一般而言，我們有兩種主要的方法去估計系統之績效，第一個方法是“解析法”，而
另一個方法即是“模擬法”，對於解析法而言，雖然說它能得到一個確的評估值，但
由於的限制條件極多因而應用有限，相對而言模擬法雖然說所得到的評估值有所偏差
，但由於它的限制條件很少因而應用極廣。
本研究即是在模擬法之架構上以“微擾分析”
(Perturbation Analysis) 為基礎以發展一個有效率的最佳化演算法，在研究中，我
們將以一個傳統的求取梯度之方法(Gradient Methods)：“有限差估計法” (Finite
Difference Estimate) 與之作比較。
如我們所知，微擾分析是一個能夠節省非常多模擬時間(Simulation Time) 之求取梯
度的方法，而有限差估計法則非常浪費模擬時間，而我們在這篇研究中，將以微擾分
析只須要一次模擬的特性，然後和在最佳化演算法之過程上，使得此最佳化演算法更
有效率。
在本研究中，首先，我們指出系統績效之梯度的估計值(The Estimate of Gradient
of System Performance)存有起始誤差 (Initialization Bias)的問題。其次，我們
比較了在加入降低變異技巧(Variance Reduction Technique)中控制變異 (Control
Variates) 之方法後，微擾分析和有限差估計法的效率。第三，我們提出了一個利用
所估計梯度之信賴區間以決定在最佳化過程中模擬長度(Simulation RunLength)的標
準。對於以上三點，我們說明了微擾分析是優於有限差估計法。最後，我們結合微擾
分析及“分組平均值法 (Batch Method)”得到一個對於以上三點而言，更有效率的
梯度法“ PA-BM”。
|