第四章 實驗設計與測試分析 實驗設計與測試分析 實驗設計與測試分析 實驗設計與測試分析
4.3 測試 測試 測試 測試結果分析 結果分析 結果分析 結果分析
4.3.1 實驗實驗實驗一測試結果實驗一測試結果一測試結果 一測試結果
本節將測試兩種不同車輛型式的起始解解法與各種鄰域搜尋法組合搭配進 行比較與測試。首先，兩種起始解解法分別為利用許雅雯(2006)提出之啟發式 方法求解多車種多溫共配車輛路線問題(HMFVRP1)中的傳統多車配送模式以 及本研究提出之抽換式蓄冷保溫箱+常溫車求解，使用例題 C1 至 C10 進行比 較，結果如表 4.6。
表 4.6 起始解測試結果 問題類型 問題類型
問題類型問題類型 車輛成本車輛成本車輛成本車輛成本 路線成本路線成本路線成本路線成本
HMFVRP1 49415.64 7034.12
HMCVRP(本研究) 46359.00 6226.26
表 4.6 結果得知，利用傳統多車配送模式建構起始解，無論在車輛成本或 路線成本上，都比以抽換式蓄冷保溫箱+常溫車構建起始解來得高，因此本研 究以抽換式蓄冷保溫箱+常溫車之車輛型式作為構建起始解之依據，並完成實 驗測試。
此外，測試各種鄰域搜尋法組合中，利用例題 C1 至 C10 進行測試，排名 前 10%(12 種)之測試結果與改善前之起始解平均值比較如表 4.7 所示。
表 4.7 鄰域搜尋法組合測試結果
改善前 改善前改善前
改善前 改善後改善後 改善後改善後 平均值平均值 平均值平均值
測試組合測試組合測試組合
測試組合 平均平均平均平均 車輛車輛 車輛車輛 成本成本 成本成本
平均平均 平均平均 路線路線 路線路線 成本成本 成本成本
平均平均平均 平均 車輛車輛車輛 車輛 成本成本成本 成本
平均平均平均 平均 路線路線路線 路線 成本成本成本 成本
平均平均 平均平均 改善改善 改善改善 車輛車輛 車輛車輛 成本成本 成本成本
(%)
平均平均 平均平均 改善改善 改善改善 路線路線 路線路線 成成 成成本本本 本
(%)
2-opt_1-0_2-opt*_1-1_or-opt 46359 6226.26 46353.26 3601.45 0.01 43 2-opt*_1-1_2-opt_1-0_or-opt 46359 6226.26 46356.90 3624.35 0.005 42 2-opt*_2-opt_1-1_or-opt_1-0 46359 6226.26 46353.73 3723.12 0.01 40 1-0_2-opt_2-opt*_1-1_or-opt 46359 6226.26 46355.98 3623.35 0.007 42 1-0_1-1_2-opt*_or-opt_2-opt 46359 6226.26 46356.54 3723.98 0.005 40 1-0_1-1_or-opt_2-opt_2-opt* 46359 6226.26 46357.36 3689.12 0.004 41 1-1_1-0_2-opt_or-opt_2-opt* 46359 6226.26 46156.3 3523.23 0.44 43 1-1_or-opt_2-opt_1-0_2-opt* 46359 6226.26 45198.9 3505.32 2.5 44 1-1_2-opt*_1-0_or-opt_2-opt 46359 6226.26 46355.23 3623.10 0.008 42 1-1_2-opt*_or-opt_2-opt_1-0 46359 6226.26 46234.25 3598.25 0.27 42 1-1_2-opt*_2-opt_or-opt_1-0 46359 6226.26 46354.14 3623.15 0.27 42 1-1_2-opt_1-0_2-opt*_or-opt 46359 6226.26 46354.67 3621.93 0.009 42
由表 4.7 可知，各種改善法組合順序之平均改善成本相差不大，在車輛成 本方面，因為測試例題之顧客點數目偏少，無法有大幅度改善，最後結果顯示 以 1-1_or-opt_2-opt_1-0_2-opt*平均績效較佳，並以此組合順序進行實驗二之測 試。
4.3.2 實驗二測試實驗二測試實驗二測試結果實驗二測試結果結果 結果
首先測試螞蟻隻數(μ)與回合數(λ)間之相互關係，由於車輛成本均相同，
因此不列入考量，其 C1 至 C10 例題路線成本平均值結果如表 4.8 所示。
表 4.8 參數 µ 與 λ 測試結果
RASTA µ λ 20 50 100 10 3502.76 3502.06 3502.06 20 3503.13 3503.17 3503.17 平均值
30 3501.52 3502.44 3502.44 結果顯示以 µ=30、λ=20 其平均績效為最好，因此就以此參數設定進行費 洛蒙衰退參數(ρ)之測試。
