第四章 實驗設計與結果分析
第一節 實驗設計
器之間極化不匹配的狀況；但是當讀取器使用的天線為線性極化天線[9]時，無 論標籤是使用哪種天線極化耗損因素平均值為 0.5。而載波波長
λ
則為 915MHZ。透過上述所提出的傳輸模型與其變數的設定，我們將可以使用第三章所設計 的基因演算法方法架構進行演算，透過基因演算法的演化過程進而求出在物流出 入口中最佳化讀取率的 RFID 讀取器位置放置組合。
本研究所設計並使用的基因演算法則中，交配率為 0.3、突變率為 0.05、初 始子代與每一子代物種數量為 20、搜尋終止條件為 30 個世代的演化。以相同的 RFID 物流出入口讀取器佈置讀取率最大化問題為最佳化目標，同時進行兩組基 因演算法的演化運算，一組為複製過程使用輪盤法、另一組則為複製過程使用競 爭法在相同條件之下，兩者各進行 100 次運算；運算完後就兩組實驗結果進行比 較與分析。
本研究所設計的基因演算法則所使用的開發語言為 MATLAB7.1；進行以上 實驗運算的電腦規格與作業系統環境為 CPU：E6600、1GB 記憶體容量、系統環 境為 Windows XP Professional SP3。
第二節 第二節 第二節
第二節 效能 效能 效能 效能分析 分析 分析 分析
我們透過前一章節所設計的基因演算法對於 RFID 物流出入口讀取器佈置讀 取率最大化運算後，所得到擁有最大讀取率擺放位置與角度得到最佳的讀取器天 線擺放位置與角度為位於出入口左側高 1.5 公尺讀取器擺放角度為0o的位置與擺 放位置位於出入口右側高 1.5 公尺讀取器擺放角度為0o的位置；在這個擺放位置 組合下，對於整個標籤空間內的標籤讀取率有 80%的正確讀取率並且在這擁有 80%正確讀取率的標籤空間當中，標籤所能夠達到的讀取率為 90%。而在透過兩 種不同複製方法所求出的讀取器讀取率最大化的最佳解擺放位置均相同，並且在
標籤空間內可達到 0.8005 的 RIID 正確讀取率。透過基因演算法當中兩種不同複 製方法在此問題當中都可求得最佳解，但是基因演算法透過兩種不同選擇方法在 這一百次的實驗過程當中所能夠達到最佳解比例次數上以及運算時間上有著明 顯的差異。
在相同條件之下，透過基因演算法對於兩種演算法中不同的複製方法分別各 進行 100 次運算後，兩者所產生最佳解次數之間有著相當明顯的差距，從圖 4-1 與圖 4-2 中我們可以看見輪盤法在 100 次運算過程中只有 16%的比例可以求得最 佳解；而競爭法在 100 次運算過程中有 48%的比例可以獲得最佳解。
輪盤法最佳解次數比例 輪盤法最佳解次數比例輪盤法最佳解次數比例 輪盤法最佳解次數比例
16%
16%
16%
16%
14%
14%
14%
14%
10%10%
10%10%
10%
10%
10%
10%
26%
26%
26%
26%
14%
14%14%
14%
6%
6%
6%
6% 4%4%4%4%
0.8005 0.8005 0.8005 0.8005 0.7959 0.7959 0.7959 0.7959 0.7914 0.7914 0.7914 0.7914 0.7846 0.7846 0.7846 0.7846 0.78 0.78 0.78 0.78 0.7778 0.7778 0.7778 0.7778 0.7755 0.7755 0.7755 0.7755 其他 其他 其他 其他
圖 4-1 輪盤法實驗結果
競爭法最佳解次數比例 競爭法最佳解次數比例競爭法最佳解次數比例 競爭法最佳解次數比例
48%
48%
48%
48%
14%14%
14%14%
22%
22%
22%
22%
4%
4%4%
4%
8%
8%
8%
8%
2%
2%2%
2%
2%
2%2%
2%
0.8005 0.8005 0.8005 0.8005 0.7959 0.7959 0.7959 0.7959 0.7914 0.7914 0.7914 0.7914 0.7846 0.7846 0.7846 0.7846 0.7845 0.7845 0.7845 0.7845 0.7804 0.7804 0.7804 0.7804 其他 其他 其他 其他
圖 4-2 競爭法實驗結果
