各文獻【2、6、7、8、9、30、32】均以 Solomon 的題庫為基礎，
先 不 考 慮 時 間 窗 之 參 數 限 制 ， 然 後 將 需 求 點 分 成 送 貨 點 顧 客 及 取 貨 點 顧 客 兩 部 分，並 設 定 取 貨 點 顧 客 的 百 分 比，例 如：10%、30%、50%，
以 便 分 析 取 貨 點 顧 客 比 例 對 求 解 績 效 之 影 響 。 至 於 取 貨 點 顧 客 的 選 取 ， 則 採 隨 機 選 取 方 式 。
本 研 究 以 Solomon 題庫為主，挑選 R101、C101、RC101，分別選 擇 前 25、50 及 100 個顧客，再以隨機方式選擇 30%、50%、70%為回 程 取 貨 的 顧 客 各 產 生 3 題，共 9 組，每組 9 個測試例題。總計有 81 個 測 試 例 題。每 組 之 測 試 例 題 如 表 4.1 所示，其中 X 有 C101、R101、
RC101 三種；Y 有 25、50、100 位顧客。
表 4.1 每組測試例題成員表
題 型(X) 顧 客 數(Y) 取 貨(%) 產 生 之 題 目 數 量
30% 3 50% 3 C101
R101 RC101
25 50
100 70% 3
4.2 實驗設計與參數設定
本 研 究 針 對 方 法 與 模 組 之 組 合 方 式 、 控 制 參 數 之 設 定 ， 進 行 測 試 之 實 驗 設 計。整 個 測 試 過 程 可 分 成 以 下 四 個 實 驗，整 理 如 表 4.2 所示。
表 4.2 實驗設計
實 驗 一 起 始 解(IS)之解題績效
實 驗 二 鄰 域 搜 尋 之 個 別 交 換 改 善 法 解 題 績 效 實 驗 三 鄰 域 搜 尋 執 行 組 合(NS)之解題績效 實 驗 四 門 檻 接 受 法(TA)之解題績效
實 驗 一 首 先 針 對 六 種 起 始 解 法(NNS1、 NNS2、 NNS3、 NNP1、
NNP2、NNP3)進行測試，以探討各方法之適用性與解題效果；透過實 驗 一 所 得 到 的 六 種 起 始 解 的 結 果 ， 進 行 實 驗 二 ， 因 路 線 內 交 換 不 會 影 響 路 線 間 交 換，故 以 起 始 解+2_opt 的解為基準，分別測試其他三種鄰
域 搜 尋(1_0、1_1、S_S)路線間交換改善法的解題效果；實驗三針對三 種 路 線 間 交 換 改 善 法 所 有 組 合 進 行 測 試，共 有 36 種測試組合整理如表 4.3。
實 驗 一 測 試 結 果 表 現 最 佳 的 為 NNP2，表現最差為 NNS2，經過實 驗 三 測 試 後 ， 最 佳 表 現 仍 為 NNP2，而表現最差的變為 NNP1，顯示 NNP1 還具更高的改善空間；因此，實驗四根據實驗三測試結果，選 擇 平 均 最 佳 與 最 差 的 起 始 解 方 法 NNP2、NNP1，及最佳與最差的鄰域 搜 尋 組 合 N1、N6，測試 TA 的改善績效。
表 4.3 實驗三模組組合方式
起 始 解 鄰 域 搜 尋 代 號
NNS1 (1_1)→(S_S)→(1_0) N1 NNS2 (1_0)→(S_S)→(1_1) N2
NNS3 (1_1)→(1_0)→(S_S) N3
NNP1 (S_S)→(1_0)→(1_1) N4 NNP2 (S_S)→(1_1)→(1_0) N5 NNP3
(2_opt)
(1_0)→(1_1)→(S_S) N6 在 TA 的控制參數方面，如 2.4 節(表 2.3)所述，TA 法有兩個控制 參 數 ： 起 始 門 檻 值(T0)與執行次數(K)，並據以構成一個門檻數列長度 {Tk}，其公式如下：
}
~ 1 ,
1) ) (
( )
{ ( 0 0 for k K
K k T K
R N
X T C
Tk k =
−
× − + ×
= (4.1)
上 式 中，C(X0)為 起 始 解 之 目 標 函 數 值 (成 本 )；N 為 顧 客 節 點 數 (題 目 規 模)；R 為起始解之車輛數。由式(4.1)可知，本研究採用的是直線遞減 型 的 門 檻 數 列，其 門 檻 值 比 率 自 T0逐 漸 下 降 至 0，數列長度即為執行 次 數(K)。
) (
) ( 0
R N
X C
+ 為 平 均 一 條 節 線 的 長 度 ， 執 行 交 換 法 時 ， 即 以 此 平 均 數 的 概 念 來 執 行 。 表 4.4 為 TA 之執行方式與參數設定範圍，三種 模 式 之 T0分 別 設 定 為 0.01、0.05、0.1、0.15 及 0.2；TA1 和 TA3 K 設 為 10 次，TA2 為 5 次。
表 4.4 實驗四執行方式與參數設定範圍
執 行 方 式 參 數 設 定 範 圍
TA1 I+NS(b)+TA(f 整套執行) K = 10
TA2 I+NS(b)+TA[(f) + NS(b)] K = 5
TA3 I+NS(b)+TA (f 個別執行) K = 10
T0 0.01 0.05 0.1 0.15
0.2 不同執行模式，例如執行順序、執行時機或執行次數(K)，可能有 不 同 的 改 善 效 果 ， 因 此 實 驗 四 設 計 了 三 種 模 式 ， 每 個 模 式 分 別 執 行 四 種 組 合 ， 組 合 方 式 及 代 號 整 理 如 表 4.5，以利後續整理分析。
表 4.5 實驗四測試組合
組 合 方 式 代 號
NNP2 + N1_b + TA(N1_f) TA1_NNP2_N1
NNP2 + N6_b + TA(N6_f) TA1_NNP2_N6
NNP1 + N1_b + TA(N1_f) TA1_NNP1_N1
TA1
NNP1 + N6_b + TA(N6_f) TA1_NNP1_N6
NNP2 + N1_b + TA(N1_f + N1_b) TA2_NNP2_N1 NNP2 + N6_b + TA(N6_f + N6_b) TA2_NNP2_N6 NNP1 + N1_b + TA(N1_f + N6_b) TA2_NNP1_N1 TA2
NNP1 + N6_b + TA(N1_f + N6_b) TA2_NNP1_N6 NNP2 + N1_b+[TA(1_1) + TA(S-S) + TA(1-0)]_f TA3_NNP2_N1 NNP2 + N6_b+[TA(1_0) + TA(1-1) + TA(S-S)]_f TA3_NNP2_N6 NNP1 + N1_b+[TA(1_1) + TA(S-S) + TA(1-0)]_f TA3_NNP1_N1 TA3
NNP1 + N6_b+[TA(1_0) + TA(1-1) + TA(S-S)]_f TA3_NNP1_N6 註 ：N1_b：(1_1)→(S_S)→(1_0)最佳改善
N1_f：(1_1)→(S_S)→(1_0) 首先改善 N6_b：(1_0)→(1_1)→(S_S) 最佳改善 N6_f：(1_0)→(1_1)→(S_S) 首先改善