簡易檢索 / 詳目顯示

回結果列表
研究生： 王馨儀
論文名稱： 考量隨機行駛時間之多派車中心的整櫃式貨櫃運輸問題
Multi-Depot Container Yard Transportation Problem with Stochastic Travel Time
指導教授： 林則孟
口試委員: 林則孟
張國浩
謝玲芬
學位類別： 碩士
Master
系所名稱： 工學院 - 工業工程與工程管理學系
Department of Industrial Engineering and Engineering Management
論文出版年： 2011
畢業學年度： 99
語文別： 中文
論文頁數： 101
中文關鍵詞： 基因演算法 、OCBA 、貨櫃運輸問題 、隨機行駛時間
相關次數： 點閱：1  下載：0 
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報

    • 在實務上，整櫃式貨櫃運輸是利用貨櫃車把貨櫃往來運送於貨主倉庫與貨櫃集散站之間。近年由於客製化服務興起，加上台北港建設完成，降低北部貨櫃從高雄港進出口的需求，台灣的貨櫃運輸模式逐漸由長程的南北轉運，轉變成短程的整櫃式貨櫃運輸。然而，整櫃式貨櫃運輸的貨櫃車在行駛路徑規劃上複雜，還必須因應不同的需求，提供客製化的服務。現行的貨櫃車派遣是以人力為主，但隨著整櫃式貨櫃運輸的需求上升，再加上其運輸路徑的複雜，已成為一個棘手的問題。除此之外，貨櫃運輸業者亦發現貨櫃車行駛時間並不固定，常會因為氣候因素、交通因素，抑或是貨櫃車本身因素等，導致完成任務的行駛時間可長可短，會造成在派車時無法準確掌控貨櫃車的完成任務之時間，因此考量行駛時間具隨機性的路徑規劃問題亦成為目前需解決的課題。
    本研究把整櫃式貨櫃運輸模式建構為多派車中心且考量隨機旅行時間的多旅行銷售員問題(Multi-Depot m-TSPST)。在過去文獻中，主要是以貨櫃車總空車行駛時間最小化為目標進行求解，由於在求解路徑規劃問題中，行駛時間具有隨機性，導致須模擬多次以求得其績效期望值，因此期望能減少運算時間並求得較佳的解，故本研究提出基因演算法結合資源分配最佳化來進行貨櫃運輸問題的求解，並針對其相關參數進行分析，且最後利用實務資料進行求解分析。
    分析結果發現，本研究所提出之基因演算法結合Optimal Computing Budget Allocation (OCBA)應用於整櫃式貨櫃運輸問題，在考量隨機行駛時間、時窗限制等條件下，不論以測試資料或是實務資料進行求解，其皆可減少運算時間並求得近似最佳解。因此，足證基因演算法結合OCBA方法論可應用於整櫃式貨櫃運輸問題。

    摘要 I 誌謝 II 圖目錄 V 表目錄 VIII 第一章　緒論 1 1.1　研究背景與動機 1 1.2　研究目的 3 1.3　研究範圍 4 1.4　研究步驟與方法 5 第二章　貨櫃運輸產業描述與貨櫃運輸問題定義 7 2.1　貨櫃運輸產業介紹 7 2.1.1　貨櫃運輸產業之地點 7 2.1.2　貨櫃運輸產業之作業型態 8 2.2　整櫃式貨櫃運輸之運輸作業模式現況 9 2.2.1　進口整櫃式貨櫃運輸作業模式 9 2.2.2　出口整櫃式貨櫃運輸作業模式 11 2.3　整櫃式貨櫃運輸之模式分析 13 2.4　整櫃式貨櫃運輸之問題特性 15 2.5　整櫃式貨櫃運輸問題分析 17 2.5.1　現行流程與缺失 17 2.5.2　改善方案 18 2.6　整櫃式貨櫃運輸之問題定義與假設 20 2.6.1　問題描述 20 2.6.2　問題定義及假設 21 2.6.3　數學模式 24 第三章　文獻回顧 26 3.1　車輛途程問題 26 3.1.1　貨櫃運輸問題 27 3.1.2　隨機車輛途程問題 31 3.2　基因演算法(Genetic Algorithm, GA) 34 3.3　資源分配最佳化(Optimal Computing Budget Allocation, OCBA) 37 第四章　基因演算法及資源分配最佳化之求解模式 38 4.1　基因演算法結合OCBA之方法論 38 4.1.1　基因演算法結合OCBA之意義 38 4.1.2　基因演算法結合OCBA之流程 42 4.2　基因演算法結合OCBA之建構 43 4.2.1　基因編碼(Encoding) 45 4.2.2 初始解產生(Initialization) 47 4.2.3　適應度評估(Evaluation) 55 4.2.4　選擇(Selection) 62 4.2.5　交配(Crossover) 63 4.2.6　突變(Mutation) 64 4.2.7　族群取代(Replacement) 65 4.2.8　停止條件(Stopping Criteria) 65 4.3　範例測試與分析 66 4.3.1　範例測試資料與測試環境 66 4.3.2　範例測試分析結果 67 4.3.3　參數設定分析 72 4.3.4　Shipment數量不同的分析 80 4.3.5　分析結果總結 81 第五章　貨櫃運輸業之案例分析 82 5.1　問題說明 82 5.1.1　案例問題說明 82 5.1.2　模擬構建分析 85 5.1.3　案例輸入資料介紹 89 5.1.4　規劃目標 90 5.2　案例求解與分析 91 5.2.1　測試環境 91 5.2.2　案例資料 91 5.2.3　參數設定 92 5.2.4　實例求解情形 92 5.2.5　分析結果總結 96 第六章　結論與建議 97 6.1　結論 97 6.2　建議 98 參考文獻 99

