基因演算法

,

, ,

(Th PX MX Traffic f

CT 

生產週期時間(CT)是目標產出(Th)、產品組合(PX)、機台組合(MX)及運輸軌 道層數(Traffic)的函數。運輸軌道層數越多層，運輸產能越大，運輸時間也會較 短。本研究將 Wu et al. (2009)所修改的等候網路模式，視為績效評估的工具，構 建此等候網路模式的細節將於第三章中說明。

2.4 基因演算法

基因演算法(Genetic Algorithm)是由 Holland (1975)提出來的演算法則，是 基於「物競天擇、適者生存」的方式建構而成的演算法。所謂「物競天擇」是 指基因演算法會在搜尋的過程中剔除較差的解，留下較佳的解。其求解過程必 頇經過四個步驟：(1)產生初始群體；(2)評估染色體的適應性；(3)選擇最適合的 染色體(4)透過基因演算法產生新的群體；及三個運算子：複製、交配及突變等 運算子所構成。

整個求解流程架構如圖 2.10 所示。步驟一：產生初始群體，利用亂數產生 器產生初始的群體，群體中的每個元素由編碼後的字串所組成，亦稱為染色體，

作為演化的初始解。步驟二：計算現有族群每一條染色體的適應性函數值，其 值越大代表目標函數值越大，如果該染色體是不可行解，通常會降低其值，作 為懲罰。步驟三則是利用適應性函數為評估準則，適應性最好的染色體為母代。

步驟四則是透過基因演算法的運算進行世代演化求解，產生優良的子代及新的 群體。

圖 2.10 基因演算法的求解過程

基因演算法的三個主要演算法則為複製、交配及突變，簡略說明如下：

複製是依據每一條染色體的適合度高低，決定繁衍子代多寡的機制。一般 通常以蒙地卡羅轉盤之概念加以篩選，即每一染色體被選中的機率為該染色體 之適應性函數值占群體每一染色體之適應性函數值總和之比例。故適應性越高 的染色體被選中用來產生下一代的機率比較高。

交配是將經過複製過程篩選出之成對染色體以一設定機率(交配率)決定是 否進行配對，進行基因交換。一般交配的方法，較常用的有三種：單點交配、

雙點交配及均勻交配。本研究子題二採用隨機的方式利用單點交配來進行基因 互換。

突變是隨機選取一個染色體，並隨機選取染色體中的基因突變點，改變基 因的值，主要是防止染色體於複製及交配過程中，落入局部最佳解的情形。本 研究子題二的突變方式為單點突變。

產生初始群體

評估染色體的適應性

滿足終止條件

進行基因演算法運算 (複製、交配、突變)

產生新的群體

求得近似最佳解 是

否

基因演算法的終止條件通常有下列三種：（1）設定最大演化世代數：達到 最大演化的世代數時則停止搜尋；（2）當適應值持續若干世代皆保持不變時，

即可視為找到近似最佳解：（3）設定臨界值：在演化的過程中適應值如果大於 臨界值則停止搜尋。本研究子題二是選擇（1）或（2）為終止條件，只要符合 任何一個條件即停止搜尋。