研究建議

1. 長期以來，建立標準套圖作業流程一直是產官學界，亟欲努力的方向，本 研究除解決最小二乘法應用於套圖的瓶頸，另外結合小區域搜尋也可作為 套圖成果的驗證，並改善啟發式演算法局部搜尋能力有時不佳的問題，而 遺傳演算法本身則考量各種不同的套圖目標，所建立目標函數可提供各種 不同的套圖策略操作，因此綜合以上所言本研究建立的作業方式將可提供 標準套圖作業流程另一個可行的方向。

2. 應用遺傳演算法於地籍圖圖資整合應用及改善，為一可行方向，例如應用 於本研究套圖成果後續面積調整，使得圖地簿更加吻合，但仍待後續廣泛 研究應用驗證，期待不久的未來，也許在地籍圖重測等地籍整理，也能發 現相關應用。

3. 關於部分多圖幅套合成果不佳的情形，建議可從兩個方向來加以改善，首 先可由單圖幅套合成果作為多圖幅套合演算起始值，藉以尋求更佳的套合 成果，其次可改變遺傳演算法演化結構，例如提高族群大小等方式，強化 演化品質。

4. 對於整段一併求解，及第 2 點所提面積條件，因計算量較大，為增進計算 效能，可考慮以平行計算方式改善。

5. 關於局部最佳解的改善，除了本研究所提方式，未來實際應用建議增加初 使母代染色體的多樣性並重新搜尋，或許可望進一步增加演化成果。

參考文獻

1. 陳永川、曾清涼、余致義，現況點自由測站法應用於圖解 數化地籍圖數值法複丈，第 17 屆測量學術及應用研討會，

第 433~441 頁，台南，民國 87 年 9 月。

2. 盧鄂生,土地鑑界電腦套圖最佳模式之研究, 第 15 屆測量 學術及應用研討會，第 827~836 頁，台北，民國 85 年 9 月。

3. 盧昊，電腦套圖平差應用於地籍測量中之研究，國立成功 大學，碩士論文, 民國 86 年。

4. 董荔偉等著，圖解地籍圖伸縮改正及實測接合之研究，內 政部土地測量局自行研究報告，台中，民國 95 年。

5. 吳宗寶，圖解數化土地複丈外業電腦套圖之研究，國立中 興大學，碩士論文, 民國 92 年。

6. 鄭彩堂，以限制條件及附加參數法輔助圖解區土地複丈之 研究，國立中興大學，碩士論文, 民國 91 年。

7. 林登建，以自由測站法輔助圖解法地籍圖數值化成果坐標 整合之研究，逢甲大學，碩士論文, 民國 93 年。

8. 吳萬順等，應用基本控制點於地籍圖坐標轉換精度之研 究，內政部土地測量局自行研究報告，台中，民國 92 年。

9. 劉正倫、鄭彩堂、董荔偉，以約制條件實施坐標轉換整合

圖解數化成果之研究，內政部土地測量局自行研究報告，

台中，民國 93 年。

10. 王皓正，應用遺傳演算法於長期潮汐預報之研究，國立交 通大學，碩士論文, 民國 90 年。

11. 林志交、曾義星，以基因演算法解算 CSG 模型與影像之最 佳套合，航測及遙測學刊，第九券第一期，27~40 頁，民 國 93 年 3 月。

12. 林登建、邱元宏，圖解地籍圖數值化成果土地複丈電腦化 作業之研究，台中市政府，台中，民國 92 年。

13. P.C.Chang，J.C.Hsieh,and C.H.Hsiao，Application of genetic algorithm to the unrelated parallel machine problem scheduling，Journal of the Chinese institute of Industrial Engineering，vol.19，no2,pp79-95，2002.

14. F.Pernkopf and D.Bouchaffra，Genetic-based EM algorithm for learning Gaussian mixture models，IEEE Trans.Pattern Analysis and Machine Intelligence ， vol.27 ， no.8 ， pp.1344-1348,2005.

15. Haupt,R.L.,and Haupt,s.e.，Parctical genetic algorithms，John Wiley&Sons,Inc，New York，1998.

16. John Holland，Adaptation in Natural and Artificial Systems，

The University of Michigan Press，Ann Arbor，1975。

17. D.E.Goldberg，Genetic Algorithms in Search，Optimization and Machine Learning，Addison-Wesley Longman Publishing Company Inc，USA，1989.

