臺灣博碩士論文加值系統

由於行動通訊快速的發展下帶動國內行動電話持有人口，行動電話的使用普及連帶也使得基地台數成長迅速，不當的設置基地台不僅對於業者設置成本造成浪費也並無法達到較佳的通訊品質，故通訊業者目前所面臨這些問題的窘境下，如何在通訊服務品質與基地台較佳設置之間取得一個平衡點是通訊業者即須解決的問題，有鑑於此，如何在有限的預算決策下，進行最佳的無線基地台設置，並提供民眾較佳的服務品質，就成為一個相當重要的議題。在本研究中提出混合式進化演算法(IAPSO)，以免疫演算法與粒子群最佳化二種進化演算法作結合，來決解有資源限制下多類別的無線基地台配問題，由實驗數據結果得知，本研究所提出的方法在解決資源限制下無線基地台配置的決策問題，顯示該法之優異性與穩定性。藉由本研究的研究結果可以提供通訊業者在配置無線基地台時選擇較佳的決策方案。

As the rapid development of mobile technologies, it causes cellular phone users increasing tremendously. The signal transmission stations are widely built because the population of cellular phones user is increased hugely. Incorrect setup of stations is not only causing the unnecessary cost but also making the poor service quality.
How to foster better relations between the setup cost and service quality is very important issue. According to the above difficulties suffered in our study, this thesis is to investigate the nonlinearly constrained cellular phone transmitters locating problems in which the types of transmitters and the corresponding numbers and locations are to be decided simultaneously so as to minimize the maximum communication failure rate that may occurs in a specified area.
In this study, we proposed a hybrid algorithm based on the Immune algorithm and Particle Swarm Optimization (IAPSO). We use the IAPSO to solve the multiple stations location problems. The computational results show that the proposed algorithm can provide the better performance than other approach and/or commercial software. It is wished that our study can provide the Telecommunication Enterprise the optimal/near optimal strategies for the setup of signal transmission stations.

中文摘要 i
英文摘要 ii
表目錄 vii
圖目錄 viii
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的與範圍 2
1.3 研究方法與步驟 3
1.4 研究架構與流程 4
第二章 文獻探討 5
2.1 設施區位問題 5
2.2 偵測器配置問題 7
2.3 免疫演算法 9
2.3.1 免疫系統介紹 9
2.3.2 免疫演算法組成架構 12
2.3.3 免疫演算法流程與步驟 16
2.4 粒子群最佳化 17
2.4.1 粒子速度更新法則 18
2.4.2 粒子群最佳化之演算流程與步驟 20
2.5 二元粒子群最佳化 21
2.5.1 速度更新法則 22
2.5.2 二元粒子最佳化演算法流程與步驟 22
第三章 問題模式與混合式進化演算法 24
3.1 問題模式 24
3.1.1 模式基本假設與符號 25
3.1.2 多類別無線基地台配置模式 25
3.2 混合式進化演算法 27
第四章 實證與討論 35
4.1 參數設定 35
4.2 進化式演算法求解與比較 36
4.3 混合式進化演算法與IAs+最佳化軟體LINGO之求解比較 42
4.4 混合式進化演算法與最佳化軟體LINGO之求解比較 44
4.5 小結 49
第五章 結論與未來研究 51
5.1 結論 51
5.2 未來研究方向 51
參考文獻 52
附錄一 混合式進化演算法求解無線基地台配置 56
附錄二 最佳化軟體LINGO程式碼 59

