第一章 緒論
1.1 研究動機
在現今的社會中，供應鏈的觀念早已廣為企業界所熟知與接受，尤其是想 在競爭日趨激烈的環境下求生存。供應鏈涉及搜源、採購及物流等所有活動的規 劃與管理，並整合企業內部，甚至是企業之間的供應與需求管理，完善的供應鏈 管理往往能夠為業者在同業的競爭壓力下取得競爭優勢，並間接降低企業之成本，
進而提高了效率與品質[37]。
由上述得知，物流乃是供應鏈其中的一環，由於近年來商業流程縮短、連鎖 店興起以及市場採薄利多銷策略，使得物流逐漸受到重視。另一方面，由物流所 衍生的研究，像是車輛排程問題(Vehicle Routing Problem, VRP)也因而在國內外 都有廣泛的探討。VRP 起初僅考慮單一場站之配送，但隨著顧客需求以及全球趨 勢影響，單一場站已無法滿足現今社會之需要，因此衍生出多場站之車輛途程問 題(Multi-Depot Vehicle Routing Problem, MDVRP)。
在物流服務中，根據顧客之要求將貨物從指定點收貨再送之另一指定點，這 類問題稱之為收送貨問題(Pickup and Delivery Problem, PDP)，此亦為 VRP 之延 伸，PDP 與 VRP 不同在於前者所服務的顧客必定同時包含一收貨作業與一送貨 作業，且分別有不同之作業地點，並必頇以同一車輛進行服務，且需先完成收貨 作業才可進行送貨作業；而後者其顧客需求僅為收貨作業或收貨作業之服務。綜 合以上所述，結合 MDVRP 與 PDP 之特性，衍生出多場站之收送貨問題
(Multi-Depot Pickup and Delivery Problem, MDPDP)。
MDPDP為現今社會中常見之運輸型態，諸如宅配業等，但相關研究甚少。
此外MDPDP屬於NP-hard問題[11][22]，故很難在有限時間內找到問題之最佳解，
近年來有許多屬於NP-hard問題皆透過如模擬退火法（Simulated Annealing, SA）、 禁制搜尋法（Tabu search）等啟發式演算法來求解，其求解效果不差，在實務上 被廣為應用。
粒子群最佳化發展十幾年，在啟發式解法中相對其他方法是屬於較新穎的，
所以近年來受到相當廣泛的研究(多目標最佳化、類神經網路以及生物識別安全 系統)[20]。研究亦發現其用於大規模之問題時，求解之效率與解的品質在標竿 範例的表現上都不差[17][30]。
因此本研究將針對較少被研究之MDPDP，參考過去文獻並根據問題定義來 建構一數學模式，以粒子群最佳化為基礎下，設計兩種啟發式演算法，對於 MDPDP產生在不違反車輛路徑限制與收送貨順序限制之情況下滿足顧客訂單需 求的解。
2
1.2 研究目的
本研究的目的為先建構MDPDP之數學模式，並設計一套粒子群最佳化來 求解，在參數測詴中，針對粒子群最佳化之參數提出新的更新方式，以範例測詴 之方式，期能對於各範例皆能找出一組路徑成本最低之配送路徑，最後檢討本研 究之演算法績效，供未來研究之進一步探討。
1.3 研究範圍與相關名詞說明
本小節首先定義MDPDP問題相關名詞，再說明本研究所探討的範圍，MDPDP 問題相關名詞定義如下：
(1)顧客訂單：公司接獲顧客的訂單後，即產生一個收貨作業與一個送貨作業的 配對，完成服務此訂單的收送貨後才算完成此筆顧客需求。
(2)場站：每部車輛之起迄點，在本研究中車輛之起迄點為相同。
(3)路徑：每部車輛從場站出發後，最終再回到場站的路徑稱為路徑。
(4)優先限制(Precedence Constraints)：針對每一顧客需求，收貨作業的服務順序 必優先於送貨作業前，如圖1-1所示。
(5)聯結限制(Paring Constraints) ：每一顧客需求之收送貨作業均由同一輛車服 務。
圖 1-1 巡迴路徑之優先順序與聯結限制示意圖[35]
3
本研究所探討之多場站收送貨問題，其場站位置、場站數量皆已知，場站沒 有容量限制，每個場站所擁有的車輛數目已知，車輛僅考慮單一車種，且皆有 相同的容量限制，每部車輛所行駛之途徑皆構成一條封閉式的服務路線。
在需求點方面則是分成收貨點與送貨點，同一組的收貨作業需於送貨作業前 完成，並由同一車輛服務。因此本研究之MDPDP可描述為：需求包含收貨作業 與送貨作業兩部分，車輛由場站空車出發，在不違反車輛容量限制下服務一連串 之顧客訂單，一顧客訂單可分為收貨和送貨，且同一訂單之收貨作業必頇在送貨 作業前先完成，最後再空車回到場站，並尋求總旅行距離成本最小的車輛路徑組 合。其問題特性如下：
(1)每部車由某一場站出發，最終會回到同一場站。
(2)網路上所有節點需被滿足。
(3)每個顧客需求包含一個收貨作業與一個送貨作業，頇由同一車輛進行服務，
且只能服務一次。
(4)每部車輛所服務之總容量不能超過車輛容量限制。
(5)一需求指派給一車輛進行服務，則車輛的行駛路線必頇包含該需求的收貨作 業與送貨作業，且收貨作業的服務順序必頇於送貨作業前。
(6)車輛於需求點完成後立即離開，並前往下一個需求點。
(7)每部車輛沒有行駛路線長度之限制。
1.4 研究流程
本研究之流程為先界定問題，接著回顧MDPDP之相關文獻與粒子群最佳化 之相關研究，並建構一能夠滿足本研究之多場站收送貨問題的數學模式以及應用 粒子群最佳化於MDPDP。最後再透過詴驗範例，根據其分析結果，提出結論與 建議，如圖1-2所示。
4
問題界定
相關文獻搜集與回顧
建立數學模式架構
粒子群最佳化之求解
範例測詴與分析
結論與建議
圖 1-2 研究流程圖