعات مهمی است که به تداوم شرکت‌ها کمک شایانی می‌کند. هدف این پژوهش بررسی پیش‌بینی ورشکستگی شرکت‌ها با استفاده از شبکه عصبی پرسپترون چندلایه بهینه‌شده با الگوریتم‌های فرا ابتکاری جستجوی خزندگان، نهنگ و ازدحام ذرات است. این پژوهش از نوع پژوهش‌های کمی، کاربردی و از نوع توصیفی همبستگی است.</span></span> <span lang="AR-SA" style="font-size:12.0pt"><span style="font-family:&quot;B Mitra&quot;">مدل یادشده روی داده‌های 328 نمونه از شرکت‌های بورسی شامل 246 شرکت سالم و 82 شرکت ورشکسته در بازه زمانی 6 ساله بین سال‌های 1395 تا 1400 پیاده‌سازی شده است. ملاک تعیین ورشکستگی شرکت‌ها ماده 141 قانون تجارت می‌باشد. نسبت‌های مالی، متغیرهای مستقل این پژوهش می‌باشند که با استفاده از الگوریتم‌های مذکور ترکیب بهینه نسبت‌ها استخراج‌شده است. عملکرد الگوریتم‌ها با استفاده از 5 معیار ارزیابی عملکرد الگوریتم‌های فراابتکاری مورد ارزیابی قرار گرفت. نتایج به‌دست‌آمده از شبیه‌سازی و مقایسه الگوریتم&shy;های پیشنهادی نشان می&shy;دهد که الگوریتم جستجوی خزندگان در مقایسه با الگوریتم‌های نهنگ و ازدحام ذرات در پیش‌بینی ورشکستگی شرکت‌ها عملکرد بهتری داشته و کارایی و اثربخشی این الگوریتم در مقایسه با دو الگوریتم دیگر بالاتر می&shy;باشد.</span></span></span></span></span></span></span> <span style="font-size:11pt"><span style="line-height:normal"><span style="text-autospace:none"><span style="font-family:Calibri,sans-serif"><span style="font-size:10.0pt"><span style="font-family:&quot;Times New Roman&quot;,serif">Predicting the bankruptcy of companies with high accuracy is one of the important issues that helps the continuity of companies. The purpose of this research is to investigate the prediction of corporate bankruptcy using multi-layer perceptron neural network optimized with meta-heuristic algorithms of crawler, whale and swarm search. is particles. The mentioned model has been implemented on the data of 328 examples of listed companies including 246 healthy companies and 82 bankrupt companies in a 6-year period between 2016 and 2021. The criteria for determining the bankruptcy of companies is Article 141 of the Commercial Law. Financial ratios are the independent variables of this research, and the optimal combination of ratios has been extracted using the mentioned algorithms. The performance of the algorithms was evaluated using 5 criteria for evaluating the performance of meta-heuristic algorithms. The results obtained from the simulation and comparison of the proposed algorithms show that the crawler search optimization algorithm compared to the whale optimization algorithms and Particle swarm has performed better in predicting corporate bankruptcy. Also, the results and experiments show that the efficiency and effectiveness of the crawler search optimization algorithm is higher compared to the other two algorithms.</span></span></span></span></span></span> الگوریتم بهینه‌ساز جستجوی خزندگان, پیش‌بینی ورشکستگی, نسبت‌های مالی, یادگیری عمیق Bankruptcy Prediction, Deep Learning, Financial Ratios, Reptile Search Optimization Algorithm 250 273 http://danesh.dmk.ir/browse.php?a_code=A-10-2546-1&slc_lang=fa&sid=1 mostafa taghimollaei مصطفی تقی ملایی mustafa.taghimolla@gmail.com 100319475328460019224 100319475328460019224 No PhD Candidate in accounting department, Faculty of Humanities, Khomein Branch, Islamic Azad University, Khomein, Iran, Email: Mustafa.taghimolla@gmail.com دانشجوی دکتری حسابداری، دانشکده علوم انسانی، واحد خمین، دانشگاه آزاد اسلامی، خمین، ایران. رایانامه: Mustafa.taghimolla@gmail.com Azar moslemi آذر مسلمی Azar.moslemi.kh@gmail.com 100319475328460019225 100319475328460019225 Yes Assistant Professor, Department of Accounting, Faculty of Humanities, Khomein Branch, Islamic Azad University, Khomein, Iran, Email: Azar.moslemi.kh@gmail.co استاد گروه حسابداری، دانشکده علوم انسانی، واحد خمین، دانشگاه آزاد اسلامی، خمین، ایران. نویسنده مسئول. رایانامه: Azar.moslemi.kh@gmail.com Abdolkarim Moghaddam عبدالکریم مقدم karymogy@yahoo.com 100319475328460019226 100319475328460019226 No Associate Professor of Accounting Department, Payam Noor University of Tehran, Iran, Email: Azar.moslemi.kh@gmail.com دانشیار گروه حسابداری، دانشگاه پیام نور تهران، ایران. رایانامه: karymogy@yahoo.com