18. D.Beasley，D.R.Bull，and R.R.Martin，An overview of genetic algorithms：Part 1，Fundamentals, University Computing, Vol.15，no.2, 58-69，1993.

19. W.M.Spears ， K.A.De Jong ， T.Back ， D.B.Fogel ， and H.deGaris ， An overview of evolutionary computation ， Proc.Conf.Machine Learing，1993.

20. 邱仲銘、洪榮宏，微變環境下的數值複丈管理，第四屆國 際地籍測量學術研討會，台南，民國 93 年。

附錄一 單圖幅套合實驗成果

實驗區 A 段第 29 幅

實驗區A 段第 29 幅圖建立地籍線及現況點條件共 47 條，其中一般經界線 47 條 ， 並 無 指 界 經 界 線 ， 圖 幅 旋 轉 中 心 坐 標 為 縱 坐 標 2743814.901 ， 橫 坐 標 250142.207，因初次以最小二乘套合結果相當不理想，所以本實驗區起始值以人工 考量方式套疊，並藉此作為參考值。因為本區經上述過程發現為誤謬區，所以將 經界線容許誤差設牆壁為0.15 ㎝、圍牆為 0.15 ㎝、道路為 0.20 ㎝，現況點權重設 為 1，並經由遺傳演算法搜尋各子目標最佳解，當搜尋無指界條件最多時，也就是 將無指界條件吻合容許誤差個數的目標函數值權重設為 1，其餘設為零所得結果無 指界條件吻合容許誤差個數最多時為 21 及誤差平方和 10.06，而當搜尋誤差平方 和最小時，所得結果為誤差平方和8.06 及無指界條件吻合容許誤差個數 14，所以 將目標函數值權重設為 G1(指界條件)：G2(無指界條件)：G3(誤差平方和)=0：0.7：

0.3，因此初使目標函數值經由正規化及目標函數權重組合為 1，經遺傳演算法套 圖運算目標函數值降為 0.875308409，再經小區域搜尋維持為 0.875308409，詳細 設定及計算情形如附錄所示。而相較於起始值目標函數的改善，其原因來自於子 目標 G3 誤差平方和值由9.55 降低至 9.75 以及子目標 G2 未指界條件小於容許誤差 個數由15 進步至 21，而本圖幅沒有子目標 G1 指界條件小於容許誤差個數。最後 小區域搜尋則維持遺傳演算法套圖成果詳如表 16 所示，總計經由遺傳演算法運算 下使得套圖目標較起始值提高13％，最佳解之演化代數為 281 代。

圖 58 實驗區 A 段 29 幅現況與地籍圖套合情形圖(紅色為現況、黑色為地籍線)

2 1

表 16 實驗區 A 段 29 幅各階段目標值變化表圖

A段29幅以不同方式套疊現況誤差分佈圖

0 0.12 0.24 0.36 0.48 0.6 0.72 0.84 0.96 1.081.2 1.32 1.44 1.56 1.68 1.8

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 套圖條件個數

誤差

最小二乘法(與遺傳演算法約 制條件及設定權重一致) 最小二乘法(刪除大於15cm條 件，並將指界條件加大權重4 倍)

遺傳演算法

圖 62 A 段 29 幅以不同方式套疊現況誤差分佈圖

由表16 可以看出遺傳演算法優異的搜尋能力，與小區域搜尋的結果相當，而 圖61 所得敏感度指標(τMax-τMin)= 0.06502667<0.2，雖然未滿足本研究設定之標準，

但因屬於誤謬嚴重地區，經人工檢視判斷屬於可接受的情形，而全域最佳解指標 (τGA-τMin)= 0<0.005 可見套圖成果相當可靠，另外由圖 59 與表 16 可以看出遺傳演 算法搜尋無指界條件吻合個數最多時相同，差別在於誤差平方和的降低。而圖 62 則是將最小二乘法先與遺傳演算法設定權重一致後，再將誤差大於15cm 的條件刪 除，由圖中可看出刪除後較刪除前在誤差小於 15cm 的條件，其部份誤差明顯降 低，也較圖59 誤差平方和最小時無指界條件小於容許誤差個數 14 增加為 15，而 遺傳演算法則在誤差小於35cm 的條件，其誤差明顯降低，而在誤差大於 35cm 的 條件，其誤差明顯增加，這種現象常見於人工套圖，屬於正常情形，其次在誤差 小於12cm 的條件，個數明顯增多，相較於調整後之最小二乘法無指界條件吻合個 數為21 比 15，一直到誤差大於 35cm 的條件，才逐漸接近，由此看來遺傳演算法 計算套圖成果，符合本研究之預期，也比起始參考值人工套圖結果更佳，可以在 誤謬嚴重地區改善最小二乘法套圖成果。