在費洛蒙衰退參數(ρ)測試中，以 0.1 至 0.9 為設定範圍，由於車輛成本均 相同，因此不列入考量，其 C1 至 C10 例題之平均路線成本整理如表 4.9 所示。
表 4.9 參數 ρ 測試結果 ρ
平 平平
平 均均均均 值值值值 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
路線
成本 3486.04 3485.58 3502.76 3490 3447.503447.503447.503447.50 3511.60 3469.853469.85 3469.853469.85 3504.26 3458.68 3458.68 3458.68 3458.68 由表 4.9 得知，ρ 值以 0.5、0.7 與 0.9 平均績效為較佳；因此則以 ρ=0.5、
0.7 與 0.9，測試 β 值 5 至 8，由於車輛成本均相同，因此不列入考量；平均路 線成本結果如表 4.10。
表 4.10 參數 ρ、β 測試結果
表 4.10 結果顯示發現以 ρ 值=0.5、β=7 組合績效較佳，因此就以此組合測 試精英螞蟻數量(ω)，由於車輛成本均相同，因此不列入考量；平均路線成本結 果整理如表 4.11。
表 4.11 參數 ω 測試結果
ω=15 ω=20 ω=25
β=5
ρ=0.7 3495.33 3498.46 3500.90
由表4.11結果顯示，在參數β=5、ρ=0.7搭配ω=15，平均績效較佳，因此以 此組合進行起始門檻值(T )與門檻數列長度(K)之測試，由於車輛成本均相同，0
RASTA β ρ 0.5 0.7 0.9 5 3447.50 3458.21 3489.08 6 3451.58 3451.38 3487.43 7 3446.63
3451.11 3484.76 平均值
8 3449.45 3451.36 3485.70
因此不列入考量；平均路線成本測試結果如表4.12。
表 4.12 參數T 、K 測試結果 0
表4.12顯示，以T =0.02與K=30組合平均績效較佳，因此最後測試結果以參0 數µ=30、λ=20、ρ=0.5、β=7、ω=15、T =0.02以及K=30為本研究測試之最佳參0 數組合，並以此組合進行實驗三之測試與分析。
4.3.3 實驗三測試實驗三測試實驗三測試結實驗三測試結結果結果果 果
由於構建起始解係利用抽換式蓄冷保溫箱之配送方式，因此本小節將測試 是否能以傳統多車配送搭配抽換式蓄冷保溫箱，也就是混合型多溫共配方式，
檢驗其配送績效與實用性，期望能有效降低車輛成本與路線成本。並探討起始 解、起始解+五種鄰域搜尋法(neighborhood search, NS)、起始解+五種鄰域搜尋 法(NS)+配送方式更換法(change vehicles, CV)以及起始解+五種鄰域搜尋法 (NS)+配送方式更換法(CV) +五種鄰域搜尋法( NS)中兩種成本的變化。
但因其演算法架構中包含螞蟻演算法與門檻接受法之部分，將會大量消耗 電腦之記憶空間，為了減少電腦運算時間，提高整體演算法之執行效率，此實 驗顧客點數以 25 點至 36 點 C11 至 C20 之例題進行測試；平均值結果整理如表 4.13 所示。
表 4.13 實驗三測試結果
平均 平均平均 車輛成本平均 車輛成本
車輛成本車輛成本 平均平均平均平均 改善率 改善率
改善率改善率% 平均平均平均平均 路線成本 路線成本路線成本
路線成本 平均平均平均平均 改善率 改善率改善率
改善率% 平均平均平均平均運算運算運算運算 時間 時間 時間時間(sec) 起始解 12688.82 -- 1880.04 -- 2.01 起始解+NS 11680.13 9 1129.52 40 382.31 起始解+NS+CV 8669.71 32 1529.07 19 554.70 起始解+NS+CV+NS 8196.73 35 1235.56 34 1206.58
由表 4.13 得知，在 10 題例題測試平均表中，車輛成本從起始解到起始解 +NS 下降近 9%；起始解到起始解+NS+CV 下降近 32%；起始解到起始解 +NS+CV+NS 下降達 35%。而路線成本在起始解至起始解+NS 中下降近 40%；
起始解至起始解+NS+CV 下降近 19%；起始解至起始解+NS+CV+NS 則下降近 34%；但起始解+NS 到起始解+NS+CV 中則增加 35%。因本研究最佳化目標即 為求解總車輛成本最小化，次要目標為路線成本最低，因此結果尚符合預期目 標，但因希望車輛成本與路線成本能有機會降低，配送方式更換法(CV)後再搭 配 3.2 節中前五種鄰域搜尋法(NS)進行兩種成本之改善。最後顯示，平均車輛 成本之起始解+NS+CV 至起始解+NS+CV+NS 仍下降 5.5%；而路線成本起始解
