基因演算法求解流程

本研究的基因演算法透過以下六個步驟進行不斷的進行重複求解，直到滿足終止條 件為止。

步驟一：產生起始族群

在工件組合空間中，以亂數產生器隨機產生N 條染色體(chromosomes)為初始群體，

做為GA 求解的起始點，在新染色體產生的途中，會進行染色體重複性檢查，以防止相 同的染色體產生。

在3.4.3 節進行分廠說明時，有提到工件必須先經過基因演算法隨機排序後再進行 分廠，當時的隨機排序便是在此處與後續的交配突變進行，只要順序不同就能創造出多 種不同的分廠方式。

步驟二：評估適合度函數 (Fitness Function)

計算現有族群中每一條染色體的適合度函數，此處的適合度函數即為3.4.5 節所介 紹的績效指標最小化寬裕度之CV 值，CV 值是望小值，所以當 CV 越小，適合度函數 也會越小，求解品質越佳。而先前所介紹的所有染色體解讀方式，也都是為了在此處求 取CV 值之前所做的一些前置步驟。

步驟三：演化 交配 (Crossover)

依照交配率，隨機選取兩條染色體進行交配，會產生兩條新的染色體，重複抽取直 到符合交配率個數。交配的種類分為四種：單點交配(C1 Operator)、線性順序交配 (LOX)、部分相應交配(PMX)、NABEL 交配(如圖 3.9)，在兩個染色體交配完後，會進 行兩個新染色體重複性檢查，以防止相同的染色體產生。本研究使用線性順序交配(LOX) 作為交配的方式。

圖 3. 12 線性順序交配(LOX)

突變 (Mutation)

依照突變率，隨機選取一條染色體做突變，會產生一條新的染色體，重複抽取直到 符合突變率個數。本研究所使用的突變方法為SWAP，如圖 3.10，即隨機由一條染色體 中抽取兩個不重複的基因，彼此互相做位置的交換已達到突變的效果。由上述的交配與 突變世代演化後，產生比母代更為優秀的子代，以形成新的群體繼續進行下個步驟。在 每個染色體突變完後，也會進行染色體重複性檢查，以防止相同的染色體產生。

圖 3. 13 SWAP 示意圖 步驟四：選擇 (Selection Strategy)

自現有染色體群體中使用選擇策略(Selection Strategy)去篩選出最適合的染色體，以

selection)，本研究為了不讓演化提早進入區域最佳解，因此選用競賽法(Tournament selection)作為 Selection Strategy。

步驟五：測試停止條件

測試是否符合停止條件。若是則停止，完成尋優，若否則再次重複以上步驟。本研 究將基因演算法的終止條件設定為：(1)當最佳解一直維持若干世代未改變時。(2)最大 演化世代次數達到預設最大值。意指在基因的求解過程中，滿足上述的終止條件即可停 止搜尋程序，同時可以找出最佳的排程方式。基因演算法概略流程如下：

產生初始母代

評估適合度函數

染色體交配、突變

染色體選擇

近似最佳解&停止

是否達 停止條件

染色體 (工序) Min CV 交配：LOX 突變：SWAP 競賽法

圖 3. 14 基因演算法概略流程

3.5 小結

運用上述方法，便可為雙流線型工廠的排程提出排程以下建議：

1. 加工途程建議：透過加工途程的解讀，可以分析此工廠的生產型態是否適合跨廠生 產，若跨廠績效值優於不跨廠，則建議進行跨廠；反之則不跨廠。

2. 加工順序建議：透過加工順序的解讀，可以決定出此工廠所有待加工工件的加工順 序。只要透過混合實驗與反應曲面法求取權重值，由此權重值的特性，便可判斷工 廠是適合於單一派工法或是組合式的派工法。

圖 3. 15 本研究排程適用範圍

後續將在第四章進行不同情境下單一派工法與組合派工法的績效評比，藉此證明組 合派工法在任何情境下，皆能找出最佳的派工方式。