從表 4-1 我們可以得知在競爭法與輪盤法 100 次運算過程中，競爭法有 48%
的機會可以求得最佳解，而透過輪盤法的運算只會有 16%的機會可以獲得最佳 解；兩種基因演算法則中不同的複製方法在 100 次的運算過程中求得次佳解的比 例均為 14%。而在每一次進行 30 世代的演化過程當中，競爭法所需的時間為 15 分鐘、輪盤法則需 17 分鐘，兩者在進行 100 次的運算過程當中，輪盤法所花費 的時間成本為競爭法所花費時間成本的 1.13 倍。
表 4-3 最佳解與時間成本比較
結果所佔比例
複製方法
最佳解所佔比例 次佳解所佔比例 每 30 世代運算所 需時間
輪盤法 16% 14% 17 分鐘
競爭法 48% 14% 15 分鐘
在這一百次的實驗過程當中，每一次的實驗都會產生出該次實驗中 30 個世 代演化過程最佳解的曲線圖，圖中分別有最佳解、平均值以及最差解三條曲線。
由於實驗的次數較多，因此我們分別從兩種方法所產生的曲線圖當中挑出足以呈 現該複製方法的演化過程的曲線圖進行探討。從圖 4-3 與圖 4-5 中所表現出來的 最佳解以及次佳解比例的曲線圖，我們認為在此問題的基因演算法演算過程當 中，輪盤法容易陷入在如圖 4-4 所呈現的區域最佳解狀況之中。透過曲線圖以及 輪盤法本身的概念想法，我們認為輪盤法在每一個世代的適應函數計算出最高適 應值後，該適應值便會在輪盤上據最大的面積；而每一世代運算完後，會以最高 適應值取代最差的適應值進行替換的動作。在替換動作之後，除非在接下來的子 代當中產生突變的狀況或是經由交配的動作演化出更為優秀的基因被選取。否則 依然會以上世代的最佳解取代這個世代最差的基因，若是持續的處於在沒有突變
或交配出更優秀的基因並且被選取的狀況之下，到最後所有基因都會逐漸被相同 的最佳解基因所替換淘汰。因此，我們可以從圖 4-3 與圖 4-4 中看到在持續的沒 有產生更優秀基因的狀況之下，最佳解與最差解以及平均值三條曲線最後會出現 重疊的狀況，這個情境則是基因演算法陷入在區域最佳解而無法演化出更優秀基 因與解答的典型狀況。
圖 4 -3 輪盤法區域最佳解曲線
圖 4 -4 輪盤法最佳解曲線
相對的，在圖 4-5 為競爭法運算時的曲線圖當中，我們可以看見曲線圖中 平均值與最差解兩條曲線之間上下震盪幅度較為激烈，只有最佳解的曲線是逐漸 趨於平緩延伸；由於競爭法本身的設計概念為當每一子代的演算過程結束後，只 會將最差的適應值基因與該世代最優秀適應值的基因進行替換。
因此，在該代其他基因若是發生突變的狀況或是交配的情形時，若是產生出 比目前最佳解更優秀的基因時便會予以保留。因此，在競爭法的演化曲線圖當 中，我們可以看見與輪盤法曲線圖中三條曲線逐漸重疊的狀況不同，競爭法當中 最佳解曲線是逐漸趨於平坦延伸至最佳解的狀況；而最差解曲線則是與最佳解曲 線有著相當的距離並且上下劇烈震盪。透過基因演算法演算過程當中複製法與競 爭法的最佳解演化曲線圖展現，我們可以發現到演化過程當中競爭法透過突變或 是交配過程產生出最佳解的比例與機會相較於輪盤法而言高出許多，我們認為主 要原因在於競爭法運算過程當中取代的動作只會在該世代的基因當中進行一次 替換，而輪盤法所使用的輪盤概念在每一個世代當中進行複製動作時；被選中進 行複製的基因為該世代最佳解的機會，會因為在輪盤上佔據大部分面積而增加，
除非在進行突變或是交配的動作之後產生比前一世代更優秀的基因並且被選 取，否則整個輪盤會逐漸被一個最佳解基因完全佔據，陷入區域最佳解的窘境。
相對於輪盤法，競爭法在每一世代當中只會就最差的基因進行替換。因此在 每一世代中所擁有的基因種類較多，每當進行突變或是交配動作時，可能會交配 出適應值相當差的基因，也有可能會突變出最佳解；在這樣的狀況之下，反而不 會陷入區域最佳解，這也是我們認為此兩種複製方法計算出最佳解次數的比例上 會有如此大差異的主要原因。
圖 4-5 競爭法最佳解曲線
因此，就本研究所探討的物流出入口 RFID 讀取器佈置讀取率最大化問題而 言；在使用基因演算法時，演算法當中的複製方法透過選擇競爭法做為複製方法 與競爭法相較之下為較佳的複製方法。透過我們所進行的研究與實驗當中所呈現 的結果，對於此問題來說不論是在求得最佳解的比例上或是在時間成本的要求，
使用競爭法為較佳的選擇。