將 ACO_PDP 用於求解 4.3 節所列之 33 個測試問題後， ACO_PDP 的測試結果整理如表 11 所示，其中 Tabu_PDP 解與 Tabu_PDP 運算時間的 數據取自呂學君(2007)的研究，而相對誤差的計算方式為：相對誤差=
% _ 100
_
_ − ×
PDP Tabu
PDP Tabu PDP
ACO
，運算時間比例為 Tabu_PDP 求解運算時間 除以 ACO_PDP 求解運算時間。
在求解品質方面，由表 11 可以看出在 33 個測試問題中，ACO_PDP 與 Tabu_PDP 求得問題 S10_2_5 相同之近似解；有 6 個問題 ACO_PDP 可 求得比 Tabu_PDP 更好的近似解，分別為編號 S80_2_20、S80_4_20、
M200_2_20、M200_4_20、L10_2_5 及編號 L80_4_20 的問題。而其他問題 ACO_PDP 的求解品質雖然較差，但與 Tabu_PDP 的相對誤差大部分在 5%
以內，平均相對誤差則約為 2.2%，顯示 ACO_PDP 在求解此兩階段問題時 可得到與 Tabu_PDP 相當的解。另外值得注意的是，ACO_PDP 在編號 10 的問題（S200_8_5）的表現最差，與 Tabu_PDP 的解間之相對誤差約有 7.18%，高於整體平均誤差約 5%，本研究推論造成此一現象的原因為在此 問題的輸入資料結構下，ACO_PDP 太快收斂於區域最佳解所導致。
在運算時間部份，ACO_PDP 在所有問題的求解運算時間皆遠小 Tabu_PDP，在 n = 10 的問題中（問題S10_2_5、M10_2_5、L10_2_5），ACO_PDP 所需要的運算時間甚至只有 Tabu_PDP 運算時間的百分之一：而在複雜度 最高的 n = 200，m = 8 的問題中（問題S200_8_5、S200_8_20、M200_8_5、 M200_8_20、L200_8_5、L200_8_20），ACO_PDP 也只需要 Tabu_PDP 運算 時間的十分之一便可求得近似最佳解。
表 11 ACO_PDP、Tabu_PDP 求解能力比較表
本研究針對表 11 的測試數據使用複回歸分析(multiple regression)，以
Regression Summary for Dependent Variable: 相對誤差 (anova.sta) R= .60377562 R2= .36454500 Adjusted R2= .27376571
F(4,28)=4.0157 p<.01069 Std.Error of estimate: 1.4662 N=33
2.532196 0.939413 2.69551 0.011753 -0.164756 0.150648 -0.341880 0.312604 -1.09365 0.283428 0.156756 0.170363 0.003830 0.004163 0.92013 0.365363 0.230492 0.168379 0.180244 0.131672 1.36888 0.181918 -0.523240 0.152872 -0.118694 0.034678 -3.42273 0.001926
4.4.1
加工時間與求解品質之關係加工時間與求解品質之關係加工時間與求解品質之關係加工時間與求解品質之關係0. 1%，而在 l=5 的問題中平均相對誤差較高約為 2.2%， 顯示 ACO_PDP 在車輛容量限制較小的問題上表現較差，本研究推論其原因可能是路徑費 洛蒙矩陣的影響所導致：當車輛容量較小時，所使用的車輛數會相對較 多，而每輛車的路徑都是彼此獨立的，但是在本研究所提出的演算法中，
配送階段的路徑費洛蒙矩陣是所有車輛所共用的，因此原本應該互相獨立 的各車輛路徑卻會被共同的費洛蒙矩陣影響，導致無法求得各車輛的最佳 路徑，當車輛數越多時對求解品質的負面影響也就越大。此一缺陷為本研 究當初設計演算法時所未考量的，因此建議未來後續研究的焦點可放在路 徑費洛蒙矩陣的改善，讓所有車輛配有獨立的路徑費洛蒙矩陣，以提昇 ACO_PDP 在車輛容量限制較小問題上的求解品質。
4.4.5
小結小結 小結小結以上各小節的測試結果與分析顯示，ACO_PDP 的主要優勢為能快速 地求出問題的近似最佳解求解：在求解 n=10 的問題時，ACO_PDP 只需要 花費約 Tabu_PDP 運算時間的 0.7%便可求得近似最佳解，在求解 n = 80 及 n=200 等訂單數量較大之問題時，ACO_PDP 的平均運算時間約為
Tabu_PDP 運算時間的 11%。在求解品質方面，雖然 ACO_PDP 在 n =10 的問題上表現優異，但是當訂單數量(n)較大或車輛容量限制(l)較小時，
Tabu_PDP 在大部分的問題皆能搜尋到品質較佳的近似解。複回歸分析的 結果也顯示，車輛容量限制對 ACO_PDP 與 Tabu_PDP 間的相對誤差有顯 著影響，表示 ACO_PDP 在車輛容量限制較小的問題設定下，其穩健性稍 嫌不足，因此建議未來的相關研究能朝這方面著手。