簡例說明

32(4) 33(8) 34(3) 35(5) 36(7) 1

招呼站服務分區之求解流程如圖 3.1 所示，各步驟說明如下：

5. 計算目標值：

目標值=10(186)－1(0)－10{(92－78)+(92－16)+(78－16)}－10(1.5)

=1693

28、32、37、30、35、39 等十三條路段，根據上述招呼站(3)之路段集合進行鄰 近解之計算如下：

6 30 dummy 3 1764.35 71.35

27 1 1 dummy 1599.67 (93.33) 28 2 dummy 1 1943.48 250.48 29 5 1 dummy 1641.33 (51.67) 30 6 1 dummy 1374.33 (318.67) 31 7 dummy 1 1714.00 21.00 32 10 1 dummy 1364.00 (329.00) 33 11 dummy 1 1725.84 32.84 34 14 dummy 1 1791.13 98.13 35 15 dummy 1 1754.86 61.86 36 19 dummy 1 1763.00 70.00

在鄰近最佳解的搜尋過程中，候選路段可以選擇重新被指派給相鄰的招呼 站，或是指派給虛擬招呼站(以 dummy 表示)；虛擬招呼站假設之目的是用來說 明研究範圍內的路段並非全數都要被指派給車行的招呼站，也可以選擇不屬於任 何的招呼站服務範圍。當發現指派給虛擬招呼站後所得到之目標值比目前最佳解 來得好，那麼即挑選其為鄰近最佳解以進行改善。

此外，在計算新目標值時需納入 3.4 式形狀因子的決策項目，以上路段轉移 後之目標值乃是經過形狀因子修正過後之結果。可知，鄰近解搜尋後共有 36 種 路段轉移方式，經由目標值改善程度之比較後，鄰近解最佳解即是將第 20 號路 段重新指派給招呼站(3)所服務，由於其目標值改善最多，故選擇此方案作為現 行解之變更方式。

步驟四：更新禁忌名單

由步驟三所得結果，根據 3.4 節所設定之禁忌條件與記錄方式可知，目前的 禁忌名單長度為 1(假設禁忌長度為 7)，且禁忌內容如下：

路段編號 原指派招呼站 轉移至招呼站

20 dummy 3

步驟五：更新最佳解

由上述結果可知，目標值從 1693 更新為 2042.56，且目前最佳解乃從起始解 中，將第 20 號路段所屬的招呼站編號為招呼站(3)，其餘路段維持不變。

步驟六：重新計算載客服務量、乘客平均等候時間

重新計算各招呼站的載客服務量以及乘客平均等候時間，以進行下一次的鄰 近解搜尋，更新結果如下：

招呼站(1) 招呼站(2) 招呼站(3) 目標值

載客服務量 92 78 46 2042.56 平均等候時間 0.0167 0.0167 0.0384

步驟七：停止條件

根據 3.4 節所說明，本範例假設其終止條件為：允許最大搜尋次數為 200 次。

所以，在求解過程未達到停止條件時，將重複步驟二至步驟六的求解過程，直到 滿足最大搜尋次數為止。

經由上述的範例假設及求解步驟的說明，可以較清楚了解整個分區劃分的實 際流程，測試結果及各數據整理如下，簡例測試結果資料如表 3.2 所示。可以發 現在每個分區內的顧客服務量與等候時間上趨於均衡，且分區形狀無明顯不規則 的情形發生。

由於本研究所設定的各個決策項目對於目標函數的影響，是由決策者所自行 設定，如同本範例測試所設定的顧客服務量之權重值較大，因此對於分區後的結 果，可明顯看出分區內的顧客服務量比總等候時間來得均衡。所以，決策者在分 區階段改變決策項目的相對權重大小時，將會導致不同的劃分結果，甚至可決定

分區的滿意與否自行做調整。

表 3.2 簡例測試結果統計資料 招呼站

編號

涵蓋之路段集合 載客服務量 平均等候時間

1 1、2、3、5、6、7、10、11、15 144 0.025

2

4、8、9、12、13、16、17、18、21、

22、25、27

147 0.0297

3 14、19、20、23、24、26、28～40 144 0.0508