本範例測詴使用的電腦處理器為 AMD phenom (tm) 2 II X2 545 processer 3.0GHz，記憶體為 3.25GB。
參照 Lee et al. [2]的測詴題庫以每艘船之 ETA、船舶大小、處理時間分別為 符合 U (0，20)、U (6，50)、U (20，80)的均等分配方式產生，測詴小規模範例 5 艘及 10 艘船，並分別各產生 30 組不同的例題，參數 L1~5 分別為 10,5,10,200,25，
r 為 0.3，B 為(7/8× n)取最接近的整數，LB 為(3/4× n)取最接近的整數，n 為船的 數量。
每個範例規模各 30 次之計算結果帄均如下表:
表 4 -1 小規模範例測詴結果
目標值 std* 求解時間 std*
n=5
GRASP_1 326.73 76.87 1.22 0.23 MYGRASP_1 326.03 75.12 1.41 0.25 MYGRASP_2 326.03 75.12 1.27 0.22
n=10
GRASP_1 1037.03 234.02 9.38 2.80 MYGRASP_1 1016.63 227.02 8.79 3.09 MYGRASP_2 1021.40 223.48 9.98 3.00
*std 為 30 次計算的母體標準差
31
整理上表 4-1 可得到以 MYGRASP1、MYGRASP2 目標值和計算時間相對於 GRASP_1 的百分比，如下表 4-2。
表 4 -2 MYGRASP1、MYGRASP2 目標值和計算時間相對於 GRASP_1 的百分比
目標值百分比 求解時間百分比
n=5
GRASP_1 100.00% (1.22s)100.00%
MYGRASP_1 99.79% (1.41s)115.07%
MYGRASP_2 99.79% (1.27s)104.08%
n=10
GRASP_1 100.00% (9.38s)100.00%
MYGRASP_1 98.03% (8.79s)93.66%
MYGRASP_2 98.49% (9.98s)106.41%
由表 4-2 可以發現不論是 5 艘或 10 艘船的計算規模，MYGRASP_1、
MYGRASP_2 都可以得到較佳的解，且十艘船十比五艘船的改善更明顯。但在計 算時間上則略輸 GRASP_1，但小規模的計算時間差並不會很大(約差 1 秒)，所 以為了得到更好的解，在計算時間上這是可以接受的損失。
大規模範例參照 Lee et al.[2]的測詴題庫以每艘船之 ETA、船舶大小、處理 時間分別為符合 U (0，20)、U (6，50)、U (20，80)的均等分配方式產生，測詴 大規模範例 40 艘、80 艘、120 艘、160 艘、200 艘船，並分別各產生 30 組不同 的例題每個例題算 3 次，參數 L1~5 分別為 3、2、3、200、4，r 為 0.3，B 為 7/8× n，
取最接近的整數，LB 為 3/4× n，取最接近的整數，n 為船的數量。
每個範例規模各 90 次之計算結果帄均如下表:
32
表 4 -3 大規模範例測詴結果
目標值 std* 求解時間 std*
n=40
GRASP_1 14510.33 1768.04 40.76 17.65 MYGRASP_1 13284.25 1664.58 40.57 13.16 MYGRASP_2 13577.65 1604.07 30.87 7.765
n=80
GRASP_1 56686.57 3329.03 370.29 154.81 MYGRASP_1 50719.43 3354.87 356.13 128.30 MYGRASP_2 51659.32 3470.83 268.49 56.73
n=120
GRASP_1 124975.12 7663.57 1465.52 570.98 MYGRASP_1 108612.33 6357.10 1318.48 432.28 MYGRASP_2 110139.20 6808.57 997.43 195.45
n=160
GRASP_1 227705.47 11418.48 3795.87 1336.19 MYGRASP_1 196563.98 11034.35 3352.36 1039.30 MYGRASP_2 198649.73 10722.97 2530.36 511.23
n=200
GRASP_1 352305.82 18085.35 7519.45 2485.72 MYGRASP_1 304208.67 16624.77 6873.21 2193.09 MYGRASP_2 306835.18 16829.88 5508.52 1206.65
*std 為 90 次計算的母體標準差
33
本研究每次計算之後可將結果呈現在矩形時空圖，以利於判斷程式是否有錯，
如下圖四-1，為 40 艘船其中一次的計算的結果。
圖 4-1 本研究程式計算結果之矩形時空圖呈現方式
34
歸納表 4-3 可得 MYGRASP_1、MYGRASP_2 目標值相對於 GRASP_1 的百 分比歸納於下表:
圖 4-2 MYGRASP1、MYGRASP2 目標值相對於 GRASP_1 的百分比折線圖
由上圖 4-2 中可以發現，MYGRASP_1、MYGRASP_2 在大問題規模時相較 於 GRASP_1 目標值可得到 6.43%~13.65%改善。且隨著計算問題規模越來越大，
MYGRASP_1、MYGRASP_2 得到的解相較於 GRASP1 的改善會越明顯，而不 論在何種問題規模 MYGRASP_1 都可求得較 MYGRASP_2 好的解。
93.57%
solution compare with GRASP1
GRASP1 MYGRASP_2 MYGRASP_1
問題規模(船隻數)
35
歸納表 4-3 可得 MYGRASP_1、MYGRASP_2 計算時間相對於 GRASP_1 的 百分比歸納於下表:
圖 4-3 MYGRASP1、MYGRASP_2 計算時間相對於 GRASP_1 的百分比折線圖
由上圖 4-3 中可以發現，MYGRASP_2 的計算時間可維持在 GRASP_1 的 75.73%~66.66%間，MYGRASP_1 在計算時間上最大也可達到 11.68%的改善，
而不論在何種問題規模 MYGRASP_2 的計算速度都明顯較 MYGRASP_1、
GRASP_1 快。
computing time compare with GRASP1
GRASP1 MYGRASP_1 MYGRASP_2
問題規模(船隻數)
36 MYGRASP_1 10.14 MYGRASP_2 7.27
圖 4-4 三個演算法之收斂性分析
由上圖 4-4 可以發現三個演算法的線性迴歸線斜率相近，但是因為 MYGRASP_1 從較好的起點開始求解，所以相對得到更好的求解結果。而 MYGRASP_2 的線性迴歸線斜率較帄緩，表示雖然和 MYGRASP_1 都是以較好 的起點來求解，但其區域搜尋時任意兩艘船交換的方式，對這個起始解來說，之
iteration times
converge analysis
GRASP_1 MYGRASP_2 MYGRASP_1