1. 參數初始化：在演化之前，必須先設定好控制參數。
a. 最大演化世代，演化世代分為兩種：
a1.符合適存值即停止。
a2.可能系統設定演化世代。
a3.本範例採取符合適存值即停止。
b. 編碼字串長度 c. 變數個數 d. 交配率 e. 突變率 f. 族群大小 2. 設定初始族群
設定好參數後，可利用電腦亂數挑選出與正在協商之專案同一類型的專 案，直到滿足族群大小為止。本研究將會設定族群固定為 10 組，包括原 本進行協商的專案組合。表 3.2 是初始族群的設定，代表基因演算法所必 須產生的初始方案，並且設定第 3 組為本次協商專案。以下為 Cost、Time、
Scope、Quality、Human Resource 元素之間的關係及變化說明：
a. Scope:專案的範疇，本研究將會定義範疇為大、中、小，在族群內也 會挑選同樣範疇的專案進行演化。
b. Human Resource:人力資源的變化將會直接影響專案的成本及時間運 作。將人力資源分為強、中、弱三種狀態，以利分析。
c. Time:同樣範疇內的專案會受預定時間的長短造成成本及品質的變 化。將時間分為長、中、短三種狀態，以利分析
d. Quality:品質會受到成本及時間所影響。將品質由小到大分為 1～5，
共五種等級，以利分析
e. Cost:當同樣範疇內的專案時間非常短暫時，將會造成成本增加，或 預算不夠時，也會造成專案時間拉長或品質降低。
f. 針對表 3.2，提供初始族群的十組設定之案例說明：
第一組：專案範疇很大，但屬於時程不趕的專案類型，人力資源也很 強大，成本可以控制在預算內。
第二組：專案範疇很大，但屬於時程不趕的專案類型，唯人力資源不 比第一組強，成本雖可控制在預算內，但品質可能受影響，但專案進 行中也發生突發狀況，造成本增加。
第三組：專案範疇很大，但屬於時程不趕的專案類型，唯人力資源很 弱，屬於超過預算的專案組合。
第四組：專案範疇很大，但屬於時程不趕的專案類型，唯人力資源不 比第一組強，成本雖可控制在預算內，但品質可能受影響，為了不使 品質受影響，新增不在專案内的人力支援。
第五組：專案範疇很大，屬於時程很趕的專案類型，但人力資源很強，
成本也會相對增加。
第六組：專案範疇很大，屬於時程很趕的專案類型，但人力資源並不 比強，雖然成本增加，但無法找到人力支援，所以品質也會受到影響。
第七組：專案範疇很大，屬於時程很趕的專案類型，但人力資源很弱，
成本增加幅度稍大，專案品質才能達成正常水準。
第八組：專案範疇很大，屬於有足夠時程的專案類型，人力資源很強，
成本可控制在預算内。
第九組：專案範疇很大，屬於有足夠時程的專案類型，人力資源足夠，
成本可控制在預算内。
第十組：專案範疇很大，屬於有足夠時程的專案類型，人力資源不足，
成本可控制在預算内，但還是有潛在的風險，須盡量早點安排額外人 力支援。
表 3. 2 設定初始族群
估未來收益有 400 萬。在系統上可設定折現率，本專案將設折現率為 20%。
166.66667 158.33333 125 150 116.66667
B/C(經濟益
108.33333 83.33333 166.66667 166.66667 166.66667
B/C(經濟益
b. Time:時間將會由短到長，分別設 1 Short、2 Middle、3 Long。
c. Scope:範疇將會由小到大，分別設 1 Small、2 Middle、3 Big。
d. Quality:品質將會由小到大，分別設 1、2、3、4、5。
e. Human Resource:人力資源將會由弱到強，分別設 1 Weak、2 Middle、
3 Strong。
表 3. 4 對專案組合進行編碼 專案規
劃組合
專案組合 二進位編碼
第一組 0011001000｜10｜11｜101｜11 第二組 0011010010｜10｜11｜100｜10 第三組 0011111010｜10｜11｜010｜01 第四組 0011011100｜10｜11｜101｜10 第五組 0100000100｜01｜11｜100｜11 第六組 0100001110｜01｜11｜011｜10 第七組 0100101100｜01｜11｜100｜01 第八組 0011001000｜11｜11｜101｜11 第九組 0011001000｜11｜11｜100｜10 第十組 0011001000｜11｜11｜011｜01
5. 選擇機制：
選擇機制是模仿生物界「適著生存，不適者淘汰」的方法，它的主要功能是 用來確定某個染色體被選擇的個數；與適應值互相配合，即可實現複製基因 演算法的族群個體。
本研究應用輪盤法實現此一概念。當適應值越高則所佔的輪盤面積也就 越大，如此被選擇的機率就越高，直到交配池的數量等於母體數的染色體，
其中個體被選到的機率，公式為：
