粒子群演算法應用於無線區域網路產品硬體開發成本優化

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：134

、訪客IP：18.117.105.40

姓名

汪仁傑(Jen-Chieh Wang) 查詢紙本館藏

畢業系所

通訊工程學系在職專班

論文名稱

粒子群演算法應用於無線區域網路產品硬體開發成本優化
(Particle Swarm Optimization Algorithm Applied to the wireless Router Hardware Solution cost Optimization)

相關論文

★ Branch and Bound 演算法在全光網路包含串音局限的限制條件之最佳化規劃效能分析	★ 平行式最佳區塊碼解碼演算法
★ 數位廣播之視訊系統架構與信號估測	★ 粒子群優化演算法應用於電信業解決方案選商及專案排程之優化
★ 結合PSO及K-Means聚類分析演算法的圖像分割	★ 利用粒子群優化演算法改善分群演算法在訊號分群上之應用
★ 應用模糊聚類與粒子演算法之色彩分群研究	★ 粒子群優化演算法應用於企業更新數據網路採購之優化
★ 粒子群演算法應用企業伺服器負載平衡之省電優化	★ 粒子群優化演算法應用於瓦斯業微電腦瓦斯表自動讀表之優化
★ 近場通訊之智慧倉儲管理	★ 在Android 平台上實現NFC 室內定位
★ 適用於訊號傳輸暨無線電力傳輸之設計	★ 結合PSO及圖像品質評估演算法識別頻譜訊號
★ 粒子群優化與二維Otsu演算法於影像二元化閥值選取研究	★ 利用A*解碼法應用到線性區塊碼的最大可能性解碼之研究

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

至系統瀏覽論文 ( 永不開放)

摘要(中)

近幾年寬頻網路代工產業因為競爭激烈導致產品開發利潤大幅下降，為了降低成本及提高獲利必須強化產品設計競爭力及縮短開發時間。因此如何快速的在眾多的IC廠商中選擇出最具成本競爭優勢的設計，並且用最有效的方法來決定開發架構，實為當前各家代工廠所追求的目標。當代工產品規格確認後，如何以最低廉的成本及最精簡的零件組合來設計出客戶所需的產品,，便是本論文所探討方向及研究的目標。
本論文的目的是以粒子群最佳化演算法（Particle swarm optimizer; PSO）為基礎,應用於現今的無線區域網路產品硬體開發規格的選擇上（Solution）。粒子群演算法具備了收斂快速特性、粒子間訊息的溝通、較少的參數設定、搜尋速度快和可行性高的優點，這個演算法已有許多相關的論文陸續發表及實務應用。
本論文將分為五個部份；首先介紹粒子群演算法的概念以及常見的幾種群體優化演算法比較；第二個部份針對無線區域網路產品硬體規格設計做重點式的介紹及闡述；第三個部份是運用PSO之概念，針對無線區域網路硬體產品的規格及設計成本進行優化，以達到節省成本之目的；第四部份則是將目前無線區域網路設計與PSO優化後的設計做功能性的比較，最後章節再作總結及提出對研究之未來展望及相關研究建議。

摘要(英)

Broadband networking ODM (Original Design Manufacture) industry is getting more competitive than ever recently. And this cause the profit margin decrease tremendously. In order to lower the cost and increase the profit margin, shorten the product development cycle time and make the design more cost effective are essential. Choosing the most cost competitive IC chip among numerous vendors and designing efficiently are the only way to survive in this competitive market for ODM vendors. The purpose of this study is to understand how to reach the lowest cost with high quality and compact product design as soon as the SPEC (specification) is finalized.
PSO (Particle swarm optimizer) is the base for selection of solutions for wireless networking hardware development. The pros include Quick narrow-down selection; strengthen particle shake-hand; less parameter settings; faster searching and high availability. This has been applied in lots of field and studies.
There are five portions in this study, including:
1. Optimizer algorithm introduction.
2. Wireless networking hardware design SPEC introduction.
3. PSO application for cost optimizing of wireless networking product design and SPEC define.
4. Before and after comparison by applying PSO.
5. Conclusion and the advice for future studies.

