鄰域搜尋模組之測試

NNS2； 而 傳 統 鄰 點 法 (NNS1)名 列 第 四 ， 證 實 本 研 究 提 出 的 五 種 改 良 式 鄰 點 法 有 三 種(NNP2、NNP3、NNS3)均表現的比傳統鄰點法(NNS1) 更 好 。

圖 5.1 各種起始解方法之解題績效比較

表 5.3 2_opt 交換法平均改善結果

組 合 起 始 解 起 始 解 + 2_opt 改 善(%)

指 標 平 均 車 輛 數

平 均 路 線 成 本

平 均 車 輛 數

平 均 路 線 成 本

平 均 車 輛 數

平 均 路 線 成 本 NNS1 19.55 1631.52 19.55 1630.29 0 -0.075%

NNS2 24.56 2104.53 24.56 2100.32 0 -0.2%

NNS3 15.28 1993.33 15.28 1928.88 0 -3.2%

NNP1 22.29 1586.68 22.29 1585.99 0 -0.043%

NNP2 13.98 1427.68 13.98 1419.05 0 -0.61%

NNP3 15.25 1952.28 15.25 1914.91 0 -1.9%

總 平 均 18.54 1770.83 18.54 1767.74 0 -1.01%

二 、 路 線 間 交 換 法 個 別 測 試 結 果 分 析

以 起 始 解+2_opt 所得之結果分別測試三種路線間交換法的改 善 效 果 ， 從 表 5.4 可清楚發現(1_0)節線交換法同時兼具改善車輛 數 和 路 線 成 本 的 功 能，車 輛 數 減 少 8.16%、路線成本改善 12.33%

都 是 三 種 路 線 改 善 法 改 善 幅 度 最 大 者；(1_1)、(S_S)節線交換法無 法 減 少 車 輛 數 ， 路 線 成 本 分 別 改 善 9.95%和 1.88%。

表 5.4 路線間交換法平均改善結果

方 法 起 始 解+2_opt 1_0 1_1 S_S

平 均 車 輛 數 18.54 17.03 18.54 18.54 平 均 路 線 成 本 1767.74 1549.73 1594.67 1734.58

車 輛 數 - -8.16% 0 0

改 善

(%) 路 線 成 本 - -12.33% -9.95% -1.88%

圖 5.2 為以車輛數與路線成本為 XY 軸之績效比較圖來觀察 各 交 換 法 之 個 別 改 善 績 效 ， 越 接 近 左 下 角 (原 點 )表 示 解 題 績 效 越 好。(1_0)能降低車輛數和路線成本，所以最接近原點；其他三者 車 輛 數 皆 為 18.5， (1_1)路 線 成 本 改 善 最 多 ，(S_S)次 之 ，(2_opt) 最 少 。

圖 5.2 鄰域搜尋之個別解題績效比較 三 、 整 體 交 換 組 合 測 試 結 果 分 析

在 測 試 過 交 換 法 個 別 的 改 善 效 果後 ， 若 把 各 交 換 法 組 合 起 來 一 次 執 行 ， 應 該 更 能 提 高 改 善 幅 度 。 由 於 路 線 內 交 換 法 並 不 會 影 響 路 線 間 交 換 ， 因 此 以 下 將 測 試 三 種 路 線 間 交 換 法 所 有 組 合 情 形 ， 探 討 不 同 交 換 組 合 所 測 試 的 結 果 ， 整 理 如 表 5.5。

表 5.5 整體交換組合測試結果

改 善%

測 試 組 合 代 號 平 均 車 輛 數

平 均 路

線 成 本 平 均 車 輛 數

路 線 成 本 1_1→ S_S→ 1_0 N1 16.58 1442.38 -10.54% -18.41%

1_0→S_S→1_1 N2 17.03 1421.45 -8.16% -19.60%

1_1→1_0→S_S N3 16.60 1431.11 -10.49% -19.04%

S_S→1_0→1_1 N4 16.92 1478.34 -8.27% -16.37%

S_S→1_1→1_0 N5 16.73 1449.71 -9.77% -18%

1_0→ 1_1→ S_S N6 17.03 1456.44 -8.16% -17.61%

總 平 均 16.81 1446.57 -9.23% -18.17%

表 5.5 的六種測試組合可分成三個型態：先降低車輛數(1_0) 再 改 善 路 線 成 本 ； 把 降 低 車 輛 數 放 到 中 間 執 行 ； 先 改 善 路 線 成 本

最 後 再 降 低 車 輛 數 。 以 降 低 車 輛 數 的 項 目 來 看 ，N1 組 合 降 低 10.54%最多，N2、N6 兩種組合降低 8.16%為最少；在路線成本 方 面 ， 以 N2 改善 19.6%最多，N4 改善 16.37%最少。

由圖 5.3 便能清楚的比較出各組合的績效優劣程度，以 N1、

N3 最接近原點表現較優，N2、N6 較差。

圖 5.3 鄰域搜尋組合之解題績效比較

由以上測試結果發現鄰域搜尋改善模組可以大幅增進起始解 之 精 確 度，整 理 於 表 5.6，其中 NNS2 方法由於在起始解構建階段 表 現 不 佳 ， 相 對 於 其 他 五 種 方 法 而 言 ， 具 有 較 大 的 改 善 空 間 ， 因 此 車 輛 數 和 路 線 成 本 的 改 善 幅 度 均 是 最 大 的 ， 達 到 22.19% 、 24.97%；值得一提的是 NNP1 方法經過鄰域搜尋之後平均車輛數 退 步 到 最 後 一 位 ， 顯 示 此 一 階 段 改 善 幅 度 相 對 比 其 他 方 法 少 ， 還 有 改 善 空 間 ； 而 最 佳 表 現 仍 為 NNP2。因此針對這兩種方法進行 下 一 階 段 TA 的測試。再者，由表 5.5 之測試結果選擇表現最佳 的 鄰 域 搜 尋 組 合 N1 與表現最差的組合 N6 進行 TA 的測試。

表 5.6 鄰域搜尋改善成效表

起 始 解+2_opt 鄰 域 搜 尋 改 善% 目標

解 法

平 均 車 輛 數

平 均 路 線 成 本

平 均 車 輛 數

平 均 路 線 成 本

平 均 車 輛 數

平 均 路 線 成 本 NNS1 19.55 1630.29 18.04 1411.81 -7.72% -13.4%

NNS2 24.56 2100.32 19.11 1575.96 -22.19% -24.97%

NNS3 15.28 1928.88 15.09 1505.8 -1.24% -21.93%

NNP1 22.29 1585.99 19.61 1386.99 -12.02% -12.55%

NNP2 13.98 1419.05 13.93 1307.67 -0.36% -7.85%

NNP3 15.25 1914.91 15.06 1491.14 -1.25% -22.13%

平 均 18.49 1763.24 16.81 1446.56 -7.46% -17.14%