شناخت مدیریت سود برای استفاده کنندگان از اطلاعات حسابداری به دلیل ارزیابی عملکرد، پیشبینی سودآوری و تعیین ارزش واقعی شرکت بسیار حائز اهمیت است. هدف از این تحقیق برآورد الگوی برای پیشبینی مدیریت سود با استفاده الگوی شبکههای عصبی و سپس استفاده از الگوریتمهای فراابتکاری ژنتیک و ازدحام ذرات برای یافتن ترکیبی بهتر از دادههای ورودی است به گونهای که بتواند الگو اولیه را بهینه نماید. برای این منظور از 28 متغیر تاثیر گذار در قالب چهار گروه (مالی، مدیریتی، شرکتی و حسابرسی) در طی سالهای 1390 الی 1395 در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران استفاده گردید. نتایج حاصل نشان میدهد که کاربرد این دو الگوریتم قدرت تبیین الگوهای اولیه را افزایش داده است. همچنین ارزیابی عملکرد الگوهای شبکه عصبی حاکی از برتری این الگوها در قیاس با الگوی رگرسیون خطیLR) ( است. روش ترکیبی شبکههای عصبی الگوریتمهای ازدحام ذرات (A-PSO) و ژنتیک(A-GA) با شناسایی چهار متغیر بهینه به ترتیب شامل دقت پیشبینی، سهم مالکیت سهامداران عمده، اندازه شرکت و نسبت کیفیت، مدیریت سود را با دقت به ترتیب (59/95%)و (75/94%) پیشبینی کردند. بعلاوه روشهای ترکیبی هوشمند فوق با بهبود ضریب همبستگی و معیار متوسط مربعات خطا نسبت به روشهای رگرسیون خطی (LR) و روش شبکههای عصبی (ANN) در پیشبینی نتایج گروه ویژگیهای مدیریتی و شرکتی کارآمدتر است.
