經由前兩節之結果可知，可得知以下結論：
a. 演算法解與最佳解之誤差很小，且具有穩定的求解品質。
b. 費率折扣對演算法效能有影響。當費率折扣提高，求解效能略有下降趨勢。
本研究之演算法具有穩定之求解品質，能夠有此效果，推估其主要之理由可分成幾 點說明：
1. 事先根據貨物型態與問題特性做前置處理，能省去許多求解歷程。
2. 求解採用部分併裝組合產生解集空間，於求解品質上已產生有相當的落差，但 藉由逐步調整解集空間的機制發生作用，因此使得解能持續改進，最後才能求 得品質較好的近似解。
3. 部分解集空間雖然極可能落入區域最佳解的狀況，但藉由調整解集空間的機制 中，於方程式(31)中所含有的一項隨機機制，可使得落入區域最佳解時，有機會 能跳出區域的狀態而繼續改進解。
關於費率折扣的所造成的影響，有可能因為貨物的計價重量差異過大，加上求解的 停止機制採用固定數值的方式，使得求解歷程尚未達到預設目標即停止。此外，也有較 小之因素在兩個修正可行解的階段，因其方式不夠細緻，使得好答案未能產生。
就演算法本身之架構而言，其方法為可行，且在調整併裝組合的機制不夠精緻下，
仍能將演算法之解收斂至一特定範圍內，表示此方法有相當的潛力能藉由更細緻的調整 方式來改進解的品質。並且若就現實情境考量，費率折扣程度接近30%已相當的大，並 無多大空間再提高費率折扣程度，因此對演算法的實用價值的影響應相當有限。
六、結論與建議
6.1 結論混合整數規劃之併裝決策問題模式，在處理較大規模的問題時，與NP-hard 問題相 同，其求解效能並不理想，如果逕行以其他方式求解，則其求解效果未知。而藉由文獻 了解，大多數路由以及排班問題，可藉由集合涵蓋問題來求解，並且集合涵蓋問題已有 相當成熟且效能不錯之求解方法，如拉式鬆弛法即是其中之一。由於每個貨物僅能上一 個航班，所以原併裝決策問題在本質上應屬於集合分割問題，但是過往文獻皆顯示集合 涵蓋問題較集合分割問題容易求解，而且將集合涵蓋問題之解修正為集合分割問題之解 時，其步驟相當容易。
因此本研究決定將決策問題模式，以集合涵蓋問題描述，而後以常用之拉式鬆弛法 進行第一階段求解，第二階段再根據拉式解求得集合涵蓋問題之解，最後利用集合涵蓋 問題之解修正為集合分割問題。
但集合涵蓋問題的求解，必須利用一有效的集合空間，對併裝決策問題而言，可能 的集合(貨物併裝組合)空間會由於問題規模增加而過大，而使得求解相當困難。因此本 研究透過僅以部分集合空間，來達到求解的目的，並於過程中，利用 c(u)值、si(u)值對 集合空間進行調整，使得演算法解能逐步逼近最佳解。
但因為依上述方式求解出之 UB 與 L(u)值，僅能做為求解迴圈下次運算之參數，造 成停止機制必須重新設定。本研究即以集合分割問題之解趨於穩定，或設定求解次數做 為停止機制。
本研究之演算法經數值範例測試求解後，可得到以下結果：
1. 演算法在同一費率折扣下具穩定之求解品質，且與最佳解皆相當接近。
2. 不同費率折扣對演算法求解存有影響，但影響程度相當輕微。
在演算法方面，雖然求解品質已具有明顯效果，但仍有許多方向可在未來之後續研 究進行改善。
6.2 未來研究方向
本研究之演算法目前僅著重於解的品質，對於求解時間並未有很大的著墨，僅設定 在合理時間內求解，主要原因為研究目標之設定在於以演算法架構為主，參考一已知的 求解方法，根據問題特質修正解法內容來求解。在各個求解步驟裡，希望皆採取較簡單 且具有一定效果的方式，增加求解效率，並由問題特性著手，觀察求解的過程，逐步測 試多項不同的解題機制，而後定出演算法之最後架構。
於測試結果中，可發現到演算法測試之求解品質穩定，且與最佳解相當接近，因此 以此簡易之演算法架構，也能對較大規模的問題，求解出一定誤差範圍內的解。但在相 關參數部分，僅參考文獻之經驗法則，以可以穩定求解之目標為主，未做深入探討，若 能繼續深入搭配更細緻的解題機制，相信會有更佳的求解品質。
由上述說明後，可知演算法尚有許多可持續進行之議題，因此未來研究方向，將有 以下幾點：
1. 部分解集空間的調整機制。如將一次調整一個貨物，改成調整多個，或是 不同的計分基礎來挑選適合的併裝組合作為解集空間。
2. 修正為可行解的方式。以更細緻的方式來修正，如參照併裝後的總貨物密 度來修改之方式。
3. 參數部分的設定。可再多加嘗試不同的數值，來加快求解，在穩定求解品 質與速度上做權衡。
參考文獻
1. Boeing, World Air Cargo Forecast 2002-2003, http://www.boeing.com/commercial/cargo 2. 王鼎欽，「航空貨運承攬業建構電子商務及其對經營績效影響之研究」，國立海洋大
學，碩士論文，民國89 年。
3. 交通部民用航空局，民航統計年報，民國 92 年。
4. 吳思賢，「航空貨運承攬業決策輔助系統之研究」，國立交通大學，碩士論文，民國 92 年。
5. 高秀如，「以資源基礎觀點探討航空貨運承攬業核心能力及其對營運績效影響之研 究」，國立海洋大學，碩士論文，民國89 年。
6. 劉伊真，「台灣地區航空貨運承攬業關係價值、關係強度與客戶忠誠度模式之研究」，
國立海洋大學，碩士論文，民國88 年
7. 鄭明仁，「模糊績效評估之應用－以評估航空貨運承攬業的績效為例」，國立海洋大 學，碩士論文，民國88 年。
8. Amiri, A., H. Pirkul, “New formulation and relaxation to solve a concave-cost network flow problem”, Journal of the Operational Research Society, 48(3), pp. 278-287, 1997.
9. Balakrishnan A. and Stephen C. Graves, “A composite algorithm for a concave-cost Network Flow Problem”, Network, Vol. 19, pp.175-205, 1989.
10. A. Caprara, M. Fischetti and P. Toth, “A heuristic method for the set covering problem”, Operations Research, 47, pp.730-743, 1999.
