在實務上，許多跨國企業同時擁有位於不同區域的生產工廠以及運輸船隊進行貨物配送，此類型企業的短期營運問題主要在於客戶訂單的處理與船舶途程規劃，由於此問題直接反應到是否可以快速的滿足客戶需求，因此該如何當各工廠位於不同區域的情況下，再加上船舶屬性、港口限制和訂單內容互相影響的環境下，把客戶訂單分配在合適的生產工廠，並且有效率的規劃船隊的航行路徑進行配送，是個非常重要的決策工作，目前有些企業仍然依靠人工的方式進行訂單的處理與船舶排程，但隨著訂單業務成長的情況下，傳統的人工已無法應付此工作，因此如何使用電腦系統同時進行訂單分配與船舶途程規劃，減少規劃人員經驗的差異及安排更符合全域最佳的規劃以最小化單位運輸成本，即為本研究的目的。
本研究將著重在實務上產業專用船運的短期營運問題進行探討，在多產品及多廠區的情境下，問題區分成多廠區訂單分配問題(Multi-Plant Order Allocation Problem, MPOAP)與船舶途程規劃問題(Ship Routing Problem, SRP)。在實務上兩個問題是互相影響的問題，文獻上並無探討在兩種問題同時考量的情況下做一個最佳化的求解決策，故本研究將使用回饋式（Inner-outer iterative）搜尋架構將兩個子問題MPOAP與SRP進行整合性求解，在MPOAP中使用門檻值接受法並搭配噪音擾動法求解SRP，以單位運輸成本最小化為目標下，求得最佳多廠區訂單分配及船舶路徑組合，且實驗中將利用其與多種演算法在不同情境下進行比較以說明此方法組合的優勢。另本研究將考慮兩大隨機性部分，其一為問題隨機性，海上船運時常受到天氣不定因素影響航行時間的不確定性，導致運輸成本有變異性，其二為使用隨機演算法所求解SRP每次最佳解答案不一，在回饋於MPOAP顯著影響求解品質，綜合以上，需進行多次重複抽樣的方式縮小隨機產生的變異，故本研究進一步利用回饋式搜尋演算法結合OCBA(Optimal Computing Budget Allocation)，欲透過OCBA有效率地分配抽樣次數達到減少運算時間並且更貼切符合實務狀況。

第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 1
1.3 研究範圍 2
1.4 研究步驟與方法 3
第二章 船舶運輸產業敘述與分析 6
2.1 海上運輸營運分類 6
2.2 個案公司背景 7
2.3 個案公司運輸作業模式分析 8
2.4 個案公司之運輸作業問題特性 11
2.4.1 訂單 11
2.4.2 船隊 11
2.4.3 港口 12
2.4.4 規劃目標 12
2.5 個案公司之作業流程分析 13
2.5.1 現行流程的缺失 13
2.5.2 改善方案 14
第三章 文獻回顧 16
3.1 多廠區訂單分配問題 16
3.2 船舶路徑規劃問題 18
3.2.1 船舶途程問題 19
3.2.2 車輛途程問題 21
3.3 啟發式演算法 23
3.3.1 基因演算法（Genetic Algorithm, GA） 23
3.3.2 粒子群演算法（Partical Swarm Optimization, PSO） 27
3.3.3 和弦搜尋演算法（Harmony Search, HS） 30
3.3.4 模擬退火法（Simulated Annealing, SA） 34
3.3.5 門檻值接受法（Threshold Algorithm, TA） 36
3.3.6 噪音擾動法( Noising Method, NM ) 37
3.4 模擬最佳化 40
3.4.1 資源分配最佳化(Optimal Computing Budget Allocation, OCBA) 41
第四章 問題定義與方法論 44
4.1 問題描述 44
4.2 問題定義與假設 45
4.3 數學模型 48
4.4 方法論 57
4.4.1 回饋式架構演算法求解意義 59
4.4.2 回饋式架構演算法結合OCBA 60
第五章 啟發式演算法在船舶途程規劃問題之應用 62
5.1 噪音擾動法 62
5.1.1 編碼方式 63
5.1.2 產生起始解 63
5.1.3 適應值衡量 66
5.1.4 產生新解 67
5.1.5 鄰近搜尋法 (Local Search, LS) 69
5.1.6 噪音率設定 71
5.1.7 擾動成本空間 71
5.1.8 終止條件 72
5.2 改良式模擬退火法 73
5.2.1 編碼方式 73
5.2.2 產生起始解 73
5.2.3 產生新解 73
5.2.4 解禁規則(Aspiration Criteria) 74
5.2.5 Metropolis門檻 74
5.2.6 禁忌名單(Tabu List) 74
5.2.7 降溫 74
5.2.8 終止條件 75
5.3 和弦搜尋演算法 75
5.3.1 編碼方式 75
5.3.2 產生起始解 75
5.3.3 產生新解 79
5.3.4 更新和弦記憶空間 81
5.3.5 停止條件 81
5.4 粒子群演算法 81
5.4.1 粒子編碼與解碼方式(Encoding and Decoding) 81
5.4.2 產生起始解 82
5.4.3 途程解碼 82
5.4.4 更新個體最佳及群體最佳 82
5.4.5 更新粒子速度與位置 82
5.4.6 終止條件 83
5.5 基因演算法 83
5.5.1 基因編解碼方式(Encoding and Decoding) 83
5.5.2 產生起始族群 84
5.5.3 途程解碼 84
5.5.4 選擇(Selection) 85
5.5.5 交配(Crossover) 85
5.5.6 突變(Mutation) 85
5.5.7 族群取代(Replacement) 86
5.5.8 終止條件 86
