1.1 研究動機與目的
全球商業的競爭態勢改變，從企業對企業間的競爭逐漸擴大到供應鏈(Supply Chain) 對供應鏈間的競爭。在供應鏈內上、下游的企業組織都必須配合整體供應鏈的流程與活 動，以降低成本、提升效率並共享利利潤。其中物流配送作業為供應鏈內相當重要的一 個環節，佔不少成本，因此受到企業重視與關切。在物流配送相關領域當中，車輛路線 問題(Vehicle Routing Problem, VRP)的應用在於如何有效利用車輛及規劃出經濟的取、送 貨路線，才能有效降低運輸成本、提高效率並創造收益。因此車輛路線問題是許多企業 物流配送部門的重要課題。
車輛配送實務上存在有送貨與取貨需求的顧客點。倘若從場站出發服務完所有送貨 點的顧客後，利用此空車在回程的路上進行取貨作業，可以提高車輛的使用率並節省多 派車取貨的成本，如此型態的問題稱作「回程取貨車輛路線問題(Vehicle Routing Problem with Backhauls, VRPB)」。VRPB 問題將顧客需求點分為送貨點(Linehauls)與取貨點 (Backhauls)，車輛將貨物從場站運送給送貨點；由取貨點收取貨物運回場站。並假設同 一車輛必須先服務完所有送貨點顧客，然後才能開始服務取貨點顧客。VRPB 實務例子 很多，在Daniel, O. et al.[10]文獻中也舉出 VRPB 實務上的應用最常出現在食品雜貨運 輸上。例如：對於一食品雜貨製造工廠而言，超市及各零售商就是其送貨點；食品雜貨 原物料產地就是其取貨點。工廠將製好的產品利用車輛送往超市及各零售點後；回程
時，利用此空車到原物料產地進行取貨，把原物料送回製造工廠。如此就是一典型VRPB
的例子。
VRPB 為 VRP 問題的延伸，同屬 NP-hard 的問題，當問題規模增大時，求解時間隨 問題變數個數呈指數成長。此類問題求解適合運用啟發式解法(Heuristic Algorithms)，期 望能在有效時間內找出精確度高的近似解。近年來的文獻大多設計巨集啟發式解法 (Meta-heuristics)來求解 NP-hard 的問題。巨集啟發式解法的架構是以高階的策略做為指 引，同時結合傳統的啟發式解法做搜尋，來跳脫或避免落入局部最佳解。常見的巨集啟 發式解法有禁忌搜尋法、演化法、門檻接受法、螞蟻演算法及近年所提出的可回溯式門 檻接受法(Backtracking Adaptive Threshold Accepting, BATA)等。廖昱傑[47]曾應用 BATA 並對門檻回溯公式做一修改來求解VRP 問題，結果與標竿題庫差距僅 0.87%，顯示 BATA 可成為相當好的巨集啟發式方法。
綜合上述，且文獻中尚無嘗試以確定性接受的門檻型巨集啟發式解法求解VRPB 問
題，故本研究之目的即在以BATA 為求解架構，探討其在 VRPB 問題求解上的效率與精 確度。使用廖昱傑[47]的修正門檻回溯公式，並且應用兩極跳躍法（Flip-Flop, FF）[44]
的概念針對門檻回溯情形發生時，設計一包容性搜尋模組為找尋成本小於門檻中最大的
解做交換以增加搜尋機制的廣度。期望能構建出一套有效率的求解方法，在有效的時間 下求解出精確度高的近似最佳解。
1.2 研究內容與範圍
VRPB 問題將顧客需求點分為送貨點(Linehauls)與取貨點(Backhauls)，車輛將貨物 從場站運送給送貨點；由取貨點收取貨物運回場站。並假設同一車輛必須先服務完所有 送貨點顧客，然後才能開始服務取貨點顧客。
茲將本研究所要探討的VRPB 問題特性整理如下表 1.1：
表1.1 本研究之 VRPB 問題特性
1
問題類型 特性說明
設施資源 1. 單一場站 2. 單一車種
3. 車輛數已知且固定 4. 車輛有容量限制 5. 每輛車僅服務一條路線 顧客需求 1. 分為送貨點與取貨點
2. 需求固定且不可分割 節點服務 1. 流量守恆
2. 避免子迴路
3. 同路線內，先送貨、後取貨
4. 每個顧客點只被一輛車服務僅一次 5. 同路線內不可全為取貨點
