4. 所有起始解搭配鄰域搜尋的組合以[NNP2 + 2_opt + (1_1) + (S_S) + (1_0)]表現最佳。顯示在多種鄰域搜尋 改善組合中，先減少路線成 本 ， 最 後 再 降 低 車 輛 數 ， 所 得 到 的 平 均 改 善 效 果 最 好 。
5. 三組 TA 測試模式以 TA2 改善幅度最大，平均執行時間 11.06 表為 最 快，三 組 TA 執行時間平均在 20 秒之內。起始門檻值(T0)為 0.01 時 大 都 已 能 找 到 暫 優 解，堤 升 到 0.05 時，能微幅提升解的精確度，
再 提 升 至 0.1 以上皆無法提升精確度。
6. 原本表現不佳的組合經過 TA 改善程序後，均能有效提升解的精確 度，拉 近 所 有 組 合 間 的 差 距，由 此 可 知，TA 是一個有效、穩健(Robust) 的 巨 集 啟 發 式 方 法 。
6.2建議
1. 本研究僅應用門檻接受法(TA)求解 VRPBTW，未來可嘗試結合其 他 傳 統 或 巨 集 啟 發 式 方 法 ， 例 如 ：GIDS 法。
2. 可嘗試將本研究發展的改良式鄰點法應用在其他車輛路線問題，例 如 ： 時 間 窗 車 輛 路 線 問 題(VRPTW) 、 同 時 收 送 貨 車 輛 路 線 問 題 ( PDVRP)等。
3. 可嘗試將各交換法的執行順序，由後往前。
4. 本研究所提出的巨集啟發式方法，對於降低車輛數這方面來說，只 用 了(1_0)節 點 交 換 法 ， 對 於 提 升 解 題 精 度 第 一 目 標 車 輛 數 來 說 ， 略 嫌 不 足 ， 後 續 研 究 可 進 一 步 設 計 其 他 方 法 ， 增 進 求 解 之 績 效 。
參考文獻
1. 王春分等人(2000)，「市區內零擔貨物運送路線問題之研究」 - 以 新 竹 貨 運 在 新 竹 市 區 之 配 送 為 例，畢 業 專 題 報 告，中 華 大 學 交 通 與 物 流 管 理 學 系 。
2. 申生元(1999)，「時窗限制車輛途程問題」，交通大學工業工程與管 理 研 究 所 博 士 論 文 。
3. 何采燕(2003)，「以巨集啟發式演算法求解旅行採購員問題」，中華 大 學 科 技 管 理 研 究 所 碩 士 論 文 。
4. 林修竹(1999)，「包容性啟發式解法在 VRPTW 問題上之應用」，交 通 大 學 運 輸 工 程 與 管 理 學 系 碩 士 論 文 。
5. 卓 裕 仁 (2001)，「 以 巨 集 啟 發 式 方 法 求 解 多 車 種 與 週 期 性 車 輛 路 線 問 題 之 研 究 」， 交 通 大 學 運 輸 工 程 與 管 理 學 系 所 博 士 論 文 。
6. 徐俊誠(2000)，「車輛途程含取貨問題解法之研究」，大業大學工業 工 程 研 究 所 碩 士 論 文 。
7. 莊英群(2003)，「應用禁忌搜尋法於混合送收貨之車輛途程問題」，
逢 甲 大 學 工 業 工 程 研 究 所 碩 士 論 文 。
8. 曾維豪(2000)，「軟性時窗與回程撿收之車輛途程問題研究」，元智 大 學 工 業 工 程 研 究 所 碩 士 論 文 。
9. 魏 宗 徹 (2001) ，「 整 合 時 窗 限 制 與 回 程 撿 收 之 多 車 種 車 輛 途 程 問 題 」， 元 智 大 學 工 業 工 程 研 究 所 碩 士 論 文 。
10. Charon, I. and O. Hudry, (1993) “The Noising Method: a New Method for Combinatorial Optimization,” Operations Research Letters, Vol.14, pp.133-137.
11. Christofides, N. & S. Eilon, (1969) “An Algorithms for Vehicle Dispatching Problem,” Operations Research Quarterly, Vol.20, pp.568-589.
12. Daniel, O., B. Golden and A. Edward, (1988), “Vehicle Routing with Backhauls: Models, Algorithms, and Case Studies,” in B. Golden and A Assad (eds.), Vehicle Routing: Methods and Studies, North-Holland, Amsterdam, pp.127-147.
13. Deif, I. and L. Bodin, (1984), “Extension of the Clarke-Wright algorithms for solving the Vehicle Routing with Backhauling,” in A.