5.6 船舶途程規劃演算法驗證 86
5.7 實驗分析 88
5.7.1 實驗一、參數設定 89
5.7.2 實驗二、鄰近搜尋法使用順序組合 96
5.7.3 實驗三、不同資料量大小之求解比較 98
第六章 啟發式演算法結合MPOAP與SRP之應用 101
6.1 基因演算法(Genetic Algorithm, GA) 101
6.1.1 基因編碼方式(Encoding) 102
6.1.2 產生起始族群 102
6.1.3 適應值衡量 103
6.1.4 選擇(Selection) 104
6.1.5 交配(Crossover) 104
6.1.6 突變(Mutation) 105
6.1.7 族群取代(Replacement) 105
6.1.8 終止條件 106
6.2 粒子群演算法(Particle Swarm Optimization, PSO) 106
6.2.1 粒子編碼與解碼方式(Encoding and Decoding) 106
6.2.2 產生起始族群 107
6.2.3 適應值衡量 107
6.2.4 更新個體最佳及群體最佳 107
6.2.5 更新粒子速度與位置 108
6.2.6 終止條件 109
6.3 門檻值接受法 (Threshold Accepting, TA) 110
6.3.1 建立編碼機制(Encoding) 110
6.3.2 產生起始解 110
6.3.3 適應值衡量 110
6.3.4 設定門檻數列 110
6.3.5 搜尋鄰近解 111
6.3.6 門檻值判斷 111
6.3.7 終止條件 111
6.4 回饋式演算法驗證 112
6.5 實驗分析 114
6.5.1 實驗一、參數設定 115
6.5.2 實驗二、不同情境下之求解比較 118
第七章 考量隨機環境下之MPOAP與SRP 122
7.1 研究問題之隨機因子 122
7.2 回饋式演算法結合OCBA方法論 123
7.3 實驗分析 130
7.3.1 實驗一、參數設定 132
7.3.2 實驗二、個案公司實際案例求解與分析 134
第八章 結論與建議 138
8.1 結論 138
8.2 建議 139
參考文獻 141
附表 146

1. 古薇涵，”多產品情境下之多廠區訂單分配與船舶路徑規劃問題”，清華大學工業工程與工程管理學系，碩士論文，2012
2. 李忠憲，”運用粒子群最佳化解決多場站之收送貨問題”，交通大學運輸科技與管理學系，碩士論文，2011
3. 卓裕仁, “以巨集啟發式方法求解多車種與週期性車輛路線問題之研究”，交通大學運輸工程與管理學系，博士論文，2000
4. 陳百傑，”以啟發式演算法求解時窗限制車輛途程問題“，中原大學工業工程學系，碩士論文，2002
5. 簡輝鵬，”確定性成本擾動法求解旅行授售貨員問題之研究”，交通大學運輸科技與管理學系，碩士論文，2006
6. 劉佩玲，“考量產品配送下之多產區訂單分配問題應用門檻值接受法”，元智大學工業工程與管理學系，碩士論文，2004
7. 羅文韋，”考量庫存限制下之多廠區訂單分配與船舶途程規劃問題”，清華大學工業工程與工程管理學系，碩士論文，2012
8. Ai, T. J., V. Kachitvichyanukul, “A particle swarm optimization for the vehicle routing problem with simultaneous pickup and delivery”, Computers and Operations Research, 36, 1693-1702 (2009)
9. Alfa, A. S., S. S. Heragu and M. Chen, “A 3-opt based simulated annealing algorithm for the vehicle routing problem”, Computers and Industrial Engineering, 21, 635-639 (1991)
10. Berbeglia, G., J. F. Cordeau, I. Gribkovskaia and G. Laporte, “Static pickup and delivery problems: A classification scheme and survey”, TOP, 15, 1-31 (2007)
11. Chan, F. T. S., S. H. Chung and S. Wadhwa, “A hybrid genetic algorithm for production and distribution” , Omega, 3,345-355 (2005)
12. Charon, I. and O. Hudry, “The noising method: A new method for combinatorial optimization”, Operations Research Letters, 14, 133-137 (1993)
13. Charon, I. and O. Hudry, “Appliation of the noising method to the travelling salesman problem”, European Journal of Operational Research, 125, 266-277 (2000)
14. Chiang, W. C. and R. A. Russell, “Simulated Annealing Metaheuristics for the Vehicle Routing Problem with Time Windows”, Annals of Operations Research, 63, 3-27 (1996)
