Please use this identifier to cite or link to this item: http://hdl.handle.net/10889/13329
Title: Ανάπτυξη μοντέλου διείσδυσης ευρυζωνικής πρόσβασης σε πληροφοριακά συστήματα με χρήση εξελικτικών αλγορίθμων
Other Titles: Development of diffusion model for the broadband access penetration in information systems using evolutionary algorithms
Authors: Σαλπασαράνης, Κωνσταντίνος
Keywords: Μοντέλο διάχυσης
Ευρυζωνική διείσδυση
Ευρυζωνική πρόσβαση
Εξελικτικοί αλγόριθμοι
Γενετικός προγραμματισμός
Γενετικοί αλγόριθμοι
Πληροφοριακά συστήματα
Τεχνολογική υιοθέτηση
Τηλεπικοινωνιακά συστήματα
Keywords (translated): Diffusion model
Broadband penetration
Broadband access
Evolutionary algorithms
Genetic programming
Genetic algorithms
Information systems
Technological adoption
Telecommunications
Abstract: Η παρούσα διατριβή είναι το αποτέλεσμα έρευνας που κινήθηκε στους επιστημονικούς τομείς της Πρόβλεψης (Forecasting) και της Επιχειρησιακής Έρευνας (Operational Research), καθώς επίσης και της Υπολογιστικής Νοημοσύνης (Computational Intelligence) και ειδικότερα των Εξελικτικών Αλγορίθμων (Evolutionary Algorithms). Σκοπός της διατριβής είναι αρχικά να προτείνει, χρησιμοποιώντας ποσοτικές μεθόδους πρόβλεψης, ένα νέο Εμπειρικό Μοντέλο (ΕΜ) ή Forecasting Model (FM) για βραχυπρόθεσμες προβλέψεις της σωρευτικής ευρυζωνικής υιοθέτησης μιας νέας τεχνολογίας και κυρίως μια υβριδική μέθοδο Γενετικού Προγραμματισμού (hGP) για την προσαρμογή και πρόβλεψη των δεδομένων ευρυζωνικής διείσδυσης. Αρχικά, οι επιδόσεις προσαρμογής και πρόβλεψης του ΕΜ (FM) συγκρίνονται με ορισμένα ευρέως χρησιμοποιούμενα μοντέλα διάχυσης για τη σωρευτική υιοθέτηση νέων τηλεπικοινωνιακών προϊόντων, όπως τα Logistic, Gompertz, Flexible Logistic (FLOG), Box-Cox, Richards και Bass. Οι διαδικασίες προσαρμογής και πρόβλεψης εφαρμόζονται σε δεδομένα για τη διείσδυση της ευρυζωνικότητας στην Ελλάδα και το ΕΜ επιδεικνύει επαρκείς στατιστικούς δείκτες. Ακολουθεί η εισαγωγή της υβριδικής μεθόδου γενετικού προγραμματισμού (hGP) στην προσαρμογή και πρόβλεψη των δεδομένων ευρυζωνικής διείσδυσης. Μερικά γνωστά μοντέλα διάχυσης, όπως αυτά του Gompertz, Logistic και Bass, είναι ενσωματωμένα στον αρχικό πληθυσμό λύσεων του hGP με στόχο την επιτάχυνση του αλγορίθμου. Οι παραγόμενες λύσεις-μοντέλα του hGP χρησιμοποιούνται για την προσαρμογή και την πρόβλεψη της υιοθέτησης της ευρυζωνικής διείσδυσης στις χώρες του Οργανισμού Οικονομικής Συνεργασίας και Ανάπτυξης (ΟΟΣΑ). Τα αποτελέσματα των βελτιστοποιημένων μοντέλων διάχυσης συγκρίνονται με εκείνα της μεθόδου hGP. Η hGP δημιουργεί λύσεις με στατιστικούς δείκτες υψηλής απόδοσης και επίσης συνεργάζεται με τα υπάρχοντα μοντέλα διάχυσης, επιτρέποντας έτσι πολλαπλές προσεγγίσεις στην πρόβλεψη. Τέλος, παράλληλα προτείνεται μια νέα έκδοση της τροποποιημένης μεθόδου hGP που συνιστά επέκταση του αρχικού hGP. Ο αλγόριθμος του hGP έχει βελτιωθεί με την εισαγωγή στον αρχικό πληθυσμό ορισμένων παραλλαγών των μοντέλων διάχυσης για σκοπούς μακροπρόθεσμων τεχνολογικών προβλέψεων, όπως η Bi-Logistic και η LogInLog. Εισάγονται νέοι κανόνες για την παραγωγή του αρχικού πληθυσμού και τα μοντέλα του συνόλου των συναρτήσεων. Η συνεργασία της μεθόδου με μακροοικονομικούς δείκτες, όπως το Ακαθάριστο Εγχώριο Προϊόν ανά Κεφάλαιο (GDPpC) και ο Δείκτης Τιμών Καταναλωτή (ΔΤΚ), οδηγεί στη δημιουργία πρότυπων μοντέλων και σεναρίων για μεσοπρόθεσμο και μακροπρόθεσμο επίπεδο πρόβλεψης. Η τροποποιημένη hGP έχει εφαρμοστεί στα σύνολα δεδομένων των συνδρομητών κινητής τηλεφωνίας και της σταθερής ευρυζωνικής διείσδυσης στις χώρες του ΟΟΣΑ και επιτυγχάνει πολύ καλές προβλέψεις. Κλείνοντας πρέπει να τονιστεί ότι η ανάπτυξη της νέας τροποποιημένης μεθόδου Εξελικτικών Αλγορίθμων μπορεί να εφαρμοστεί και σε άλλους επιστημονικούς τομείς.