Kidder (ed.), Proceedings of the Babson Conference on Software Uses in Transportation and Logistics Management, Babson Park, MA, pp.75-96.
14. Dorigo, M., D. Caro, and Gambardella, L. M., (1999) “Ant Algorithms for Discrete Optimization,” Artificial Life, Vol.5, No.2, pp.137-172.
15. Dueck, G. and T. Scheuer, (1990) “Threshold Accepting: a General Purpose Optimization Algorithm Appearing Superior to Simulated Annealing,” Journal of Computational Physics, Vol.90, pp.161-175.
16. Dueck, G., (1993) “New Optimization Heuristics: the Great Deluge Algorithm and the Record-to-Record Travel,” Journal of Computational Physics, Vol.104, pp.86-92.
17. Fisher, M., M. Ball, T. Magnanti, C. Monma and G. Nemhauser (eds.), (1995) “Vehicle Routing,” in Handbooks in Operations Research and Management Science 8: Network Routing, North-Holland, Amsterdam, pp.1-33.
18. Glover, F., (1986) “Future Paths for Integer Programming and Links to Artificial Intelligence,” Computers & Operations Research, Vol.13, pp.533-549.
19. Glover, F. and Laguna, M., (1997) “Tabu Search”, Kluwer Academic Publishers, Massachusetts.
20. Goetschalckx, M. and C. Jocabs-Blencha, (1989) “The Vehicle Routing Problem with Backhauls,” European Journal of Operational Research, Vol.42, pp.39-51.
21. Gu, J. and X. Huang, (1994) “Efficient Local Search With Search Space Smoothing: A Case Study of the Traveling Salesman Problem (TSP),” IEEE Transaction on Systems, Man and Cybernetics, Vol.24, No.5, pp.728-736.
22. Han, A. and Y. Cho, (1999) “A New Meta-Heuristic Approach to the Fleet Size and Mix Vehicle Routing Problem,” Journal of the Eastern Asia Society for Transportation Studies 3, pp.255-270.
23. Han, A. and Y. Cho, (1999) “Generic Intensification and Diversification Search on the Fleet Size and Mix Vehicle Routing Problem,” Proceedings of the Third Metaheuristics International
Conference (MIC’99), Angra dos Reis, Rio de Janeiro, Brazil, pp.269-273.
24. Han, A. and Y. Cho, “A GIDS Meta-heuristic Approach to the Fleet Size and Mix Vehicle Routing Problem,” in C. Ribeiro, and P. Hansen (eds.), Essays and Surveys in Metaheuristics, Kluwer Academic Publishers, Massachusetts (to appear).
25. Kirkpatrick, S., C. Gelatt, and M. Vecchi, (1983) “Optimization by Simulated Annealing,” Science 220, pp.671-680.
26. Lin, S., (1965) “Computer Solution of the Traveling Salesman Problem,” Bell System Technology Journal, Vol.11, pp.2245-2269.
27. Mladenovic, N. and P. Hansen, (1997) “Variable Neighborhood Search,” Computers & Operations Research, Vol.24, pp.1097-1100.
28. Osman, I. and N. Wassan, (2000) “A Reactive Tabu Search Meta-heuristic for the Vehicle Routing Problem with Back-hauls,”
Working Paper/AUB/GSBM, American University of Beirut, Lebanon.
29. Osman, I.H., (1993) “Metastrategy Simulation Annealing and Tabu Search Algorithms for the Vehicle Routing and Scheduling Problem with Time Windows,” European Journal of Operational Research, Vol.41, pp.421-451.
30. Potvin J., C. Duhamel and F. Guertin, (1996) “A Genetic Algorithms for Vehicle Routing Problem with Backhauling,” Applied Intelligence, Vol.6, pp.345-355.
31. Solomon, M., (1983) “Vehicle routing and Scheduling with Time Window Constraints: Models and Algorithms,” PH.D. Dissertation, Department of Decision Sciences, University of Pennsylvania.
32. Thangiah, R., and J. Potvin, and T. Sun, (1996) “Heuristic Approach to Vehicle Routing with Backhauls and Time Windows,” Computers and Operations Research, Vol. 23, No. 11, pp. 1043-1057.
33. Toth, P. and D. Vigo, (1997) “An Exact Algorithms for the Vehicle Routing Problem with Backhauls,” Transportation Science, Vol.31, No.4, pp.372-385.
34. Toth, P. and D. Vigo, (1999) “A Heuristic Algorithm for the Symmetric and Asymmetric Vehicle Routing Problem with