關鍵字(中)

★ 最佳化規畫
★ 成本分析
★ 無線區域網路
★ 粒子群演算法

關鍵字(英)

★ PSO
★ cost analysis
★ Wireless networking
★ optimized planning

論文目次

摘要 i
Abstract ii
誌謝 iii
目錄 iv
圖目錄 List of Figures v
表目錄 List of Tables vi
第一章、緒論 - 1 -
1-1 研究背景與動機 - 1 -
1-2 論文架構 - 3 -
第二章、群體智慧演算法介紹與比較 - 5 -
2-1 粒子群（PSO）演算法介紹 - 5 -
2-2 PSO與其他演算法的比較 - 9 -
2-3 改良型PSO演算法之介紹 - 11 -
第三章、無線區域網路介紹與設計 - 12 -
3-1 無線區域網路發展與現況 - 12 -
3-2 無線區域網路802.11a/b/g/n之介紹 - 13 -
3-3 無線網路發射機及接收機架構介紹 - 15 -
3-3-1 發射機架構介紹 - 16 -
3-3-2 接收機架構介紹 - 18 -
3-3-3 天線的介紹 - 20 -
第四章、無線區域網路硬體設計應用與優化 - 21 -
4-1 硬體系統架構與定義 - 21 -
4-2 無線模組設計限制與規格挑選彙總 - 23 -
4-3 PSO求解模型與結果 - 26 -
第五章、優化分析結果及實測比較 - 31 -
5-1 模擬環境及平台 - 31 -
5-2 實測環境與比較結果 - 33 -
5-2-1 發射機實測及比較 - 33 -
5-2-2 接收機實測及比較 - 40 -
5-2-3 實際空間測試及比較 - 46 -
第六章、結論與未來展望 - 52 -
6-1 結論 - 52 -
6-2 未來展望 - 53 -
參考文獻 - 54 -

