臺灣博碩士論文加值系統

近幾年來已有許多文獻針對複雜網路系統作探討，然而要獲得系統表現值(如存貨(Backlogs)、顧客在系統內的延遲時間(Delays)或停留時間(Sojourn Time)等等)的理論結果並不容易，因此電腦模擬(Computer Simulation)就成為一個幫助我們分析系統表現值的重要工具。
在複雜網路系統中，網路管理者有興趣的是想瞭解在何種輸入參數設定下，會使得系統表現值的變得最好或最差。傳統的方法是利用格子點搜尋法(Grid Search)在輸入參數區域選取參數組合進行電腦模擬得到表現值，進而找出所要的極值點。不過如果要得到準確的極值點，則電腦模擬的次數就必須增加，相對的成本也會變多。因此我們必須找到一個有效率的方法來幫助我們達到目的。而反應曲面法(RSM)只需使用較少的模擬次數就可以找到反應曲面上的極值點與其對應的輸入參數設定。雖然RSM已被廣泛使用在許多領域中，但是尚未被利用來分析網路表現值。
在本篇論文中，我們將介紹RSM這個方法及其操作過程，並且利用此方法解決在廣泛交換模型(GS model)上的(1)極大值的問題以及(2)多重反應問題。

第一章 緒論 1
第二章 網路模型之介紹 3
第三章 反應曲面法(Response Surface Methodology) 7
第一節 方法之簡介與目標 7
第二節 多重反應問題 15
第四章 RSM在複雜網路上的應用 21
第一節 尋找單一反應值之最佳輸入參數設定 21
第二節 廣泛交換模型上的多重反應問題 28
第五章 結論與未來研究方向 35
參考文獻 37

[1] 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
[2] Raymond H. Myers, Douglas C. Montgomery “Response surface methodology process and product in optimization using designed experiments” (1995)
[3] Hung, Y. C., Modeling and Analysis of stochastic Networks with Shared
Resources, Ph.D. thesis, Department of Statistics, The University of
Michigan (2002)
[4] 張惠敏, “設計複雜網路系統之高效率模擬方法” 國立中央大學統計研究所碩士(2004)
[5] Little, J. D. C. "A Proof of the Queueing Formula L = λ W" Operations Research, 9, 383-387 (1961).