選擇機率＝個體適應值／所有適應值的總和 (3-11)
假設表 3.5 的族群大小＝10，經由計算得到十個個體的適應值，分別如下所
11｜100｜11
第七組 83.33333 萬元 0100101100｜01｜
11｜100｜01
1.3
第八組 166.66667 萬元 0011001000｜11｜
11｜101｜11
2
第九組 166.66667 萬元 0011001000｜11｜
11｜100｜10
2
第十組 166.66667 萬元 0011001000｜11｜
11｜011｜01
2
7. 交配機制：
經過選擇機製挑選染色體後，繼續要進行交配。如圖 3.5、圖 3.6、圖 3.7、圖 3.8、圖 3.9 所示，交配機制是基因演算法重要的方法之一；它將兩個母代的 部份數值做交換，而產生兩個子代；交配就好像在做大幅度的搜尋。母代是 否要進行交配取決交配率，本研究考量於主題較特殊且專案集合體的個數不 多，故決定用百分之百的交配率，做為交配的運算機制且本研究設定之染色 體為各屬性的集合，所以只能依各屬性做單點交配。以人類行為來看，在專 案管理進行中，專案管理者會因大環境的影響而做出抉擇，而在代理人協商 系統亦是，本研究以專案管理中的成本為主，故成本不會參與交配，但會因 其它因素如時間、品質、人力資源的交換而有所改變。至於專案管理集合，
也會在協商不成功或交配不理想，為了避免產生最佳區域解，而做單點突變。
這將會在表 3.7 說明。為配合實驗，在本研究中，設定以原來成本為基準，
當各個因素有增減時，會各自加減十萬，在交配後，成本會自動重算。
圖 3. 5 Cross-over 圖解一
圖 3. 6 Cross-over 圖解二
圖 3. 7 Cross-over 圖解三
圖 3. 8 Cross-over 圖解四
圖 3. 9 Cross-over 圖解五
8. 經過交配後的組成，如表 3.7 所示：
本研究以分析成本為主，在經過交配後，符合適存值的組合有第一組、第三 第一組 0011001000｜10｜11｜101｜11 0010101010｜11｜11｜101｜01
第十組 0011001000｜11｜11｜011｜01 0011100110｜10｜11｜011｜11 截斷點 1 截斷點 2 產生第一組、第二組交配後的染色體
第一組 0011001000｜10｜11｜101｜11 0010111110｜10｜11｜101｜01
第四組 0011111010｜10｜11｜010｜01 0011100110｜10｜11｜010｜11 截斷點 1 截斷點 2 產生第三組、第四組交配後的染色體
第六組 0100000100｜01｜11｜100｜11 0100100010｜01｜11｜100｜01
第七組 0100101100｜01｜11｜100｜01 0100011000｜01｜11｜100｜11 截斷點 1 截斷點 2 產生第七組、第八組交配後的染
色體
第三組 0011111010｜10｜11｜010｜01 0011111010｜11｜11｜010｜10
第九組 0011001000｜11｜11｜100｜10 0011001000｜10｜11｜100｜01 截斷點 1 截斷點 2 產生第九組、第十組交配後的染
色體
第一組 0011001000｜10｜11｜101｜11 0010111110｜01｜11｜101｜01 第七組 0100101100｜01｜11｜100｜01 0100110110｜10｜11｜100｜11 截斷點 1 截斷點 2 產生第五組、第六組交配後的染色
體
組、第五組、第十組，以達到最佳適存值為基準，當演化到第二世代，收斂 在最好的專案組合為第一組。
表 3. 7 選擇及交配後的族群
專案規劃組合 成本 二進位編碼 適存值
第一組 170 萬元 0010101010｜11｜11｜101｜01 2.35 第二組 230 萬元 0011100110｜10｜11｜011｜11 1.74 第三組 190 萬元 0010111110｜10｜11｜101｜01 2.11 第四組 230 萬元 0011100110｜10｜11｜010｜11 1.74 第五組 190 萬元 0010111110｜01｜11｜101｜01 2.11 第六組 310 萬元 0100110110｜10｜11｜100｜11 1.29 第七組 290 萬元 0100100010｜01｜11｜100｜01 1.38 第八組 280 萬元 0100011000｜01｜11｜100｜11 1.43 第九組 250 萬元 0011111010｜11｜11｜010｜10 1.6 第十組 200 萬元 0011001000｜10｜11｜100｜01 2
9. 突變機制，如表 3.8 所示：
