實驗二：可行解調整模組與鄰域搜尋模組測試

針對起始解構建模組無法解決的車輛數與車輛配送時限問題，使用可行 解調整模組來進行調整，並在調整後觀察其所得之結果。本研究將可行解調 整模組與鄰域搜尋模組程式撰寫在一起，因此進行可行解調整模組同時也進 行了鄰域搜尋模組。若為不可行解，則在鄰域搜尋模組執行前後會執行可行 解調整模組；若為可行解，則僅進行鄰域搜尋模組。在可行度方面，經由執 行可行解調整模組與鄰域搜尋模組之後，16 種起始解構建模組在 21 個例題 的測試結果皆能獲得可行解，亦即可行度達到 100%。

一、單階段：

45

表 4.10 顯示可行解調整模組內部搭配不同鄰域搜尋搜尋(N1 和 N2) 所得出之測試結果。由表 4.10 及圖 4.1 可知，在運輸成本誤差方面，平 行建構法(NNP)仍然優於循序建構法(NNS)；表現最佳者為 NNP1_N1，其 誤差為 17.1%。

在車輛數方面，經由可行解調整模組與臨域搜尋模組之後，循序建 構法以及 NNP3 車輛數呈現上升之趨勢，而平行建構法車輛數則普遍呈 下降趨勢(不含 NNP3)。這可能跟循序建構法以及 NNP3 在建構路線時，

所用之車數原本就比較少有關；而且因為其無法成為可行解的題數較 多，在處理無可行解的問題上必須多開車輛(但仍在限制範圍內)來使其配 送時限能夠因更多車輛分攤配送而降低，進而能成為可行解。另外比較 N1 與 N2 之解題績效，如表 4.10 及圖 4.1 可知，N1 的成本誤差優於 N2。

而在車輛數上，N1 與 N2 差距不大。

表 4.10 單階段起始解法搭配 N1 以及 N2 之測試結果比較表

起始解法 NNS1 NNS2 NNS3 NIS NNP1 NNP2 NNP3 NIP 實驗一 68.2% 83.8% 78.8% 73.9% 36.7% 52% 52.7% 34.9%

N1 34.1% 35.9% 30.2% 32.7% 17.1% 20.6% 25.9% 23.4%

成 本 誤

差 N2 36.97% 39.1% 37.1% 34.4% 20.1% 24.4% 27.8% 23.0%

實驗一 14.71 14.67 14.67 14.71 16.71 17.29 15.38 15.86 N1 14.81 14.81 14.86 14.81 16.00 16.00 15.43 15.52 車

輛

數 N2 14.86 14.81 14.81 14.71 15.95 16.05 15.52 15.52

0.00%

10.00%

20.00%

30.00%

40.00%

50.00%

60.00%

70.00%

80.00%

90.00%

NNS1 NNS2 NNS3 NIS NNP1 NNP2 NNP3 NIP 起始解法

誤差百分比

起始解 N1 N2

圖 4.1 單階段起始解與 N1 與 N2 之運輸成本誤差百分比比較圖

46

二、兩階段：

由表 4.11 及圖 4.2 可知，在運輸成本誤差方面，FN 仍然優於 FI，但 相較於實驗一之結果，FN 其領先幅度大幅縮短，亦即 FI 改善之幅度非 常大；表現最佳者為 TC3_FN_N1，其誤差為 18.0%。

