實證結果分析

七、終止條件

本研究設訂之終止條件為此群體之演化已趨於穩定（即收斂），上述 之適合度函數在此狀態下必須穩定地落於給訂之門檻值範圍內。以本文 所展示之數據，在演化至 15,3534 代時已可判定收斂。

項目時間預測結果加以探討，列舉四種項目結果表示之。

圖 4.3 經驗、平均時間、基因演算推估服務時間差異比較

一、本研究於後五百筆驗證研究中，列舉項目 11 為範本，說明以經驗法則或 單純以服務時間平均數進行預估之預測方式和利用基因演算法預估之方 式比較圖。項目 11 乃是指服務項目中之燙髮-離子燙單項服務項目時間，

於驗證資料中有 22 筆相同服務項目且均於多因素影響下之預測時間，其 各預估時間法則比較如下圖 4.4 所示。

0 20 40 60 80 100 120 140 160 180 200 220 240

21 48 49 53 60 106 127 184 188 247 267 268 385 403 413 460 469 470 471 473 480 492 資料序號

時 間

實際服務時間 基因演算法預估之時間 經驗法則 (分)

(筆)

圖 4.4 項目 11 下各預測方法預估差異時間分析

32

二、第二列舉範本為項目 17，說明以經驗法則或單純以服務時間平均數進行 預估之預測方式和利用基因演算法預估之方式比較圖。項目 17 乃是指服 務項目中之燙捲髮-陶瓷燙單項服務項目時間，於驗證資料中有 7 筆相同 服務項目且均於多因素影響下之預測時間，其各預估時間法則比較如下 圖 4.5 所示。

0 20 40 60 80 100 120 140 160 180 200

32 123 215 217 266 331 458

資料序號 時

間

實際服務時間 基因演算法預估之時間 經驗法則 (分)

(筆)

圖 4.5 項目 17 下各預測方法預估差異時間分析

三、列舉項目 22 為範本，說明以經驗法則或單純以服務時間平均數進行預估 之預測方式和利用基因演算法預估方式比較圖。項目 22 乃是指服務項目 中之護髮-一般護髮單項服務項目時間，於驗證資料中有 14 筆相同服務 項目且均於多因素影響下之預測時間，其各預估時間法則比較如下圖 4.6 所示。

33

0 10 20 30 40 50 60 70 80 90 100

5 43 70 115 143 187 216 256 265 306 311 405 463 491

資料序號 時

間

實際服務時間 基因演算法預估之時間 經驗法則 (分)

(筆)

圖 4.6 項目 22 下各預測方法預估差異時間分析

四、最後列舉項目 26 為範本，說明以經驗法則或單純以服務時間平均數進行 預估之預測方式和利用基因演算法預估之方式比較圖。項目 26 乃是指服 務項目中之剪髮-均一長度剪髮單項服務項目時間，於驗證資料中有 43 筆相同服務項目且均於多因素影響下之預測時間，其各預估時間法則比 較如下圖 4.7 所示。

0 10 20 30 40 50 60 70 80 90 100

82 85 152 153 154 171 177 179 192 206 211 225 227 229 236 248 250 251 253 278 294 295 313 315 316 317 318 333 349 361 370 393 397 414 419 427 439 441 474 484 485 489 資料序號

時 間

實際服務時間 基因演算法預估之時間 經驗法則 (分)

(筆)

圖 4.7 項目 26 下各預測方法預估差異時間分析

34

除了上述驗證結果，本研究為了評估演算法在求解此問題之成效，並評 估其改善的效益，將以下列方式作為基因演算法與平均時間預測法( )及經 驗預測法則( )下之績效相對改善的評估。

N1

N2

1 2

1 2

(N N ) *100% (4.2) N N

= 或 推估差異解 基因推估解−

相對改善率 或 推估差異解

表 4.5 基因演算法預估差異時間與各預估時間法則之相對改善率 基因演算預估 平均時間預估 相對改善率(%)

6.050 7.332 0.1748 基因演算預估 經驗法則預估 相對改善率(%)

6.050 8.984 0.3265

由表 4.5 中可得知利用基因演算法求得的最終解相對於利用平均時間預 測法及經驗預測法則的最終解均有所改善，其改善率分別為 0.1748%、

0.3265%。由此可知，透過本研究提出之應用基因演算法於多因子影響下服 務時間推估之模式可有效地推估出相較於其它預測法則之較佳最終解。且於 基因法則下求解時間準確度明顯改善許多。

35