使用單點突變，應用在交配後的專案組合，即使成本符合需求，但品質不盡 理想時，會啟動突變機制，並制定突變率為 0.05，表示每筆被選中的機率有 5%，突變後將會改變原先的染色體結構，其目的為避免區域最佳解及尋求 最佳解。
表 3. 8 突變後的族群 專案規劃組合 適存值 二進位編碼
第一組 2.35 0010101010｜11｜11｜101｜01 第二組 1.74 0011100110｜10｜11｜011｜11 第三組 2.11 0010111110｜10｜11｜101｜01
第四組 1.74 0011100110｜10｜11｜010｜11 第五組 2.11 0010111110｜01｜11｜101｜01 第六組 1.29 0100110110｜10｜11｜100｜11 第七組 1.38 0100100010｜01｜11｜100｜01 第八組 1.43 0100011000｜01｜11｜100｜11 第九組 1.6 0011111010｜11｜11｜010｜10 第十組 2 0011001000｜10｜11｜100｜01
第四 第四 第四
第四章 章 章 章 建置代理人協商 建置代理人協商 建置代理人協商 建置代理人協商驗證 驗證 驗證系統 驗證 系統 系統 系統與 與 與結果 與 結果 結果 結果分析 分析 分析 分析
為驗證本研究所提出模型的可行性和實用性，第四章針對第三章所提出之架 構，進行系統實作。並進行測試，測試範例將會以銀行 IT 之專案進行。範例中包 含了專案名稱、專案完成時間、成本、人力資源、專案範圍等資訊，文中將統計 其各項因素所產生之成本作為評定指標。為了驗證研究方法之可行性，本章將先 建立代理人協商系統，以其達到驗證效果。
4.1 代理人雛型系統之協商機制模擬
為了驗證專案管理代理人協商機制的運作是可行的，因此本節將引入一個案 實驗，模仿人類實際進行協商時的表現。在協商過程中，本研究將採用 AUML 循序 圖(Agent Unified Modeling Language Sequence Diagram)來模擬各代理人之間 的溝通協定及行為表現，然後以 JADE 實際進行協商機制，之後進行的實驗都將會 利用 AUML 及 JADE 這兩種工具互相配合完成協商。
需求說明：
1. 透過 Web 將 Local PC 的 Raw data 上傳 Incentive System database，上 傳時須指定 Rev 年份／月份，Raw data 檔案明細。
2. 須提供重複上傳的機制，User 如重複上傳同一月份的 data，則系統須用 新的 data 取代。
3. Database output format，所需欄位共 10 個。
4. SD、ETF、DCD revenue 如為外幣，換算為台幣之邏輯：按交易日(Transaction Date)之中價匯率換算為台幣。
5. Revenue Report。
6. 刪除”AO Performance Details Report”報表中原 Rev 數字，另加(Total Rev)欄位。
7. 新增兩個上傳檔以計算 Revenue。
問題定義：
本研究採用整合型協商，進行問題解析及定義，在文獻中有提到，相對於分 配型協商在對立地位上的競爭，整合型協商站在合作的角度上做協商考量，所以 可以針對專案中的各個元素進行協商。接著，在需求說明所提到的各項需求，將 會在此節定義：首先使用者進行登入需求的循序圖如圖 4.1 及圖 4.2：
第一階段：使用者代理人，簡稱：UA
UA 進行協商機制-1 循序圖說明：UA 以提出者進協商機制登入需求並且設定參 數，UA 針對專案管理集合中的各項元素設定屬性。在此 UA 針對 Cost 設定 0，
表示數值屬性表示成本越小越好；Time 設定 0，數值屬性表示時間越少越好；Scope 設定 0 表示範疇越接近需求越好；Quality 設定為 5，數值屬性表示品質越高越好；
Resource 設為 3，數值屬性，表示人力資源越強越好。於是 UA 向 IA(IT 專案管理 代理人)發出 request 訊息，内容包含使用者輸入的需求及參數。
第二階段：IT 專案管理代理人，簡稱：IA
IA 接收請求，並接著發出 request 給 VA(廠商代理人)，完成之後 VA 會傳送兩種 訊息回 IA。IA 接收 VA 傳回訊息後，即起動協商代理人，將各個代理人的參數傳 入協商系統。
第三階段：廠商代理人，簡稱：VA
VA 接收請求，並接著回覆資訊給 IA，讓 IA 啟動協商代理人。本研究設定 VA1、
VA2、VA3 共有三組共同參與協商。
第四階段：協商代理人，簡稱：NA
NA 接到 IA 提出之 request，依照個別代理人之屬性值開始進行協商。表 4.1、4.2、
4.3、4.4、4.5 為各提案之屬性值。
圖 4. 1 使用者代理人進行協商機制-1 循序圖