排程大都是 NP-Hard (Garey & Johnson, 1979)的題目，意思是說當工件數及 機台數增加時，其複雜度會上升很多，例如：3 個工件 3 台機台，其有(3!)3種組
螞蟻演算法(Ant Colony Optimization；ACO)、模擬退火法(Simulated Annealing；
SA)，這樣的演算法可以在相當短的時間內，求得一個不錯的解，甚至可以求得 最佳解，而本篇論文所使用到的搜尋式演算法是基因演算法。
1.2 研究議題
本論文是流程式生產(Flow Shop)排程，生產加工模式(如圖 1.2)是各個加 工機台皆為不同機台且排列在同一條生產線上，各個工件從機台一開始加工，每 個工件都必頇要經過每部機台加工，以圖 1.2 為例，工件從機台一進入加工系 統，當工件從第一部機台加工完成，則轉送到機台二加工，最後三部機台都加工 完成後，從機台三產出，因此該部機台的緩衝區內已無前一部機台的加工完的工 件時，該部機台就必頇閒置，直到工件到達。
圖 1.1 流線型工廠圖示
工件又分為很多的工件族，同一個工件族(Family)的特性是當連續在同一部 機台上加工時不用整備時間(Setuptime)，當同一部機台其加工的工件族更換 時，這時就必頇要花費整備時間，本論文就是希望節省這樣的整備時間，所以加 工一定把同一個工件族的工件一起加工。
而本論文探討的是具有順序相依整備時間(Sequence Dependent Setups)性 質的加工模式，且擁有非固定序列(Non-permutation)特性，所以，各個工件族 的在各個機台上的加工順序可以不同。
而這樣的一個排程問題，套用在現實生產情境的例子可以是印刷電路板的插
件機製程的排程問題(Schaller et al.2000)。每一塊電路板上都要插上非常多
較好的解。
圖 1.2 基因演算法示意
1.4 研究方法與假設
本論文研究的問題是非固定序列特性之流程式工廠排程，而在工件族間具有 順序相依的整備時間，這類的排程問題，可以透過本篇論文的研究來決定如何作 工件在各工件族內的排序以及各工件族在各機台的加工順序。
本研究的重點是從染色體表達法的改善，而研究的數據是依照 Lin et al.
（2009）的論文，該篇論文對整備時間分成長、中、短三種，而在各種整備時間 底下，對機台數和工件族數目又做了十種組合，所以全部的情境一共有三十種，
因為本篇的研究是希望從表達法的改善，來跟該篇論文比較，看基因演算法最後 的求解品質是否真有提升，所以，本篇研究也使用這三十種情境，而基因演算法 的進化機制則是符合該篇論文的方法。
本篇論文的問題是屬於靜態排程，也就是說在演算法開始前，已知總共有多 少工件且各個工件其各屬性（如在各機台上的加工時間、交期）皆已確定。
而這篇論文使用的衝量績效指標是 Cmax意即 Makespan，就是從一開始，到 全部工件完成加工，其中所需要花費的時間。
本篇論文的假設有：
1. 在同工件族內，各工件間的整備時間忽略不計。
2. 各機台的最一開始的工件一到馬上就可以加工，即準備時間設為零。
3. 在機台與機台間的運輸時間等於零。
4. 機台前緩衝區內的在製品量沒有上限。
5. 一部機台一次只能加工一個工件。
1.5 論文組織
本論文內容共含有五章。第一章是說明研究背景、研究議題、研究動機和研 究方法與假設介紹。而第二章是作相關文獻的介紹，首先是對流程式製造單元排 程作介紹，再說明具順序相依整備時間與不具順序相依整備時間的差異，接著說 明非固定序列特性，第二章最後對求解工具基因演算法作介紹。第三章是針對問 題的定義，說明演算法採用的進化機制，以及不同染色體表達法在使用上造成解 讀的差異。第四章為傳統染色體表達法與改良式的染色體表達法，其針對 Makespan 的結果差異。第五章則是提出未來可以延伸之研究方向。