11. Marshall. L. Fisher, “The lagrangian relaxation method for solving integer programming problems”, Management Science, vol. 27, pp. 1-18, 1981.
12. Guisewite, G.M., R. Horst and P.M. Padalos, “Network Problems”, Handbook of global optimization, Kluwer Academic Publishers, pp. 609-648, 1995.
13. Guisewite, G. M., P. M. Pardalos, “Minimum concave-cost network flow problems:
applications, complexity, and algorithms”, Annals of Operations Research, 25(1-4), pp.
75-99, 1990.
14. Horst, R., N. V. Thoai, “An integer concave minimization approach for the minimum concave cost capacitated flow problem on networks”, OR Spektrum, 20(1), pp. 47-54, 1998.
15. Stefan Irnich, “A multi-depot pickup and delivery problem with a single hub and heterogeneous vehicles”, European Journal of Operational Research, Vol. 122, pp.
310-328, 2000.
16. Friedrich Jaeger, “Consolidation strategy for International air freight forwarders- minimum cost routing problem in a directed multi-commodity network”, Transportation Research, 10, PP.347-354, 1976.
17. Jordan, W. C., “Scale economies on multi-commodity distribution networks”, Report GMR-5579, General Motors Research Laboratories, Warren, MI, USA, 1986
18. Holmberg K. and Ling J., “ A lagrangean heuristic for the facility location problem with staircase costs”, European Journal of Operational Research, pp. 63-74, 1997.
19. Larsson, T., A. Migdalas, M. Ronnqvist, “A lagrangean heuristic for the capacitated concave minimum cost network flow problem”, European Journal of Operational Research, 78(1), pp. 116-129, 1994.
20. Moon, S., “Application of generalized Benders’ decomposition to a nonlinear distribution system design problem”, Naval Research Logistics, 36(3) pp. 283-295, 1989.
21. Michele Monaci, Algorithm for Packing and Scheduling Problems, 2001.
22. Held M. and Karp R. M., “The traveling salesman problem and minimum spanning trees.”, Operations Research, Vol 18, pp.1138-1162, 1970.
23. Ross G. T. and Soland M. R., “A branch and bound algorithm for the generalized problem”, Mathematical Programming, 8, pp. 91-103, 1975.
24. Ward, J. A., “Minimum-aggregate-concave-cost multi-commodity flows in strong-series- parallel networks”, Mathematics of Operations Research, 24(1), pp. 106-129, 1999.
25. J. Xue and K.K.Lai, “A study on cargo forwarding decisions”, Computers and Industrial Engineering, 33, pp.63-66, 1997.
26. Yan, S. and Luo, S., “A tabu-search based algorithm for concave cost transportation network problems,” Journal of the Chinese Institute of Engineers, Vol. 21, No. 3, pp.
327-335, 1998.
27. Yan, S. and Luo, S., “Probabilistic local search for concave cost transportation network problems.”, European Journal of Operational Research, Vol. 117, No. 3, pp. 511-521, 1999.