Abstract (translated): This dissertation is the result of research in the fields of Forecasting and Operational Research as well as in the scientific area of Computational Intelligence (CI), specifically in the field of Evolutionary Algorithms (EA). The objective of the dissertation is to propose, using quantitative forecast methods, a new Empirical deterministic Model (EM) or Forecasting Model (FM) for short-term forecast of the cumulative broadband adoption of a new technology and a hybrid Genetic Programming method (hGP) in fitting and forecasting of the broadband penetration data. Initially, the fitting and forecasting performance of the EM (FM) is compared with some widely used diffusion models for the cumulative adoption of new telecommunication products, namely, Logistic, Gompertz, Flexible Logistic (FLOG), Box-Cox, Richards and Bass model. The fitting and forecasting processes are implemented in broadband penetration official data for Greece and the EM yields well enough statistical indices. The introduction of the hybrid Genetic Programming method (hGP) in fitting and forecasting of the broadband penetration data follows. Some well-known diffusion models, such as those of Gompertz, Logistic and Bass, are embedded in the hGP’ s initial population of the solutions to accelerate the algorithm. The produced solutions-models of the hGP are used in fitting and forecasting the adoption of broadband penetration in Organisation for Economic Co-operation and Development (OECD) countries. The results of the optimized diffusion models are compared to those of the hGP. The hGP generates solutions with high performance statistical indices and the solutions cooperate with the existing diffusion models, thus allowing multiple approaches to forecasting. Finally, a new version of the modified hGP method in forecasting follows and it constitutes an expansion of the initial hGP. It has been improved by the introduction in the initial population of some diffusion models’ variation for long-term technological forecasting purposes, such as Bi-Logistic and LogInLog. New rules for initial population’s production and models in the functions’ set are inserted. The cooperation of the method with macroeconomic indicators such as Gross Domestic Product per Capita (GDPpC) and Consumer Prices Index (CPI), leads to the creation of forecasting models and scenarios for medium and long-term level of prediction. The modified hGP has been implemented in the datasets of the mobile subscribers and fixed broadband penetration in OECD countries and it achieves well enough forecasting performance. In conclusion it should be emphasized that the development of the new modified method of Evolutionary Algorithms can be applied to other scientific fields as well.
Appears in Collections:Τμήμα Ηλεκτρολ. Μηχαν. και Τεχνολ. Υπολογ. (ΔΔ)



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.