15. Chen, C. H., J. Lin, E. Yucesan and S. E. Chick, “Simulation budget allocation for further enhancing the efficiency of ordinal optimization”, Journal of Discrete Event Dynamic Systems: Theory and Applications, 10, 251–270 (2000)
16. Dueck, G. and T. Scheuer, “Threshold Accepting: A General Purpose Optimization Algorithm Appearing Superior to Simulated Annealing”, Journal of Computational Physics, 90, 161-175 (1990)
17. Fagerholt, K. and M. Christiansen, “A Combined Ship Scheduling and Allocation Problem”, Journal of the Operational Research Society, 51, 834-842 (2000)
18. Fagerholt, K., J. E. Korsvik and A. Løkketangen, “Ship Routing and Scheduling with Persistence and Distance Objectives”, Innovations in Distribution Logistics, Lecture Notes in Economics and Mathematical Systems 619, 89-107 (2009)
19. Gunnarsson, H., M. Rönnqvist and D. Carlsson, “A Combined Terminal Location and Ship Routing Problem”, The Journal of the Operational Research Society, 57, 928-938 (2006)
20. Gajpal, Y. and P. Abad, “An ant colony system for vehicle routing problem with simultaneous delivery and pickup”, Computers & Operations Research, 36 3215-3223 (2009)
21. Geem, Z. W. and J. H. Kim, “A new heuristic optimization algorithm: Harmony search”, Simulation, 76(2), 60-68 (2001)
22. Geem, Z. W., K. S. Lee and Y. Park, “Application of Harmony Search to Vehicle Routing”, American Journal of Applied Sciences, 2, 1552-1557 (2005)
23. Kirkpatrick, S., C. D. Gelatt and M. P. Vecchi, “Optimization by Simulated Annealing”, Science, 220, 671-680 (1983)
24. Korsvik, J. E. and K. Fagerholt,” A tabu search heuristic for ship routing and scheduling with flexible cargo quantities”, Journal of Heuristics, 16 (2), 117-137 (2010)
25. Korsvik, J., K. Fagerholt and G. Laporte, “A large neighborhood search heuristic for ship routing and scheduling with split loads”, Computers and Operations Research, 38 (2), 474–483 (2011)
26. Kennedy, J. and R. Eberhart, “Particle Swarm Optimization”, Proc. IEEE International Conference on Neural Networks, Australia, 1942–1948 (1995)
27. Lin, D. Y. and H. Y. Liu , “Combined ship allocation, routing and freight assignment in tramp shipping”, Transportation Research Part E, 47 (4), 414-431(2011)
28. Lawrence, S. A., “International Sea Transport: The years Ahead”, Lexington Books, Lexington, MA, (1972)
