No description available.

IEEE 802.11/802.16無線網路的MAC機制為儘可能爭取傳輸機會，此機制於壅塞的網狀網路環境中將造成傳輸速率過高及非必要封包碰撞的問題，進而嚴重降低網路傳輸效能。 / 本篇論文的目的旨在改善無線網狀網路環境中，因IEEE 802.11/ 802.16本身的MAC機制所導致的效能低落問題。我們利用賽局理論中零和賽局以強化競爭方式並計算及應用合理傳輸機會(Transmission Opportunities)及傳輸時機(Transmission Timing)，再依此將傳輸速率調降至合理的數值以降低無效封包的傳輸率。同時，此傳輸機會及傳輸時機將作為路徑選擇的重要依據。末了，我們利用網路模擬器NS2 (Network Simulator ver. 2)驗證及評估本論文所提出之方法的效能。 / The MAC mechanism of IEEE 802.11 and 802.16 competes as much transmission opportunities as possible. In a congested wireless mesh network, this greedy competition will result in inappropriate data rates and unintentional packet collision problems, and thus reduce network performance seriously. / The objective of this research is aimed to solve these two problems to enhance the performance of wireless mesh networks. We propose a zero-sum-game based contention-enhancement in MAC mechanism to estimate rational transmission opportunities and transmission timing dynamically. These estimations will then be used in reducing unsuitable packet data rates and selecting better routing paths. At last, we use NS2 (Network Simulator ver.2) to evaluate the system performance of our proposed methods.

本研究的主要目的有二：1.了解針對行動電話門號此一產品，消費者真正重視的產品屬性有哪些。2.透過聯合分析的方法，調整最佳產品組合，包括產品屬性與費率方式。 本研究進行的方式主要有兩階段。第一階段透過文獻探討與焦點團體來蒐集消費者重視的產品屬性以及水準。第二階段再透過聯合分析法來獲得消費者偏好函數。本研究之樣本範圍為政大企研所三十四、三十五屆及十七、十八屆企家班之行動電話使用者。有效樣本共六十六位。在聯合分析階段中，將樣本依照「使用頻率高低」、「職業別」、以及「原使用品牌」之變數作區隔，分析不同區隔之間的偏好屬性。 研究結論發現：1.全有效樣本最偏好的產品組合是和信電訊、搭配以秒計費，以及提供「國際漫遊」與「簡訊服務」的附加價值。偏好基地台數目較多的廠商，以及雙頻系統。2.消費者最重視的產品屬性是品牌；在不同的門號使用者區隔中，偏好的門號品牌亦有所差異。3.若以本研究架構中，產品屬性歸類為四大部分：附加價值、價格、品牌、品質來看，「價格」是最受重視的屬性。 第一章 緒論 1 第一節 研究動機 1 第二節 研究目的 2 第三節 研究假定與研究範圍 3 第二章 文獻探討 5 第一節 價格的定義與構面 5 第二節 消費者認知價值 8 第三節 影響消費者價格敏感性的因素 13 第四節 價格認知與價格衡量 16 第五節 價格品質訊號 19 第六節 價格與品牌之間相關性 24 第七節 價格與廣告之間的關係 26 第八節 區隔變數 26 第三章 理論架構與研究設計 29 第一節 研究設計 29 第二節 焦點團體 32 第三節 理論架構 39 第四節 變數定義 42 第五節 聯合分析法 46 第六節 研究對象與限制 62 第四章 實證分析與聯合分析結果 64 第一節 基本資料分析 64 第二節 聯合分析結果 66 第五章 結論與建議 117 第一節 研究結論 117 第二節 理論與實務涵意 133 第三節 對後續研究之建議 133 參考文獻 135 附錄一 138 附錄二 139 附錄三 142

