模式效益比較與改進

將假設案例的相關資料輸入系統後，便能自動建構模擬分析網路。AVO-PLAN 模式透過遺傳演算法的世代繁衍汰弱留強過程，找出淨現值之近似最佳解。

6.2.1 模式效益與規劃方案

將本章所設定之假設案例輸入 AVO-PLAN 系統之中，並且交配方式選擇「各代 皆為『機會均等式交配』」，模式運算結果為於第 110 代完成收斂，專案的最大淨現 值為 9671 萬元，如圖 25 所示。圖 26 為由最大淨現值的作業優先值組所模擬分析出 來的進度網圖規劃方案，其中旋轉木馬、花園迷宮及人造湖泛舟等 3 項設施的開發並 未納入。

-1000 1000 3000 5000 7000 9000 11000

0 25 50 75 100 125 150 175 200

Generations

N PV( 萬 元 )

110 9671

6.2.2 導入「單位時間對應交配」之助益

如圖 27 所示，本研究試以下列改良方案瞭解「單位時間對應交配」的效益：(1) 從第 1 代起的偶數代改為「單位時間對應交配」；(2) 從第 15 代起的偶數代改為「單 位時間對應交配」；(3)各代皆為「單位時間對應交配」。圖 27 是上列三種改良方案 與全部皆為「機會均等式交配」的收斂曲線比較。「各代皆為『機會均等式交配』」

於第 110 代完成收斂至最佳值 9671 萬元，而成效最佳的改良方案「從第 15 代起的偶 數代改為『單位時間對應交配』」則提早至第 77 代完成收斂（加快 30%），且最佳 值提升至 10207 萬元（提升 5.5%）。在適當的世代導入「單位時間對應交配」，將 比「各代皆為機會均等式交配或單位時間對應交配」更為快速地找到更佳的近似最佳 解。

6.2.3 與作業排程直接演算之比較

本研究所提出的模擬網路中，每個作業都具有一個優先值。在每個單位時間裡，

優先值較高的作業將可優先使用各項資源。因此，在每個單位時間裡，各作業的優先 值皆可排列出大小順序關係。因此，本研究所提之假設案例，共有 45 個作業，在每 個單位時間裡，可能會有的大小順序關係會有 45!組（45 個中選 1 個為最大，其餘 14 個中選 1 個為第 2 大，以此類推）。假設案例共有 120 個單位時間，因此，整個專案 的作業優先值組合會有(45!)¹²⁰組解，並不易以窮舉法將可能解全部求出，因此亦透過 遺傳演算法提升近似最佳解的求解速度。

以遺傳演算法進行進度排程的方式，一般是直接依據各作業的最早開始時間、

完成時間形成初始母代的各組進度規劃，本研究的 AVO-PLAN 模式則是以各單位時 間中各項開發作業被執行的優先值作為基因編碼，由圖 28 可知其求解成效較佳。

AVO-PLAN 模式以作業執行價值導向，更容易尋找到資源使用最佳化的進度規劃。

-11000 -6000 -1000 4000 9000

0 25 50 75 100 125 150 175 200

Generations

NPV(萬元)

無隨機性的AVO-PLAN模式 作業排程直接演算

圖 28 AVO-PLAN 與作業排程直接演算之比較

6.2.4 與專家排程的比較

本研究另委由 5 位專家個別對前述假設案例進行排程，以瞭解 AVO-PLAN 模式 與專家的排程成效差異。這 5 位專家包括 2 位土地開發公司主管、2 位專案管理顧問、

1 位主題樂園經理，他們熟悉進度甘特圖繪製及專案投資淨現值的觀念並皆具有三年 以上的相關實務經驗。表 7 為排程結果比較，AVO-PLAN 排程費時 2.5 小時（含使用 者操作系統的時間），遠少於專家平均費時 9.5 小時（加快 74%）；而 AVO-PLAN 所得的最佳淨現值也高於專家（平均值增加 43%）。

表 7 AVO-PLAN 與專家的排程成效差異 上限時的各作業成本支出計算，有時甚至需要反覆地嘗試錯誤計算。AVO-PLAN 模 式透過模擬機制的資源使用計算以及遺傳演算法的最佳求解步驟，可以避免許多人為

佳淨現值的搜尋更有效率。但有別於專家排程，AVO-PLAN 模式以遺傳演算法求解，

並無從獲知最佳開發時序排程隱含的因素與知識。