第一章 緒論
1.1 研究背景與動機
旅遊已經是很多人的休閒活動，大家運用有限的時間規劃假期到某個地區城 市或出國旅遊。我們可以從網路或相關書籍獲得某些地方城市的熱門景點或是個 人感興趣的地點。而現今有許多導航軟體或是路線查詢的程式可以提供地點之間 交通的資訊，使得現在旅遊除了參加旅行團規劃的行程外，我們可以更方便自己 規劃旅遊行程安排更多自己想要走的景點。然而在時間限制上無法參觀所有的景 點，在挑選景點上必須作出取捨。除了參考其他到此旅遊過的人來得到一些建議 或適合的規劃，我們也希望藉由這些導航裝置提供的資訊來提供更完整的路線規 劃。而現今較少有可以一次規劃這麼多景點並且依據個人的喜好程度來規劃出適 合個人的旅程程式。
當遊客到一個城市或地區旅遊一天或是很多天，遊客有他們感興趣的興趣點
(Point of interest, POI)，而在時間限制下遊客不可能參訪所有的興趣點，在這樣的 條件下規劃出一天或是多天可以滿足使用者的旅遊路線。假設遊客對所有的興趣 點可以評估出他們感興趣的分數並有每個興趣點的資訊，例如：位置、開門時間 與關門時間，加上遊客在每個興趣點花費的時間，在整體時間限制上規劃出可以 獲得所有興趣點分數總和最大的旅程路徑。這個問題可描述為越野競賽問題
2
(Orienteering problem, OP)。越野競賽問題已經被驗證是 NP-hard [1]。越野競賽問 題又可以衍生出不同類型的問題，而根據興趣點含有時窗還有需要規劃多天的旅 程稱為具時窗之團隊越野競賽問題 (Team orienteering problem with time windows,
TOPTW)。
1.2 具時窗之團隊越野競賽問題
具時窗之團隊越野競賽問題定義如下：給予 n 個地點，每個地點 i = 1… n，
含有一個分數 pi、服務時間 Ti以及時窗[Oi,Ci]。到達地點的時間必須在時窗之內
，如果到達時間比時窗開始的時間早則要等待至時窗開始的時間。每條路徑從起 點到終點。由地點 i 到地點 j 之間所花費的時間為 cij。每個路徑在總花費時間不 得超過 Tmax，且每個地點只能參觀一次。求解目標為：固定的路徑數 m，在上述 的限制下找出所有路徑所參觀的地點分數總和為最大。Vansteenwegen 等人 [4]
將此問題以混合整數規劃的模型表示。
定義其函式使用的變數：
xijd：若在路徑 d 中地點 i 接下來參觀的地點為 j，其值為 1，否則為 0。
yid：如果地點 i 在路徑 d 中其值為 1，否則為 0。
sid：在路徑 d 地點 i 開始服務的時間。
ai：抵達地點 i 的時間。
wi：抵達地點 i 需要等待的時間。
3
4
1.3 研究目的、方法與貢獻
本論文以 Vansteenwegen 等人的 ILS [4] 為基礎，此演算法雖然並不是目前較 好，但其執行時間是最快的。其加入點的流程是在此問題產生解很常使用的方法
。我們觀察整個演算法產生的結果，其計算選擇加入的點的流程以及對區域最佳 解擾動方式是決定性的，因此會容易卡在區域最佳解。所以我們修改加入點的流 程，藉由將各點分成數個叢集，使它可能根據不同區域產生不一樣的路徑。再觀 察其結果與最佳解的差異，可能藉由路徑結合的概念來產生最佳解的路徑。因此 藉由以多個個體彼此之間做交配，再使用區域搜尋法改善個體。文化基因演算法 主要流程為基因演算法其演化過程中使用區域搜尋法，我們提出路徑結合的交配 方法，並研究 (1) 兩種適應值的算法以及 (2) 利用不可行解在族群的影響和不可 行解計算適應值時有懲罰值的效果。
1.4 全文架構
本篇後續篇章，第二章介紹各種具時窗之團隊越野競賽問題使用的演算法及 其他相關問題的演算法。第三章介紹文化基因演算法的流程。先介紹基因演算法 流程，包含本篇初始化方法以及交配方法和計算的適應值。接著是本篇使用的區 域搜尋法，根據區域搜尋使用的時間不同，分別有在基因演算法後使用區域搜尋 的方法，以及在演化過程使用區域搜尋的文化基因演算法。第四章介紹測試問題 及本篇演算法相關實驗數據分析。第五章本篇演算法結論及未來可以發展方向。
5