在車輛數方面，經由可行解調整模組與臨域搜尋模組之後，車輛數 呈現下降之趨勢，且 N1 與 N2 之平均車輛數幾乎無差別，如表 4.11 所示。

執行可行解調整模組與鄰域搜尋模組之目的在於修正超出之車輛與解決 配送時限之問題，經 21 例題測試後發現，皆可調整至可行解範圍之內。

另外比較 N1 與 N2 之解題績效，在成本誤差上 N1 稍優於 N2(N1 平均 22.3%，N2 平均 23.5%)。而在車輛數上，則幾乎無差距。

表 4.11 兩階段起始解法搭配 N1 以及 N2 之測試結果比較表

起始解法 TC1_FI TC2_FI TC3_FI TC4_FI TC1_FN TC2_FN TC3_FN TC4_FN 實驗一 131.4% 125.8% 130.4% 128.0% 45.2% 42.8% 45.6% 45.3%

N1 25.4% 26.8% 25.7% 27.1% 18.5% 18.2% 18.0% 18.4%

成 本 誤

差 N2 26.3% 26.2% 27.5% 26.4% 20.0% 19.2% 22.4% 19.9%

實驗一 16.05 16.14 15.95 15.81 16.14 16.05 16.05 15.95 N1 15.71 15.67 15.71 15.67 15.67 15.62 15.67 15.57 車

輛

數 N2 15.71 15.67 15.71 15.62 15.67 15.62 15.67 15.57

0.00%

20.00%

40.00%

60.00%

80.00%

100.00%

120.00%

140.00%

TC1_FI TC2_FI TC3_FI TC4_FI TC1_FN TC2_FN TC3_FN TC4_FN

起始解建構法 誤差百分比

起始解 N1 N2

圖 4.2 兩階段起始解與 N1 與 N2 之運輸成本誤差百分比比較圖

47

三、實驗二小結：

綜合單階段以及兩階段起始解法來看，在執行過可行解調整模組與 鄰域搜尋模組後，皆能在可行解範圍內，且其成本皆能有效降低。如圖 4.3 所顯示，當中以 N1 之解題績效較佳。

0.00%

5.00%

10.00%

15.00%

20.00%

25.00%

30.00%

35.00%

40.00%

45.00%

NN S1

NNS2 NNS3 NIS NN

P1 NNP2 NN

P3 NIP TC1_F

I TC2_F

I TC3

_FI TC4_F

I TC1_F

N TC2

_FN TC3

_FN TC4_F

N

起始解法

誤差百分比 N1

N2 N1平均 N2平均

圖 4.3 N1 與 N2 鄰域搜尋之解題績效比較

由下圖 4.4 可知起始解法中最差的為使用最遠插入的兩階段法。但在 經過調整後，其表現已逼近其他起始解法。而單階段之循序建構路線法，

雖然其成本誤差在起始節建構時比兩階段最遠插入法好，但在經過調整 後卻不及兩階段最遠插入法。因此進而觀察此兩大類型所求解出的路線 分布後，可大略將路線誤差來源與以分類。一是車輛配置路線之誤差、

另一是顧客分群之誤差。所謂車輛配置路線之誤差意義為各場站在服務 顧客時，各車輛所服務的顧客以及行駛之路線分配是否適當。而顧客分 群之誤差其意義在於場站服務顧客時，是否能將顧客配置到適合之場站。

48 0.00%

20.00%

40.00%

60.00%

80.00%

100.00%

120.00%

140.00%

NNS1 NNS2

NNS3 NIS NNP1

NNP2

NNP3 NIP TC1_FI

TC2_FI TC3_FI

TC4_FI TC1

_FN TC2

_FN TC3

_FN TC4

_FN

起始解法 誤差百分比

起始解 N1 N2

圖 4.4 N1 與 N2 之運輸成本誤差百分比比較圖

由圖 4.5 可觀察出，單階段循序法在建構路線時，不僅路線間互相交 錯(車輛配置路線之誤差)，甚至有些顧客點是由距離較遠之場站來服務 (顧客分群之誤差)，其未能於建構路線時將顧客分配於適當場站。而觀察 圖 4.7，兩階段最遠插入法因為優先考慮分群之動作，使得其顧客分群之 誤差影響較小，其主要誤差在於車輛配置路線之誤差。比較圖 4.6 與圖 4.8 之調整改善後的結果，可發現所設計之鄰域搜尋模組對於輛配置路線 的改善較有效果，而針對顧客分群之誤差，則較難改善。

圖 4.5 NNS1 求解 p01 之路線圖

49

圖 4.6 NNS1_N1 求解 p01 之路線圖

圖 4.7 TC1_FI 求解 p01 之路線圖

圖 4.8 TC1_FI_N1 求解 p01 之路線圖

50