逆物流在過去一直不被受到重視，但是在最近不管是世界各國開始制定法規諸如WEEE、RoHS等以及消費者環保意識的抬頭，都不得不讓企業開始專注在逆物流供應鏈上面，由於逆物流的不確定因素及成本都遠比過去正物流來的複雜，因此，過去企業往往選擇外包給專業第三方逆物流業者來處理。 　　然而在過去文獻中指出，其實企業自行建立逆物流供應鏈擁有一些外包得不到的好處，因此，仍然有企業願意自行建立逆物流供應鏈，本研究的目的在於提出一個最佳化模式，此模式利用非線性規劃先將整個研究模式建立成數學模式，再利用隨機規劃方法來將回收量、回收品質及拆解數量這三項不確定因素考慮進去，接著透過情境的方式來表達未來各種可以能發生的情況，再透過非線性隨機規劃模式來去求得一個綜合各種情境的最佳回收處理分配，最後再利用一個手機品牌廠商來做為範例。

當產險公司需要同時兼顧競爭力並免於破產時，適當的資產配置就是一項相當重要的決策。然而採用均數-變異數分析(mean‐variance analysis)將受到許多限制，而動態控制理論則是難以實作，因此，我們提出一個新的解決方法。這個方法主要係應用模擬最佳化的演算法，例如基礎的基因演算法(basic genetic algorithm, GA)，多階層演化策略(multi-phase evolutionary strategies, MPES)及多階層基因演算法(multi-phase genetic algorithm, MPGA)等並結合模擬模型，來求解保險公司之資產配置的問題。首先我們建立投資市場及保險業務市場的模擬模型，之後再利用本研究所發展出新的最佳化演算法來搜尋最佳的資產配置。在實務上無法實現的多期投資策略，在我們的研究架構下得以被採用，並且在比較求解結果下，多期投資策略(reallocation strategies)較定額投資策略(re‐balancing strategies)有顯著較佳的績效。在兼顧保險公司投資收益並避免破產的目標函數下，我們所提出的研究方法已證明可以用來協助保險公司建立較佳的資產配置。 / Proper asset allocations are vital for property‐casualty insurers to be competitive and remain solvent. However, popular mean‐variance analysis is limited while dynamic control theory is difficult to implement. We thus propose to apply simulation optimizations such as basic genetic algorithm (GA), multi‐phase evolutionary strategies (MPES) and multi‐phase genetic algorithm (MPGA) to the asset allocation problems of the insurers. We first construct a simulation model of the property‐casualty insurer and then develop simulation optimization techniques to search optimal investment strategies upon the simulation results. The resulted reallocation strategies perform better than re‐balancing strategies used in practice with significant margins. Therefore, our proposal researches can be used to assist insurers to construct better asset allocations.

本文結合動態財務分析（Dynamic Financial Analysis, DFA）與演化策略演算法(Evolution Strategy, ES)找尋產險公司最佳的投資比率。本文模擬產險公司的25年的營運情形，將各資產價格變化以隨機模型建構的概念帶入，加入損失分配並考慮多重期間的資產配置比率重分配(re-allocation)等條件，在建立目標方程式後，運用演化策略演算法求得最佳的資產配置比率。 / In the research, the tools we take are the dynamic financial analysis( DFA ) system and the evolution strategy algorithm( ES ), which can be used to find the best investment ratio for insurance companies. The whole content of this article demonstrates the condition of property-casualty insurance companies in the 25 years. It takes place of the change of prices in every item of the asset by some kind of stochastic models, then, takes notice of the distribution of loss and re-allocation, sets a objective function for the goal to find the best ratio of the asset allocation by ES.

本論文乃應用聯合分析方法，此求解消費者基礎的產品最佳化問題，及探求與評估各 產品之目標市場。透過理論的探討與介紹，從而建立研究分析架構：由最佳產品的產 生，到目標市場之形成、確認與評估。研究中以夏克（Shocker）和史瑞尼瓦森（Sri nivasan）的LINMAP 程式，來求算聯合分析成分效用值；以華德氏（Ward）的集群分 析（Cluster Analysis）程式來歸併目標市場集群，進而確認與評估此一目標市場之 潛量性，並且選擇國產自用轎車為實例研究的產品，及藉國產自用轎車實際銷售業績 ，檢定本研究之效度。期盼本研究之結果，能有助於學術界和企業界對聯合分析法的 重視，進而逐漸加以採用。