實驗區 A 段第 30 幅

實驗區 A 段第 30 幅圖建立地籍線及現況點條件共 13 條，其中一般經界線 13 條 ， 並 無 指 界 經 界 線 ， 圖 幅 旋 轉 中 心 坐 標 為 縱 坐 標 2743748.834 ， 橫 坐 標 250139.172，因為本區重要經界物多為道路，所以將經界線容許誤差設牆壁為 0.15

㎝、圍牆為 0.15 ㎝、道路為 0.20 ㎝，現況點權重設為 1，並經由遺傳演算法搜尋 各子目標最佳解，當搜尋無指界條件最多時，也就是將無指界條件吻合容許誤差 個數的目標函數值權重設為 1，其餘設為零所得結果無指界條件吻合容許誤差個數 最多時為11 及誤差平方和 0.65，而當搜尋誤差平方和最小時，所得結果為誤差平 方和 0.49 及無指界條件吻合容許誤差個數 7，所以將目標函數值權重設為 G1(指 界條件)：G2(無指界條件)：G3(誤差平方和)=0：0.7：0.3，因此初使目標函數值 經由正規化及目標函數權重組合為 1，經遺傳演算法套圖運算目標函數值降為 0.573327755，再經小區域搜尋改善為 0.571785532，詳細設定及計算情形如附錄所 示。而相較於起始值目標函數的改善，其原因來自於子目標 G3 誤差平方和值由0.65 降低至 0.63 以及子目標 G2 未指界條件小於容許誤差個數由 8 進步至 11，而本圖 幅沒有子目標 G1 指界條件小於容許誤差個數。最後小區域搜尋則將誤差平方和由 0.632 降至 0.628 詳如表 17 所示，總計經由遺傳演算法運算下使得套圖目標較起 始值提高43％，最佳解之演化代數為 163 代。

圖 63 實驗區 A 段 20 幅現況與地籍圖套合情形圖(紅色為現況、黑色為地籍線)

2 1

表 17 實驗區 A 段 30 幅各階段目標值變化表圖

A段30幅以不同方式套疊現況誤差分佈圖

0 0.12 0.24 0.36 0.48 0.6 0.72 0.84

1 2 3 4 5 6 7 8 9 10 11 12 13 套圖條件個數

誤差

最小二乘法(與遺傳演算法約制條件 及設定權重一致)

最小二乘法(刪除大於15cm條件，並 將指界條件加大權重4倍)

遺傳演算法

圖 67 實驗區 A 段 30 幅以不同方式套疊現況誤差分佈圖

由表 17 可以看出遺傳演算法優異的搜尋能力，與小區域搜尋的結果相當接 近，各項子目標中僅有誤差平方和仍有改善空間，而圖 66 所得敏感度指標 (τMax-τMin)= 0.281698>0.2，滿足本研究設定之標準屬於可接受的情形，而全域最佳 解指標(τGA-τMin)= 0.001542<0.005 可見套圖成果相當可靠，另外由圖 64 與表 17 可 以看出遺傳演算法搜尋無指界條件吻合個數最多時相同，差別在於誤差平方和的 降低。而圖67 則是將最小二乘法先與遺傳演算法設定權重一致後，再將誤差大於 15cm 的條件刪除，由圖中可看出刪除後較刪除前在誤差小於 15cm 的條件，其部 份誤差明顯降低，也較圖64 誤差平方和最小時無指界條件小於容許誤差個數 7 增 加為 10，而遺傳演算法則在誤差小於 25cm 的條件，其誤差明顯降低，而在誤差 大於25cm 的條件，其誤差明顯增加，這種現象常見於人工套圖，屬於正常情形，

其次在誤差小於12cm 的條件，個數明顯增多，相較於最小二乘法為 11 比 10，一 直到誤差大於25cm 的條件，才逐漸接近，由此看來遺傳演算法計算套圖成果，符

其次在誤差小於12cm 的條件，個數明顯增多，相較於最小二乘法為 11 比 10，一 直到誤差大於25cm 的條件，才逐漸接近，由此看來遺傳演算法計算套圖成果，符