本章共分兩個小節；第一節針對本研究進行結論的探討；第二節說明未來的 研究方向。
5.1 研究結論
本研究藉由瀰集演算法搭配 Wu et al. (2011)染色體表達法對於具有固定序 列、順序相依整備時間特性的流線型生產製造單元排程問題提升其求解品質，利 用瀰集演算法搭配舊染色體表達法來當作比較對象，探討在績效指標最大完工時 間與運算時間的差異。
本研究所使用的實驗包含三種整備時間(SSU、MSU、LSU)與十種情境 (Family數，機台數):{(3，3)，( 3，4)，( 4，4) ，(5，5)，( 5，6)，( 6，6)，(8，
8)，( 10，8)，( 10，10) }的組合。這些組合針對不同的工件數與不同的加工時間 做30個實驗問題。為了減少因為不同初始解所造成結果的影響，每個實驗問題包 含15個Seed。實驗的初始解在新舊表達法上皆使用同Initial Solution，而其終止條 件為連續未改變最佳解兩千代。
本研究經過了大量的實驗分析後，認為本研究所使用的新染色體表達法搭配 瀰集演算法在績效指標上的確優於舊染色體表達法搭配瀰集演算法，雖然本研究 在績效指標和運算時間上的改善率並不多，但由贏加帄手的次數以及統計檢定的 結果可以看來本研究採用新的染色體表達法來求解問題對於改善績效上是有顯 著的幫助，且當情境加大時，績效上面的改善率以及運算時間的節省上都大幅增 加。
此結果顯示一個新的重要研究方向，利用巨集啟發式演算法於不同空間求解 問題時，新的染色體表達法可以改善空間求解問題的績效。
5.2 未來研究方向
本研究未來希望嘗詴其它的績效指標，像是交期相關(Due-date related Measures)的總延遲時間（Total tardiness），是否在結果上也能有相同的成效，以 確認結論的正確性。接著考慮情境大小對於結果影響的因素，進而嘗詴探討本研 究所使用的染色體表達法搭配瀰集演算法優於舊染色體表達法搭配瀰集演算法 的原因。若能了解原因，在未來求解其他相關的問題上，也能夠用相同的結論進 行套用。
根據本研究的結論，可以考慮嘗詴具有非固定序列特性的流線型生產製造單 元排程問題，探討結果上面是否具有一致性，且使用具有非固定序列的特性相較 於固定序列，具有較大的求解空間，雖然在求解時間上可能較久，但可以使得績 效指標提升。本研究也可嘗詴其它的巨集啟發式演算法，將其皆綜合起來，尋求 一致性的結論。
參考文獻
Abdelmola, A.I., Taboun, S.M., and Merchawi, S., 1998. Productivity Optimization of Cellular Manufacturing Systems. Computers industrial engineering, 35 (3-4), 403–406.
Bouabda, R., Jarboui, B., Eddaly, M., and Rebaı, A., 2011. A branch and bound enhanced genetic algorithm for scheduling a flowline manufacturing cell with sequence dependent family setup times. Computers & Operations Research, 38, 387–393.
Chen, J.S., Pan, C.H., and Wu, C.K., 2008. Hybrid tabu search for re-entrant
permutation flow-shop scheduling problem. Expert Systems with Applications, 34, 1924–1930.
Chiang, T.C., Cheng, H.C., and Fu, L.C., 2010. A memetic algorithm for minimizing total weighted tardiness on parallel batch machines with incompatible job families and dynamic job arrival. Computers & Operations Research, 37, 2257–
2269.
Chiang, T.C., Cheng, H.C., and Fu, L.C., 2011. NNMA: An effective memetic
algorithm for solving multiobjective permutation flow shop scheduling problems.
Expert Systems with Applications, 38, 5986–5999.
Deutsch, S.J., Freeman S.F., and Helander, M., 1998. Manufacturing cell formation using an improved P-Median model. Computers industrial engineering, 34 (1), 135–146.
França, P.M., Mendes, A., and Moscato, P., 2001. A memetic algorithm for the total tardiness single machine scheduling problem. European Journal of Operational Research, 132, 224–242.
Hendizadeh, S.H., Faramarzi, H., Mansouri, S.A., Gupta, J.N.D., and ElMekkawy,
T.Y., 2008. Meta-Heuristics for scheduling a flowline manufacturing cell with sequence dependent family setup times. International Journal of Production Economics, 111, 593-605.
Jain, A.S. and Meeran, S., 1999. Deterministic job-shop scheduling:past,present and future. European Journal of Operational Research, 113, 390–434.
Liao, L.M. and Huang, C.J., 2010. Tabu search for non-permutation flowshop scheduling problem with minimizing total tardiness. Applied Mathematics and Computation, 217, 557–567.
Lian, Z., Gu, X., and Jiao, B., 2006. A similar particle swarm optimization algorithm for permutation flowshop scheduling to minimize makespan. Applied
Mathematics and Computation, 175, 773–785.
Lin, S.W., Ying, K.C., and Lee, Z.J., 2009. Metaheuristics for scheduling a
non-permutation flowline manufacturing cell with sequence dependent family setup times. Computers & Operations Research, 36, 1110–1121.
Metropolis, N., Rosenbluth, A., Rosenbluth, M., and Teller, A., 1953. Equation of StateCalculations by Fast Computing Machines. J. Chemical Physics, 21 (6), 1087–1092.
Moscato, P., 1989. On evolution, search, optimization, genetic algorithms and martial arts: Toward memetic algorithms. Caltech Concurrent Computation Program, California Institute of Technology, Pasadena, Tech. Rep.790.
Neammanee, P. and Reodecha, M., 2009. A memetic algorithm-based heuristic for a scheduling problem in printed circuit board assembly. Computers & Industrial Engineering, 56, 294–305.
Schaller, J. E., Gupta, J. N. D., and Vakharia, A. J., 2000. Scheduling a flowline manufacturing cell with sequence dependent family setup times. European
Spiliopoulos, K. and Sofianopoulou, S., 1998. An optimal tree search method for the manufacturing systems cell formation problem. European Journal of
Operational Research, 105, 537–551.
Wu, M.C., Tai, P.H., and Chiou, C.W., 2011. A Comparison of Two Chromosome Representation Schemes Used in Solving a Family-Based Scheduling Problem.
to be presented in International Conference of Flexible Automation & Intelligent Manufacturing (FAIM), June, 2011, Taiwan.
Zhang, Y., Li, X., and Wang, Q., 2009. Hybrid genetic algorithm for permutation flowshop scheduling problems with total flowtime minimization. European Journal of Operational Research, 196, 869–876.
Zobolas, G.I., Tarantilis, C.D., and Ioannou, G., 2009. Minimizing makespan in permutation flow shop scheduling problems using a hybrid metaheuristic algorithm. Computers & Operations Research, 36, 1249–1267.
周書賢，「開放型工廠派工法則之模擬研究」， 朝陽科技大學工業工程與管理系 碩士班，2001。
黃維樺，「彈性製造系統中考慮運輸時間之排程探討」，中原大學工業工程系碩士 論文，1994。
賴士葆，「生產作業管理」， 華泰書局，2004。
戴邦豪，「應用混合式染色體表達法於具順序相依家族整備時間之流線型製造單 元排程」，國立交通大學工業工程與管理學系碩士論文，2010。