為了印證此篇論文所提出的方法，我們模擬的實驗為本論文所提出的環路合 併(CM)、高密度優先(HDP)和矩形動態規劃(RDP)這三個方法在不同的場景互 相做出比較，來顯示這三個方法哪個可為不同監控品質的環境提供較佳個數的機 器人，並顯示出三個方法的優劣。
模擬的平台是 Intel Core i5 處理器架設的個人電腦，模擬程式以 VisualC#
所撰寫而成。模擬實驗的環境主要為 4 4、5 5、6 6、7 7 和 8 8 五個不同大 小的矩陣監控環境，而矩陣中的數字為電腦隨機產生，數字的範圍為 0 到 60，
而機器人所限制的步數為 60。
圖 62. 每個區塊所需機器人拜訪的次數為 0~25
圖 62 顯示本篇論文所提出的三種方法，分別在 4 4、5 5、6 6、7 7 和 8 8 五 個不同大小的矩陣監控環境，而矩陣中的數字範圍為 0 到 25。事實上從圖 62 中 還無法判定到底哪種方法對找出較佳個數的機器人會有明顯的勝算，因除了在 6 6 的矩陣環境時，高密度優先法找出的機器人數量雖有比其他兩個方法所找的 機器人的數量較少許多之外，但在 5 5 的矩陣環境中高密度優先法所需機器人 的數量為最多的，甚至目前為止這三個方法在這五個環境中所需的機器人數量差 異都不大。
0 5 10 15 20 25 30 35
4x4 5x5 6x6 7x7 8x8
HDP
CM
RDP
45
圖 63. 每個區塊所需機器人拜訪的次數為 20~60
圖 63 我們把矩陣中的數字範圍加大到 20 到 60，代表的意義是希望當監控 環境中的每個區塊大多需要有較高的監控品質。從圖中即可馬上看出矩形動態規 劃(RDP)對此類的環境所找出的機器人數量明顯的優於其他兩種方法，而環路合 併(CM)對於此類型的環境似乎不太適用，尤其環境越大時就更為明顯。我們推 論因環路合併在大環境中可合併的迴圈數量過多，而合併越多時，一台機器人對 所需拜訪之區塊所能繞行的圈數就越少，因此對矩陣中的區塊拜訪的次數影響相 對的不高，所以當環境越大，並且每個區塊需要有較高的監控品質時環路合併似 乎就不太適用。而我們矩形動態規劃(RDP)對此環境會有較好表現的主要原因為 因矩形動態規劃所切出的最大矩陣為六塊區塊所組成的矩形，所以一台機器人活 動的範圍其實並不廣，但也因為此特性機器人對矩陣中的區塊拜訪之次數相對就 會提高，所以對環境大多需要有較高的監控品質時，使用矩形動態規劃 (RDP) 可提供較佳的機器人之數量。
0 10 20 30 40 50 60 70 80
4x4 5x5 6x6 7x7 8x8
HDP
CM
RDP
46
圖 64. 每個區塊所需機器人拜訪的次數均為 10 次
圖 64 所代表的意義是指環境中每個區塊所需的監控品質都為相同，也就是 矩陣中所有區塊中的數字均為 10，並且環境所需的監控品質偏小，在這裡竟然 與圖 63 之環境所呈現的狀況完全相反，因環路合併(CM)的機器人數量優於其他 兩個方法，但這並不代表矩形動態規劃(RDP)在當監控品質都相同的環境即不適 用，主要的原因是因為圖 64 的數字太小，而我們矩形動態規劃(RDP)中所能找出 的最佳子序列的子矩陣不夠大，以致於一台機器人所巡邏的範圍不廣，而這裡的 數字太小，所以會有很多機器人會在早已歸零的區塊持續做巡邏動作，事實上當 機器人對早已歸零之區塊做持續巡邏之動作其實是非常的浪費，所以在監控品質 偏小的環境我們的形動態規劃(RDP)較不適用。所以如果環境所需的監控品質都 較小時，環路合併(CM)可為此環境提供出較佳的機器人數量。
0 5 10 15 20 25
4x4 5x5 6x6 7x7 8x8
HDP
CM
RDP
47
圖 65. 大的數字分布於環境的四個角落
因在章節 4.4 有提到數字的分佈會影響機器人的個數，所圖 65 我們故意在 環境的四個角落放入較大的數字 30，其餘的區塊均為 5，安排的方式為: 4 4 和 5 5 之矩陣角落的位置各放置一個 30；、6 6 和 7 7 之矩陣角落的位置各放置 各放置四個 30；8 8 之矩陣角落的位置各則放置九個 30，此環境代表四個角落 的位置需要有較高的監控品質，其餘的區塊則否，並且需較高監控品質的區塊分 佈於不同的地方。圖 65 可看出高密度優先(HDP)所找出的機器人數量低於其他 兩種方法很多，代表當初我們設計高密度優先(HDP)先將數字較大的區塊先行處 理的思維是合理的。
0 5 10 15 20 25 30
4x4 5x5 6x6 7x7 8x8
HDP
CM
RDP
48
圖 66. 差異最大之矩陣環境
因之前比對的矩陣環境似乎差異並無太大，所以在圖 66 中我們希望實驗的 場景的落差可以更為明顯，此場景我們不只是將數字差距相差的更大，對於數字 之分佈更為明顯，主要分為兩種區塊併且兩種地方。一樣的是我們的矩陣環境依 舊是 4 4、5 5、6 6、7 7 和 8 8 五個不同大小的矩陣監控環境，只是 4 4 和 5 5 的矩陣最左上角之一個區塊數字為 40，其餘為 5；6 6 和 7 7 之左上角有 九塊區塊數字為 40，其餘也為 5；而 8 8 之矩陣最左上角有 16 個區塊也為 40，
其它也為 5。從圖中還是可看出高密度優先(HDP)對於此環境找出較佳的機器人 之數量會有較好的能力，這也是由於高密度優先(HDP)先將數字較大之區塊先行 解決。但是有一點更讓我們值得去注意，因圖 66 中數字較小的區塊還是相對的 多，而矩形動態規劃(RDP)在監控品質較小之區塊占大多數的環境所找出的機器 人個數需較多，更可確定當環境的監控品質大多不大時，矩形動態規劃(RDP)無 法可提供較佳的機器人之數量。
0 5 10 15 20 25 30
4x4 5x5 6x6 7x7 8x8
HDP
CM
RDP
49