1.交通部統計處，http://www.motc.gov.tw
2.行政院交通部電信總局，http://www.dgt.gov.tw/flash/index.shtml
3.李國正，2000，公共設施區位之合理配置，國立交通大學交通運輸研究所，碩士論文。
4.林千琪，2003，都市地區國民中學學校設施區位選擇之研究，朝陽科技大學建築及都市設計研究所，碩士論文。
5.林宏晉，2004，不確定因素考量下之都市鄰里公園區位選擇研究，朝陽科技大學建築及都市設計研究所，碩士論文。
6.洪慧秀，2000，網際網路花卉行銷服務網之集貨中心區位研究，國立中興大學農產運銷學系，碩士論文。
7.衷嵐焜，1995，離散區位模型應用於速食外送業態區位評選之研究，國立中央大學土木工程學系，碩士論文。
8.徐建樑，2005，網格式地理資訊系統應用於區位選址之研究-以行動電話基地台設置為例，朝陽科技大學建築及都市設計研究所，碩士論文。
9.陳靜慧，2003，應用類免疫演算法於串並聯系統複置分配最佳化問題之研究，長榮大學經營管理研究所，碩士論文。
10.張文侯，1996，台北市防災避難場所之區位決策分析，國立台灣大學建築與城鄉研究所，碩士論文。
11.張登欽，1984，國民中學學校規模、區位、學區劃分之研究-台北市松山區實證探討，國立中興大學都市計畫研究所，碩士論文。
12.張簡維仁，1998，蜂巢式行動電話基地台設置區位問題之研究，國立成功大學交通管理(科學)學系，碩士論文。
13.張慶彬，2004，應用分散式類免疫演算法於散熱片之最佳化設計，大同大學，碩士論文。
14.曾玉津，2001，掩埋場模糊多準則決策選址法之研究，國立臺灣大學環境工程學研究所，碩士論文。
15.黃宇辰，2002，應用混合螞蟻演算法於可靠度串並聯系統元件配置問題之研究，元智大學工業工程與管理學系，碩士論文。
16.黃敏捷，1990，台北市固體廢棄物運輸系統之研究，國立交通大學交通運輸研究所，碩士論文。
17.葉麗雯，2003，供應商產能有限及價格折扣下多產品多供應商最佳化採購決策，元智大學工業工程與管理學系，碩士論文。
18.廖子銘，2001，類免疫演算法於多目標最佳化問題之研究應用，大同大學機械工程研究所，碩士論文。
19.鄧永亟，2003，利用PSO演算法探討高速銑削最佳化，大同大學機工程研究所，碩士論文。
20.羅意茹，2004，應用免疫演算法於可控退化率存貨問題之研究，國立嘉義大學運輸與物流工程研究所，碩士論文。
21.蘇木春、張孝德，2000，機器學習類神經網路、模糊系統以及基因演算法則，全華科技圖書股份有限公司。
22.Weber A., 1929, Uber den Standort der Industrien (Alfred Weber’s Theory of the Location of Industries),University of Chicago.
23.Drezner Z., and Wesolowsky G.O., 1997, “On the best location of signal detectors” , IIE Transaction , 29, pp. 1007-1015.
24.De Castro L. N., and Von Zuben F. J., 2000 , “The clonal selection algorithm with engineering applications” , In workshop proceedings of the GECCO , pp. 36-37.
25.Eberhart R. C., and Kennedy, J., 1995, “A new optimizer using particle swarm theory”, Proceedings of the Sixth International Symposium on Micromachine and Human Science, pp. 39-43.
26.Elbeltagi E., Hegazy T., and Grierson D., 2005, “Comparison among five evolutionary-based optimization algorithms”, Advanced Engineering Informatics , 19, pp. 43-53.
27.Van Bergh F., and Ngelbrecht A. P. E., 2003, “ A New Locally Convergent Particle Swarm Optimiser ”, The Proceedings of IEEE International Conference on Systems, Man and Cybernetics, Vol. 3.
28.Fourer, R., Gay, D.M. and Kernighan, B. W., 1993, “AMPL A Modeling Language for Mathematical Programming”, The Scientific Press, South san Francisco.
29.Jerne, N. K., 1973, “The immune system , “ Scientific America ,229(1), pp. 52-60.
30.Kennedy J., and Eberhurt R., 1997, “A Discrete Binary Version of The Particle Swarm Algorithm” proc 1997 Conf. Systems, Man, Cybernetics, Piscataway, Nj, Oct, pp. 4104-4108.
31.Laskari E. C., Parsopoulos K. E., and Varahatis, M. N., 2002, “Particle Swarm Optimization for Integer Programming”, Proceedings of the 2002 Congress on Evolutionary Computation, Honolulu, H. I., pp. 1582-1587.
32.Michalewicz Z., 1996, “Genetic Algorithms + Data Structures = Evolution Programs”, 3th Edition, Springer-Verlag Berlin Heidelberg .
33.Chen M. C., Tsai D. M., and Tseng H. Y., 1999, “A Stochastic Optimization Approach for Roundness Measurements,” Pattern Recognition Letters, 20, pp. 707-719.
34.You P. S., and Chen T. C., 2005, “An efficient heuristic for series-parallel redundant reliability problems”, computers and operations research, 32, pp. 2117-2127.
35.Shi Y., and Eberhart, R. C., 1998, “A modified particle swarm optimizer”, Proceedings of the IEEE Congress on Evolutionary Computation, pp. 69-73.
36.Chen T. C. and Fischer G. W., 2000, “A GA-based search method for the tolerance allocation problem”, Artificial Intelligence in Engineering Artificial Intelligence in Engineering, 14, pp. 133-141.
37.Weissman, I. L. and Cooper, M. D., 1993, “How the immune system develops”, Scientific American, 269(3), pp. 33- 40.
38.Hsieh Y. C., Chen T. C., and Bricker D. L., 1998, “Genetic algorithms for reliability design problems”, Microelectronics and Reliability, 38(10), pp 1599-1605.