RASTA TA
T 0 K 平均路線成本平均路線成本 平均路線成本平均路線成本 0.01 20 3502.06 0.01 30 3503.69 0.02 20 3502.06 0.02 30 3501.29
0.025 20 3501.52 平均值
0.025 30 3502.80
+NS+CV 至起始解+NS+CV+NS 下降 1.9%。因此五種鄰域搜尋法在演算法中功 用仍相當明顯，但缺點為耗費電腦運算時間偏長。圖 4.1 與圖 4.2 為四種求解方 法之車輛成本及路線成本趨勢圖，其中車輛成本變化幅度相當明顯。
0 2000 4000 6000 8000 10000 12000 14000
起始解 起始解+NS 起始解+NS+CV 起始解+NS+CV+NS 方 法
方 法 方 法 方 法 車 輛 成 本
車 輛 成 本車 輛 成 本 車 輛 成 本
圖 4.1 車輛成本趨勢圖
0 500 1000 1500 2000
起始解 起始解+NS 起始解+NS+CV 起始解+NS+CV+NS 方 法
方 法 方 法 方 法 路 線 成 本
路 線 成 本路 線 成 本 路 線 成 本
圖 4.2 路線成本趨勢圖
由上述結果證實，混合型多溫共配型態配送方式的確比單純使用抽換式蓄 冷保溫箱配送方式來得有效益，起始解+NS+CV+NS 無論在車輛成本與路線成 本上，都能有效降低進而提升配送效率。
4.3.4 實驗四測試結果實驗四測試結果實驗四測試結果 實驗四測試結果
由於實驗三須耗損大量電腦運算時間，因此本研究將門檻接受模組中的配 送方式更換法(CV)移除，進而求解顧客點數 36 點以上 C21 至 C30 的測試例題；
求解結果如表 4.14。
表 4.14 實驗四測試結果 平均 平均 平均平均 車輛成本 車輛成本 車輛成本車輛成本
平均 平均 平均平均 改善率 改善率改善率 改善率%
平均 平均 平均平均 路線成本 路線成本 路線成本路線成本
平均 平均平均 平均 改善率 改善率 改善率改善率%
平均 平均 平均 平均運算運算運算 運算 時間 時間 時間時間(sec) 起始解 18246.90 -- 2706.29 -- 3.55 起始解+NS 17535.90 4 1558.15 42 896.61 起始解+NS+CV 15257.80 16 2286.70 16 45402.00 起始解+NS+CV+NS 14770.62 19 2018.59 25 48029.92 從表 4.14 得知，當門檻接受法(TA)從配送方式更換法(CV)中移除，雖能有 效求解需求點數在 36 點以上之測試例題，改善效果亦非常明顯，但電腦運算時
間卻也大幅增加。
4.3.5 實驗五測試結實驗五測試結實驗五測試結果實驗五測試結果果 果
為了讓整體演算法更有效率，因此將精英螞蟻費洛蒙更新從配送方式更換 法(CV)之後提至配送方式更換法(CV)之前進行，並將精英螞蟻數量(ω)設為 5，
最後在進行五種鄰域搜尋法之改善；結果如表 4.15 所示。並與實驗四之起始解 +NS+CV 與起始解+NS+CV+NS 之測試結果進行比較，結果如表 4.16。
表 4.15 實驗五測試結果
平均平均 平均平均 車輛成本車輛成本車輛成本
車輛成本 平均平均 平均平均 改善率改善率
改善率改善率% 平均平均平均平均 路線成本路線成本路線成本
路線成本 平均平均平均平均 改善率改善率
改善率改善率% 平均平均平均平均運算運算運算運算 時間時間時間 時間(sec) 起始解 18246.90 -- 2706.29 -- 3.55 起始解+NS 17535.90 4 1558.15 42 896.61 起始解+NS+CV 14755.66 19 2368.43 12 9903.66 起始解+NS+CV+NS 14557.39 20 2165.58 20 9913.11 表 4.16 實驗四與實驗五測試結果比較
實驗四 實驗四實驗四
實驗四 實驗五實驗五 實驗五實驗五 平均平均 平均平均 改善率改善率 改善率改善率%
平均車輛成本 15257.80 14755.66 3.2 平均路線成本 2286.70 2368.43 -3.6 起始解+NS+CV
平均運算時間
(sec) 45402.00 9903.66 78.1 平均車輛成本 14770.62 14557.39 1.4 平均路線成本 2018.59 2165.58 -7.3 起始解+NS+CV+NS
平均運算時間
(sec) 48029.92 9913.11 79.4 由表 4.16 結果顯示，起始解+NS+CV 之車輛成本平均改善率近 3.2%，路 線成本則上升 3.6%，平均運算時間改善 78.1%。起始解+NS+CV+NS 之車輛成 本平均改善率為 1.4%，路線成本平均改善率上升 7.3%，但平均運算時間改善 79.4%。因此證實此方法確實能有效提升求解效率。