最佳化目標 總行駛路線成本最小
本研究的主要內容如下：
1. 探討與回顧 VRPB 相關文獻和啟發式解法。
2. 以改良型可回溯式門檻接受法作為 VRPB 主要的解題架構，並結合傳統路線構建與 鄰域改善方法，發展求解VRPB 之巨集啟發式解法。
3. 以 C#語言為路線構建與其他交換法撰寫程式，並為以改良型可回溯式門檻接受法 為架構之巨集啟發式解法撰寫程式。
4. 蒐集國際文獻已發表之 VRPB 問題所使用之標竿題庫作為測試例題，並以本研究所
發展之巨集啟發式解法進行求解，藉此瞭解其應用於VRPB 測試例題的解題績效。
5. 針對本研究發展的求解架構所遭遇到的問題與發現做一整理，以提供進一步修改或 後續研究之參考。
1.3 研究方法與流程
由文獻回顧可知，近年來尚未有使用確定性接受的門檻型巨集啟發式解法來求解 VRPB 問題的研究。而可回溯式門檻接受法應用於組合最佳化問題在文獻上還不多見，
卓裕仁、朱佑旌[42]與廖昱傑[47]以 BATA 分別求解 HVRPBTW 與 VRP 結果都相當好。
而陳仲豪[43]以時窗離散化的方法，將 VRPBTW 的時窗限制消除，轉成無時窗的 VRPB 問題，並以BATA 為求解架構。
因此，本研究選擇使用可回溯式門檻接受法為基本的求解架構，並以啟發式解法做 為交換改善的核心搜尋方法，並針對門檻回溯情況發生時設計一包容性搜尋模組為找尋 成本小於門檻中最大的解做交換，以增加搜尋機制的廣度。期望能構建出一套有效率的 巨集啟發式解法在有效的時間內，求出較為精確的近似最佳解。
本研究之研究流程與步驟，如圖1.1 所示，並且分述如下：
(1)相關文獻蒐集與回顧
蒐集與回顧VRPB 文獻與所使用啟發式解法相關研究，並閱讀關於 BATA 巨集啟發
式解法的相關文獻，藉以瞭解VRPB 問題的架構、解題概念與策略。
(2)蒐集 VRPB 標竿題庫
蒐集目前已發表於國際期刊上求解VRPB 問題所使用的標竿題庫，及其測試的最佳
結果。本研究以Goetschalckx and Jocabs-Blencha 提出之 GJ 題庫 62 標竿例題做為測試的 題目，此題庫可由Goetschalckx 於 Georgia Institute of Technology 的個人網站[37]下載得 來。而此題庫的已知最佳解則是由已發表於國際期刊的文獻[3]、[14]、[25]、[27]與[36]
彙整而得。蒐集之題庫與已知最佳解作為本研究所提出之巨集啟發式解法的測試與評估 比較的標準。
(3)起始解構建
利用平行式的最遠起點之最省插入法(Farthest-start Cheapest Insertion, FCI)[48]建立 起始解構建模組，同時針對 VRPB 問題特性加以修改作為起始解構建模組測試。
(4)鄰域搜尋與改善模組
本階段主要針對前一階段所產生的起始解執行鄰域搜尋，使用傳統的鄰域搜尋法建 立改善模組。在路線間交換法部分，使用1-0 節點交換法、1-1 交換法與 2-Opt*節線交 換法；而在路線內交換部分，採用2-Opt 與 Or-Opt 交換法。
(5)巨集啟發式解法
運用可回溯式門檻接受法為主要架構，並結合其他核心的鄰域搜尋法。在門檻回溯 公式採用廖昱傑[47]之修改型門檻回溯公式，另外也參考兩極跳躍法的概念對包容性搜 尋模組設計找尋成本小於門檻之中最小或最大者兩種不同的模組，來建立本研究求解 VRPB 問題之巨集啟發式解法求解架構。
(6)VRPB 題庫執行測試
使用本研究所提出之巨集啟發式解法的求解架構，所蒐集之國際標竿題庫做求解與 測試。
(7)測試結果分析比較
前一階段之求解結果與國際文獻所發表的已知最佳解做比較，並分析本研究提出之 巨集啟發式解法之測試結果與執行績效，以評估此求解模組解題效率與未來發展可行 性。
(8)結論與建議
根據上述研究步驟所得之結果，整理歸納出本研究之重要發現與具體結論，並對於 未來可能的重點項目與後續研究提出相關建議以供參考。
圖1.1 研究流程圖1