參考文獻

[1] Eberhart, R.C. and Kennedy, J., “A new optimizer using particle swarm theory,” Proc. Sixth International Symposium on Micro Machine and Human Science, pp.39-43, 1995.
[2] Eberhart, R.C. and Shi, Y. “Comparison between genetic algorithms and particle swarm optimization,”1998 Annual Conference on Evolutionary Programming, 1998.
[3] Eberhart, R.C. and Shi, Y., “Particle Swarm Optimization: Developments, Applications and Resources,” Proc. IEEE Int. Conf. On Evolutionary Computation, Vol. 1, pp. 81-86, 2001.
[4] Gen, M., Tsujimura Y. and Kubota, E., “Solving Job-Shop Scheduling Problems by Genetic Algorithm,” IEEE International Conference on, Vol. 2, pp. 1577-1582, 1994.
[5] Hu, X., R.C. Eberhart and Y. Shi “Swarm intelligence for permutation optimization: a case study of n-queens problem,” Swarm Intelligence Symposium, The Proceedings of IEEE on SIS, pp.243-246, 2003.
[6] IEEE Std 802.11b-1999, Part 11: Wireless LAN Medium Access Control (MAC)
and Physical Layer (PHY) Specifications: Higher-Speed Physical Layer
Extension in the 2.4 GHz Band.
[7] IEEE Std 802.11a-1999, Part 11: Wireless LAN Medium Access Control (MAC)
and Physical Layer (PHY) Specifications: High-Speed Physical Layer in the 5
GHz Band.
[8] IEEE Std 802.11g-2003, Part 11: Wireless LAN Medium Access Control (MAC)
and Physical Layer (PHY) Specifications. Amendment 4: Further Higher Data
Rate Extension in the 2.4 GHz Band.
[9] IEEE Draft Std 802.11n-D2.0, Part 11: Wireless LAN Medium Access Control
(MAC) and Physical Layer (PHY) Specifications. Amendment :
Enhancements for Higher Throughput.
[10] J. Kennedy and R. C. Eberhart, “A discrete binary version of the particle swarm algorithm”, Proceedings of the World Multi conference on Systemics, Cybernetics and Informatics 1997, Piscataway, New Jersey, USA.:4 104-4109, 1997.
[11] J. Kennedy and R .C. Eberhart, “Particle Swarm Optimization”, Proceedings of IEEE International Conference on Neural Networks, 1995 Perth, Australia:1942-1948.
[12] J. Kennedy, “Stereotyping: Improving Particle Swarm Performance with Cluster Analysis,” Proc. IEEE Int. Conf. on Evolutionary Computation, Vol. 2 pp. 1507-1512, 2000.
[13] J. Kennedy, R. C. Eberhart and Y. Shi, “Swarm Intelligence”, San Francisco: Morgan Kaufmann, 2001.
[14] Ponnambalam, S.G., Aravindan, P. and Rajesh, S.V., “A tabu search algorithm for job shop scheduling,” International Journal of Advanced Manufacturing Technology, Vol. 16, pp.765-771, 2000.
[15] Shi, Y. and Eberhart, R.C., “A Modified Particle Swarm Optimizer,” IEEE Int. Conf. on Evolutionary Programming, pp. 69-73, 1998.
[16] Shi, Y. and Eberhart, R.C, “Empirical Study of Particle Swarm Optimization,” Proceedings of the Evolutionary Computation 1999 Congress, Vol. 3, pp. 1945-1950, 1999.
[17] Shi, Y. and Eberhart, R.C., “Parameter Selection in Particle Swarm Optimization,” 7th Int. Conf. on Evolutionary Programming, Vol. 1447, pp. 591-600, 1998.
[18] Xiaohui, Hu, Eberhart, R.C. and Shi, Y., “Engineering Optimization with Particle Swarm,” Swarm Intelligence Symposium, pp.53-57, 2003.
[19] Yin, P.Y., “A Discrete Particle Swarm Algorithm for Optimal Polygonal Approximation of Digital Curves,” Journal of Visual Communication and Image Representation, Vol. 15, pp. 241-260, 2004.
[20] 王翔民，「以改良式粒子群演算法解VLSI平面規劃面積與繞線最佳化問題」，東華大學電機工程學系，碩士論文，民國95年。
[21] 根日屋英之，小川真紀，無線通訊時代的天線設計，黃獻鋒譯，初版，全華圖書，新北市，民國九十七年六月。
[22] 黃若蘋，「啟發式演算法於資料分群問題之比較」，大同大學資訊經營研究所，碩士論文，民國96年。
[23] 張盛富，張嘉展，無線通訊射頻晶片模組設計，二版，全華圖書，新北市，民國九十七年六月。
[24] 陳榮昌，林育臣，「群聚演算法之比較及群聚參數的分析與討論」，第三屆網際網路應用與發展研討會，D12-1 - D12-11頁，民國91年。
[25] 許靜宜，「利用粒子族群演算法研究風車陣列之最佳間距研究」，中央大學土木工程學系，碩士論文，民國97年。
[26] 楊曜隆，「無線網路技術應用於802.11n效能評估分析」，中央大學資訊工程研究所，碩士論文，民國97年。
[27] 劉清祥，「粒子群演算法於結構設計及零工式排程之應用」，海洋大學系統工程暨造船學系，碩士論文，民國94年。
[28] 蔡裕仁，「粒子群優化演算法應用於企業更新數據網路採購之優化」，中央大學通訊工程研究所，碩士論文，民國100年。
[29] 韓府義，「IEEE802.11b 射頻傳收機模組之研製」，中山大學電機工程學系，碩士論文，民國92年。

指導教授

賀嘉律(CHIA-LU HO)

審核日期

2012-7-18

推文