【一個人的聰明有限,眾人的智慧無窮】

人工智慧與系統最佳化研究團隊

110學年度研究生

410346109@mail.fju.edu.tw 

吳冠宏 (111學年度畢業)

論文題目:多重狀態篩檢與隔離系統之網路可靠度評估

摘要:自2020年以來,COVID-19的爆發已經轉變成了一種全球大流行的傳染病。迄今為止,全世界有超過6.3億人感染了COVID-19,而有超過660多萬人死於COVID-19。在疫苗問世以前,許多國家都採取了社區篩查和隔離措施來控制COVID-19的傳播。因此,篩檢與隔離系統是否能在匡列的社區中篩查和隔離疑似病例是非常重要的。在本論文中,篩檢與隔離系統被建構為一個網路系統,其中的節點表示篩查站(社區快速篩查站和醫院)和隔離治療機構(隔離中心和專責治療醫院),弧則引導疑似病患從一個節點到另一個節點。由於每個篩查站的醫護人員部分上班或全部上班,而每個隔離治療機構的病床可能會被其他病人所佔用,所以一個節點的篩檢或隔離能力應為多重狀態。因此,篩檢和隔離系統可以被建模為一種多重狀態網路,在此被命名為多重狀態篩檢和隔離網路(multistate screening and isolation network, MSIN)。網路可靠度也相應地被定義為通過MSIN成功篩查和隔離D個疑似病例的機率,並且被認為是控制疾病的能力指標。本論文提出了一種流量網路分析方法,將該方法與遞迴不交和法(recursive sum of disjoint products, RSDP)相結合來評估網路可靠度。最後以2021年5月台北萬華區剝皮寮為例,說明所提技術的適用性,以及如何將網路可靠度作為決策參考。

110學年度研究生

410346214@mail.fju.edu.tw 

邱宋帆 (111學年度畢業)

論文題目:應用柔性計算與蒙地卡羅模擬於系統可靠度最佳化元件配置問題

摘要:最大化系統可靠性是系統管理員最關注的問題之一。解決這個問題的一種方法是將系統表示為網路圖,並根據網路圖中的每個弧或節點確定最佳元件配置之元件數量和元件類型。這種具有多種類型元件配置的網絡被視為隨機流網絡。先前的研究主要應用柔性計算來搜索最佳元件配置,並使用最小路徑或最小割集等方法來評估每種元件配置的系統可靠性。然而,當網路拓撲變得複雜時,基於最小路徑或最小割集評估系統可靠性可能非常耗時。因此,本研究提出了結合遺傳算法和蒙特卡洛模擬與結合模擬退火算法和蒙特卡洛模擬的模擬優化方法,以解決多種類型元件配置問題,以最大化系統可靠性。利用遺傳算法和模擬退火法搜索每個弧的最佳元件和數量,並利用蒙特卡洛模擬估計對應元件配置的系統可靠性。並且利用台灣電力網絡和3個大型隨機網絡驗證該方法具有更好的計算效率。 

110學年度研究生

410346135@mail.fju.edu.tw 

 呂紹華(111學年度畢業)

論文題目:考量線路損失之多階段狀態電力系統網路可靠度評估

摘要:電力在人類的生活和發展中扮演著不可或缺的角色,當電力公司的供應出現 問題時,會給用戶帶來不便。因此,評估電力系統(electric power system)的可靠性 對於確保及時供應足夠的電力給予用戶是非常重要的。本研究旨在從電力公司的 角度評估電力系統的網路可靠度(network reliability),以衡量該系統是否能夠應對 多個地區的電力需求。這種網路可靠度可以被視為評估電力系統承載能力的一個 指標,電力公司可以根據這個指標來調整決策和解決問題。本研究將電力系統建構 為一個多階狀態電力系統網路(multistate electric power system network)。電力公司 必須根據各地區的用電需求,同時考慮線路損失(line loss)等因素,及時供應電力給 各地區。因此,這個電力供應過程可以被表示為一個具有多個起點和終點的多階狀 態流量網路。在該網路中,流量代表著電力,節點代表著發電廠、超高壓變電所、 配電變電所和地區需求,而弧則代表連接各設施並輸送電力的輸電設備。在發電廠 產生電力後,通過輸電設施將電力傳送到最近的配電變電所進行變壓,最後再通過 輸電設施將電力供應到各地區的用戶。由於電力設施存在維修和損壞的可能性,所 以它們的容量是具有隨機性的。本研究定義可靠度為發電廠的供電量能夠成功流 經各電力設施並滿足各地區需求的機率,並提出了以最小路徑(minimal path)為基 礎之演算法。最後以高雄市區停電事故為例設計一個電力系統網路來驗證所提出 之演算法的實用性,並以敏感度分析(Sensitivity analysis)為電力公司提供決策方針。 

110學年度研究生

:627112673@qq.com

嚴紫煒 (111學年度畢業)

論文題目:基因表達規劃法對於配對交易最佳化的研究

摘要:因爲全球股市動蕩,金融科技迫切的被需求於量化交易中,在抗風險中配對交易的表現比較突出,而配對交易的交易閾值設定又是一個值得探討的問題,而其中在搜尋求解這類問題中,演化式演算法提供了不錯的效果。因此本研究採用基因表達規劃法(Gene Expression Programming, GEP),來探究配對交易的最佳閾值,以及整合技術分析,風險管理和資金控管策略,進而力求尋找到一個最佳的交易系統。

依本研究實驗結果發現:(一)相較於傳統方法,利用基因表達規劃法尋找配對交易最佳閾值的方法整體表現更加優秀。該方法可以靈敏捕捉Z-score的變化,帶來更高的收益和更多的交易機會。然而,根據多期的實驗結果,當兩檔股票高度相關時,該演算法仍存在對交易機會把握不足的問題,而且策略有時會出現較大的虧損,在股市震盪期還有改進的空間。(二)在利用GEP尋找配對交易最佳閾值的基礎上,添加技術指標策略可以全面提升交易策略性能。主要原因是選取的股票是一對高度相關的股票,存在大量的高度相關時刻。通過技術分析方法,我們可以在控制風險的同時倍增收益和交易機會,配合對沖策略,兩者可以進行互補,這是一種理想的操作。(三)可以通過本實驗發現,過於線性的,過於相關的配對交易股票往往會失去大量的交易機會,也許相關性不是那麼強的配對交易股反而適合去做本系統的研究