跳到主要內容

臺灣博碩士論文加值系統

(3.235.60.144) 您好!臺灣時間:2021/07/24 00:48
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:張惠敏
研究生(外文):Hui-Min Chang
論文名稱:設計複雜網路系統之高效率模擬方法
指導教授:洪英超
指導教授(外文):Ying-Chao Hung
學位類別:碩士
校院名稱:國立中央大學
系所名稱:統計研究所
學門:數學及統計學門
學類:統計學類
論文種類:學術論文
論文出版年:2004
畢業學年度:92
語文別:中文
論文頁數:33
中文關鍵詞:排隊系統資源共享模擬網路系統廣泛交換模型最佳化設計
外文關鍵詞:Optimal designCARTqueueing systemNetworksGeneralized Switch Model
相關次數:
  • 被引用被引用:3
  • 點閱點閱:143
  • 評分評分:
  • 下載下載:12
  • 收藏至我的研究室書目清單書目收藏:0
近幾年已有大量文獻針對複雜排隊系統的吞吐量做相關探討,其常見的使用方法如偏差分析(Drift Analysis)、流體模式(Fluid Models)、樣本路徑分析(Sample Path Analysis)等;然而,要獲得系統其他的表現值(如存貨(Backlogs)和延遲時間(Delays)的反應情況等)的理論結果並不容易,所以電腦模擬成為一重要的工具。
透過電腦模擬而得到一系統的反應曲面(Response Surface),通常可以幫助我們了解系統的複雜動態關係。然而,此一反應曲面(Response Surface)(如存貨及延遲時間等)通常是許多控制參數(如控制策略(Control policy)、輸入值(Inputs)與服務時間的分配(Distribution)及佇列大小(Buffer Size)等)的複雜函數。而且較大的系統進行電腦模擬時所需的時間和運用的資源相對也較多。因此,如何選取用於電腦模擬的輸入點是一項相當重要的問題;選取好的輸入點可以充分地描繪系統的反應曲面,同時也能使電腦模擬的成本降到最低。
在本篇論文中,我們將設計一個模擬複雜網路系統的高效率演算法。我們所要提出的方法結合了分類迴歸樹(CART,即Classification And Regression Trees)及實驗設計中的D最佳化設計準則(D-Optimal Design Criteria)和U最佳化設計準則(U-Optimal Design Criteria);我們也將此方法應用於一廣泛的網路模型。
第一章 緒論 1

第二章 廣泛交換模型(Generalized Switch Model) 4

第三章 模擬方法論 8

第四章 方法論應用於廣泛交換模型 15
4.1 交換模型GS (2x2) 15
4.2 交換模型GS(3x3) 21
4.3 預測與比較 23
4.3.1 GS(2x2) 23
4.3.2 GS(3x3) 25

第五章 結論與探討 28

第六章 參考文獻 31


圖、表目錄
圖(一) GS(QxQ)系統 4

圖(二) GS(2x2)的穩定區域S 6

圖(三) GS(2x2)之平均延遲時間曲面 9

圖(四) GS(2x2)之穩定區域經CART分割後的子區域分佈情形 13

圖(五) 經步驟一所找出的所有點配置情形 17

圖(六) 改善前的殘差圖 18

圖(七) CART分割後的區域分佈 19

圖(八) 改善後的殘差圖 21

圖(九) GS(3x3)經CART分割後的分佈情形 22

表(一) GS(2x2)之預測結果 25

表(二) GS(3x3)之預測結果 26
[ 1] Hajek, B. “Hitting-time and Occupation-time Bounds Implied By Drift Analysis with Applications”, Annals of Applied Probability. 14, pp.501-525
[ 2] Pemantle, R. ; Rosenthal, J. S. “Moment conditions for a sequence with negative drift to be uniformly bounded in Lr ”, Stochastic Processes and their Applications 82, pp.143-155 (1999)
[ 3] Dai, J. G. “On positive Harris recurrence of multiclass queueing networks: a unified approach via fluid limit models”, Annals of Applied Probability, Vol. 5, pp.49-77, (1995)
[ 4] J. G. Dai and G. Weiss, "Stability and Instability of Fluid Models for Re-Entrant Lines",Mathematics of Operations Research, Vol. 21 , 115-134 (1996)
[ 5] Muhammad E1-Taha,University of Southern Maine, Sample-Path Analisis of Queueing Systems ,Portland,USA and Shaler Stidham Jr. (1998)
[ 6] Neter,Kutner,Nachtsheim,Wasserman 著,陳立信編譯,2000,實驗設計
最佳反應曲面設計 p358~p390
[ 7] Federov, V.V.(1972),Theory of Optimal Experiments,Academic Press,New York
[ 8] Breiman,L.,Friedman,J.H.,Olshen,R. A. &Stone,C.J.,Classification and Regression Trees, Monterey:Wadsworth(1984)
[ 9] W.N. Venables B.D.Ripley Modern Applied Statistics with S-plus Third Edition‘Tree-based methods’p303-p327
[10] Fang, K.T., Lin, D.K.J., Winker, P. and Zhang, Y. , Uniform design: Theory and applications, Technometrics, in press(2000)
[11] Hung,Y.C.,Modeling and Analysis of stochastic Networks with Shared
Resources,Ph.D.thesis,Department of Statistics,The University of Michigan(2002)
[12] Hung, Y. C., Michailidis, G., Bingham, D. R.. "Developing Efficient Simulation Methodology for Complex Queueing Networks", Proceedings of the Winter Simulation Conference 2003, New Orleans, pp. 152-159
[13] Friedman,J.,Multivariate adaptive regression splines,Annals ofStatistics,19,1-14(1991)
[14http://gsbwww.uchicago.edu/computing/research/SASManual/qc/chap24/sect30.htm,Johnson, Moore, and Ylvisaker (1990)
[15] Sacks, J., Welch, W.J., Mitchell, T.J.&Wynn, H.P., Design and analysis of computer experiments, Statistical Science, 4,409-423(1989)
[16] Box,G.E.P.&Draper,D.R., Empirical Model Building and Response Surface, New York:John Wiley &Sins(1987)
[17] Xie, M.Y. and Fang, K.T., Admissibility and minimaxity of the uniform design measure in nonparametric regression model, J. Statist., Planning and Inference, 83, 101-111(1999)
[18] Harries, Steve, Networking and Telecommunications for Information Systems: AnIntroduction to Information Networking. London: Library Association
Publishing,(1993)
[19] C.Cortes and V.Vapnik. Support vector networks. Machine Learning,20: 273—297,(1995)
[20] Vladimir N. Vapnik, "The Nature of Statistical Learning Theory", ISBN0-387-94559-8,Springer-Verlag, (1995)
[21] Wu, C.F.J. and Hamada, M. "Experiments:Planning, Analysis, and Parameter Design", New York: Wiley,(2000)
[22] W.N. Venables B.D.Ripley Modern Applied Statistics with S-plus Third Edition‘Tree-based methods’p281-p302
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top