緒論

第一章 緒論

1.1 研究動機與目的

目前全球商業的競爭態勢已然改變，從企業對企業的競爭逐漸轉為供應鏈(Supply Chain)對供應鏈的競爭。在供應鏈內上、下游不同的企業組織均需配合整個供應鏈的流 程與活動，以降低成本，提升效率，並共享其利潤。而物流作業為供應鏈相當重要的一 個環節，並佔有不少的成本；為滿足企業的需要，乃有整合型物流服務業者的興起，為 企業提供了物流、金流和資訊流各方面之解決方案。而配送物料實體的車輛路線安排與 規劃仍然是其諸多考量中不可忽視的一個課題。

車輛路線問題(Vehicle Routing Problem, VRP )與旅行銷售員問題(Traveling Salesman Problem, TSP)是其中最基本的兩種問題型態。隨著實務狀況的不同，更衍生出許多更複 雜的應用類型。這類問題的複雜程度屬於NP-Hard；在問題規模很大時，通常以啟發式 解法來求解，冀求能在有效率的時間內求得精確度很高的近似解。目前，巨集啟發式解 法已成為求解這類問題的主要方法。常見的類型如：禁忌搜尋法(Tabu Search, TS)、演化 法(Evolutionary algorithm, EA)、門檻接受法(Threshold Accepting, TA)和螞蟻演算法(Ant Colony Optimization, ACO)等等。這些方法均有避免陷入局部最佳解的機制，在搜尋的 過程中能幫助獲得更好的解。其中，門檻接受法具有解題精確度高，運算時間短等特點，

亦已應用在各式的網路組合最佳化問題。

Tarantilis et al. [38]提出可回溯式門檻接受法(Backtracking Adaptive Threshold Accepting, BATA)，其與傳統的門檻接受法同樣採取較為寬鬆的接受法則(為一門檻值)，

使其接受劣於現解的鄰解，有助於在搜尋時能跳脫局部最佳解束縛。但其收斂型態則非 單調的逐漸遞減，而允許有門檻值回溯的情形發生；即找不到一個可接受的暫時解時，

可將門檻值予以放鬆再重新搜尋。這種設計對於VRP 的解題績效相信會有更佳的結果，

惟其程度為何，頗值得探討。

同時，門檻型演算法所採用的局部搜尋方法(Local Search)，或是鄰域搜尋法 (Neighborhood Search)，對於解的品質優劣有著關鍵的影響。假若不能快速地找出局部 最佳解，最終也無法獲得優良的解。另一方面，由於每種鄰域搜尋方法對於鄰域 (Neighborhood)的概念皆有所不同，搜尋方向與範圍也跟著不同。若適當地結合數種不 同的鄰域搜尋方法，相信將可以對於其鄰近點進行綿密而有效的搜尋，而迅速獲得局部 最佳解。而本研究選擇 GENIUS 此著名的 TSP 啟發式解法加以調整，並搭配其他不同 類型的交換法，以達成上述目的。

綜合以上所述，本研究之目的即在以此種新型的門檻接受法為基本求解架構，探討 其應用在VRP 上的解題精確度與速度。並由前述之鄰域搜尋概念，以 GENIUS 與其他 類型交換法互相搭配輔助，建構出一套有效率的求解方法，期能再推廣至其他車輛路線 問題。

1.2 研究內容與範圍

本研究是以可回溯式門檻接受法作為VRP 主要的解題架構，並結合 GENIUS 與其 他鄰域搜尋法工具，發展成一套有效率的巨集啟發式解法。故本研究之內容與範圍為：

2

(1) 以 C#語言為 GENIUS 與其他交換法撰寫程式；並於國際標準題庫找尋 VRP 測試 例題，以測試其解題的效果與應用限制，作為日後BATA 啟發式解法架構選擇參考。

(2) 建立以 BATA 為架構的巨集啟發式解法，並以 C#語言撰寫程式，選擇 VRP 測試 例題求解，以對其整體解題績效作進一步比較分析，並對應用時所設定的參數與求 解架構提出建議。

(3) 對發展 BATA 求解架構所遭遇到的限制與發現做一整理，以供進一步修改或後續 研究之參考。

1.3 研究方法與流程

本研究的重點在於以可回溯式門檻接受法作為 VRP 主要的解題架構，結合 GENIUS、2-Opt、Or-Opt、1-0、1-1 等著名的鄰域搜尋法解題工具，發展成一套有效率 的巨集啟發式解法。因此，本研究之研究流程與執行步驟，將如圖1.1 所示，並分述如 下：

(1) 相關文獻蒐集與回顧

回顧VRP 相關解法之發展，以及目前國內外關於 GENIUS 與 BATA 等啟發式解法 之應用情況。

(2) 測試題庫蒐集

於網路上蒐集標準國際題庫，如VRP Web[43]，可提供相關例題與結果。整理例題 後供測試與評估績效之用。

(3) 啟發式解法方法論彙整

彙整目前所發展的GENIUS 與其他各式啟發式解法之方法論，並加以分析，提供未 來巨集啟發式解法選擇組合的參考。

(4) 起始解構建

採用一般化插入法(Generalized Insertion, GENI)建立起始解構建模組，並針對 VRP 的問題特性加以調整。

(5) 改善模組

以解繫法(Unstring-and-String, US)與其他鄰域搜尋法建立改善模組。此部份為針對 前一步驟所得之起始解進行改善，獲得一個更佳的解。

(6) 巨集啟發式解法

以可回溯式門檻接受法為架構，並結合解繫法與其他鄰域搜尋法，作為本研究VRP 巨集啟發式解法的求解架構。

(7) 實驗設計與參數設定

以不同的參數設定與執行架構以試驗其對於問題變異的敏感程度。

(8) 測試結果比較與分析

以標準的國際題庫進行例題測試，藉以獲得較佳的參數設計，與了解其解題特性與

3

績效，最後從中探討此求解模組的發展可行性與應用潛力。

(9) 結論與建議

根據前述各步驟的結果，整理出具體的結論，並就未來可能的重點項目與後續研究 提出建議。

相關文獻蒐集與回顧

測試題庫蒐集

結論與建議 實驗設計/參數設定

鄰域搜尋法之方法論彙整

起始解構建

鄰域搜尋

VRP題庫執行測試

測試結果比較與分析 巨集啟發式解法架構

圖1.1 研究流程圖

4