29. Li, H. and A. Lim, “A Metaheuristic for the Pickup and Delivery Problem with Time Windows”, International Journal on Artificial Intelligent Tools, 12(2), 173–186 (2003)
30. Lee, H. L., E. P. Chew, S. Teng and Y. Chen, “Multi-objective simulation-based evolutionary algorithm for an aircraft spare parts allocation problem”, European Journal of Operational Research, 189, 476-491 (2008)
31. Pirkul, H. and V. Jayaraman, “A multi-commodity, multi-plant, capacitated facility location problem: Formulation and efficient heuristic solution”, Computer and Operations Research, 25(10), 869-878 (1998).
32. Pan, H., L. Wang and B. Liu, “Particle swarm optimization for function optimization in noisy environment”, Applied Mathematics and Computation, 181, 908-919 (2006)
33. Ronen, D. ,”Cargo ships routing and scheduling: Survey of models and problems”, European Journal of Operational Research, 12, 119-126 (1983)
34. Tseng, Y. J., J. Y. Chen , F. Y. Huang , ”A particle swarm optimisation algorithm for multiplant assembly sequence planning with integrated assembly sequence planning and plant assignment”, International Journal of Production Research, 48(10), 2765–2791 (2010)
35. Tasan, A. S. and M. Gen, ”A genetic algorithm based approach to vehicle routing problem with simultaneous pick-up and deliveries”, Computers & Industrial Engineering, 62, 755-761 (2012)
36. Yang, F. C., K. Chen, M. T. Wang, P. Y. Chang and K. C. Sun, “Mathematical Modeling of Multi-Plant Order Allocation Problem and Solving by Genetic Algorithm with Matrix Representation”, The International Journal of Advanced Manufacturing Technology, 51, 1251–1259 (2010).
37. Zachariadis, E. E., C. D. Tarantilis and C. T. Kiranoudis, “A Hybrid Metaheuristic Algorithm for the Vehicle Routing Problem with Simultaneous Delivery and Pick-up Service”, Expert Systems with Applications, 36, 1070–1081 (2009)
38. Zachariadis, E. E., C. D. Tarantilis and C. T. Kiranoudis, “An adaptive memory methodology for the vehicle routing problem with simultaneous pick-ups and deliveries”, European Journal of Operational Research, 202 (2), 401-411 (2010)
39. Zachariadis, E. E. and C. T. Kiranoudis, “A local search metaheuristic algorithm for the vehicle routing problem with simultaneous pick-ups and deliveries”, Expert Systems with Applications, 38, 2717-2726 (2011)
40. Zhao, F., D. Mai, J. Sun and W. Liu, “A hybrid genetic algorithm for the vehicle routing problem with simultaneous pickup and delivery”, Chinese Control and Decision Conference, 3928-3933 (2009)