    1. 王常殷，“以啟發式演算法求解多派車中心之CY貨櫃運輸問題”，國立清華大學工業工程與工程管理學系，碩士論文，2009。
    2. 朱文正，“考量旅行時間可靠度之車輛途程問題-螞蟻族群演算法之應用”，國立交通大學運輸研究所，碩士論文，2003。
    3. 張時豪，“貨櫃陸地轉運問題之演算法發展”，元智大學資訊管理研究所，碩士論文，2005。
    4. 謝國倫，“基因演算法應用於捷運轉乘公車區位路徑問題之研究”，淡江大學運輸管理研究所，碩士論文，2000。
    5. 李佳蓮，“車輛排程問題的廣域搜尋解法”，國立成功大學土木工程研究所，碩士論文，2006。
    6. 林則孟、黃昭蓉、劉秋君，“整合式離散式事件模擬構建與模擬分析”，中國科協海峽兩岸仿真科學與技術學術研討會，2010。
    7. 馮正民、邱裕均，“研究分析方法”，建都文化事業股份有限公司，新竹市。
    8. Chung, K. H., Ko, C. S., Shin, J. Y., Hwang, H. and Kim, K. H., “ Development of mathematical models for the container road transportation in Korean trucking industries”, Computers & Industrial Engineering, Vol. 53., pp.252-262., 2007.
    9. Chen, C.H. and Lee, L.H., “Stochastic simulation optimization : An Optimal Computing Budget Allocation”, World Scientific Publishing Co., 2010, ISBN:981-4282-64-2.
    10. Chen, C.H. and Jianwu Lin, “Simulation Budget Allocation for Further Enhancing the Efficiency of Ordinal Optimization”, Discrete Event Dynamic Systems: Theory and Applications, Vol. 10, pp. 251–270, 2000.
    11. Dantzig, G.B., Ramser, J.H., “The truck dispatching problem”, Management Science, Vol. 6, pp. 80-91, 1959.
    12. Dudewicz, E.J. and Dalal, S.R. “Allocation of Observations in Ranking and Selection with Unequal Variances”, The Indian Journal of Statistics, pp. 28-78, 1975.
    13. Gen, M. and Cheng, R., “Genetic Algorithms & Engineering Design”, Wiley-Interscience, 1997.
    14. Gendreau, M., Laporte, G. and Seguin, R., “Stochastic vehicle routing”, European Journal of Operational Research., Vol. 88, pp. 3-12, 1996.
    15. Gendreau, M. and Montrdal, U. D., “Tabu Search Heuristics for the Vehicle Routing Problem with Time Windows”, Top, Vol.10, No. 2, pp.211-237, 2002.
    16. Holland, J., “Adaptation in Natural and Artificial Systems”, University of Michigan Press, 1975.
    17. Hou, L. and Zhou, H., “Stochastic Vehicle Routing Problem with Uncertain Demand and Travel Time and Simultaneous Pickups and Deliveries”, Computational Science and Optimization, Vol. 1, pp. 32-35, 2010.
    18. Jula, H., Dessouky, M., Ioannou, P. and Chassiakos, A., “Container movement by trucks in metropolitan networks : modeling and optimization”, Transportation Research Part E., Vol. 41., pp. 235-259, 2005.
    19. Jie, G., ”Model and Algorithm of Vehicle Routing Problem with Time Windows in Stochastic Traffic Network”, Logistics Systems and Intelligent Management, pp. 848 – 851, 2010.
    20. Laporte, G., Louveaux, F. and Mercure, H., “The Vehicle Routing Problem with Stochastic Travel Times”, Transportation Science, Vol. 26, No. 3, pp. 161-170, 1992.
    21. Lee, L.H., Chew, E.P., Teng, S. and Chen, Y., “Multi-objective simulation-based evolutionary algorithm for an aircraft spare parts allocation problem”, European Journal of Operational Research., Vol. 189, pp. 476-491, 2008.
    22. Li, X., Tian, P. and Leung, C.H., “Vehicle routing problems with time windows and stochastic travel and service times: Models and Algorithm”, International Journal of Production Economics., Vol. 125, No. 1, pp. 137-145, 2010.
    23. Ombuki, B., Ross, B. J. and Hanshar, F., “Multi-Objective Genetic Algorithms for Vehicle Routing Problem with Time Windows”, Applied Intelligence, pp. 17-30, 2006.
    24. Rinott, Y., “On Two-stage Selection Procedures and Related Probability Inequalities”, Communications in Statistics A7, pp. 799-811, 1978.
    25. Taylor, M.A.P., “Dense Network Traffic Time Reliability and Traffic Management. : Application to Network Reliability”, Journal of Advanced Transportation, Vol. 33, No. 2, pp. 147-158, 1999.
    26. Yue, M., Guo, B., Hu, T. and Guo, X., “The Research of Parameters of Genetic Algorithm and Comparison with Particle Swarm Optimization and Shuffled Frog-leaping Algorithm”, Power Electronics and Intelligent Transportation System (PEITS), pp. 77-80, 2009.
    27. Zhang, R., Young, W. and Moon, I., “A reactive tabu search algorithm for the multi-depot container truck transportation problem”, Transportation Research Part E., Vol. 45, No. 6, pp.904-914, 2009.
    28. Zhang, R., Yun, W.Y. and Kopfer, H., “Heuristic-based truck scheduling for inland container transportation”, OR Spectrum, Vol. 32, No. 3, pp.787-808, 2010.

    無法下載圖示 全文公開日期 本全文未授權公開 (校內網路)
    全文公開日期 本全文未授權公開 (校外網路)
    全文公開日期 本全文未授權公開 (國家圖書館：臺灣博碩士論文系統)
    QR CODE