本文運用模擬的方法，產生產險業所面臨的損失分佈、投資資產的變動，欲得到最好的資產配置比例，並考慮重新平衡的效果，探討何種方法為產險業最好的資金運用策略。在模擬了1,000次，產生未來23年的年末資產負債表後，我們得到產險公司應如何配置其資金於：現金、股票、1-15年期債券及房地產的比例，加入重新平衡的概念，運用目標方程式的建立，最後得到一個最好的資金配置及平衡策略。 / We applied simulation techniques to imitate some situations that insurance companies have handled, including loss development, asset value variations, and dynamic programming asset allocation. The asset allocation ratios and the timing of rebalancing the assets affected our objective outcomes. After simulating 23 years for 1,000 times, we find how insurance company allocates their capital in four accounts: cash, stock, fifteen kinds of maturity bonds, and real estate. We finally pointed out strategy resulted in the best outcome by comparing between single period optimal asset allocating ratios and rebalanced asset allocation ratio outcomes.

程序式動畫是一種根據使用者所提供的高階運動參數，自動產生動畫的方法。藉著高階的運動參數，程序式動畫比運動擷取資料有著更高的彈性。使用者可透過調整參數，輕易地讓動畫滿足情境上所需的限制。但如何調整適當的運動參數以產生擬真的動畫仍屬不易，因此程序式動畫常有在視覺上觀感不自然的問題。本研究的目標是，將運動擷取資料擬真的要素，帶到程序式動畫之中，以改進程序式動畫的品質。我們將問題定義成一個最佳化問題：給定一段運動擷取資料，系統該如何調整程序式動畫之參數，使得程序式動畫與運動擷取資料的差距盡可能地縮小？我們的系統可以參考一段運動擷取資料，以最佳化演算法，自動調整程序式動畫的參數，搜尋能產生出與運動擷取資料最為相似的運動參數。為了進一步讓產生之動畫符合環境的限制需求，多組最佳化過後的運動參數可以再透過內插，重新產生出一組符合限制需求的運動參數。實驗結果顯示，我們的方法不但使程序式動畫得以保留原來彈性的優點，也改善了程序式動畫常有的視覺觀感不自然的缺點。 / Procedural animation provides a way for a user to generate animation according to the high-level motion parameters that the user supplies. With the high-level motion parameters, procedural animation has the flexibility of generating animation accommodating the requested constraints in a scenario. However, tuning parameters to generate realistic animations usually is a difficult task. Therefore, animations produced with this approach often have the drawback of unrealistic-looking. Our goal is to improve the quality of procedural animation by bringing the naturalness of motion capture data into procedural animation. We model our problem as an optimization problem: given a motion captured clip, how does the system tune the motion parameters in an animation procedure to minimize the difference between animations produced by a procedure and captured in a motion clip? Our proposed system takes a motion captured clip as a reference and tunes the motion parameters of the animation procedure with an optimization algorithm. In order to generate animation satisfying environmental constraints, multiple optimized motion parameters can be interpolated to create a new set of motion parameters which can also satisfy the constraints. Our experimental results show that our method not only retains the flexibility of procedural animation, but also enhances the quality of procedural animation.

在科技持續進步的時代，金融市場發展隨著社會的演進不斷地成長與活絡，金融商品也從原本單純的本國存放款、外幣投資衍生出票券、債券等利率投資工具；除此之外，隨著資本市場的擴張，股票、基金、期貨與選擇權等投資標的更是琳瑯滿目。 而後產生了許多人使用資料探勘工具預測市場的買賣時機。如Baba N., Asakawa H. and Sato K.(1999)使用倒傳遞類神經網路來預測到股市未來的漲跌，而後又在2000年研究當中加入基因演算法來求得倒傳遞類神經網路的權重，得到最後的類神經網路模型。 在做資料探勘的同時，我們得在希望預測目標(Target)上事先定義好一套固定規則，這會使得模型的彈性與可預測度降低，本研究希望能透過資料探勘工具增加預測目標規則的彈性，增加模型最後的預測準確度。 本研究樣本區間選用2010年到2015年的台指期貨數據做為資料，並結合羅吉斯回歸與粒子群演算法建構更加有彈性的預測模型結果，最後發現在未來10分鐘，若漲幅超過0.1114%做為買進訊號的話，其建立出的模型可達到84%的預測準確度。