傳統上，妥協解的求法包括目標規劃法、效用函數法、互動式演算法。目
標規劃法對於已知目標值的問題上，有良好的效果，並且容易使用，然而
，就實際的情況而言，目標的確立通常不容易，因而產生非效率解的機會
增加；此外，對於各目標的優先順序亦不易掌握。效用函數法有一類似於
目標規劃法的問題，即效用函數不易得知，並且應用在多個目標時，計算
繁雜。互動式演算法提供了一個分析者與決策者間充分互動的方法，借由
決策者的回應，期望可得一使決策者滿意的解，這雖然是此方法的優點，
然而，其代價是在進行的過程中，無法確知新產生。相較於上述的方法而
言，模糊線性規劃法(Fuzzy Linear Programming；FLP)是線性規劃問題
的一個較新的解法。此方法不似目標規劃法對每一目標必需明確，其對於
目標的處理方法是模糊的，此特性更能符合人決策的行為，在模糊之系統
或環境下對管理決策問題能獲得較佳之方案。與效用函數法不同的是，效
用函數法假定各個目標之間具有可加成的性質，而模糊線性規劃法把各個
目標視為可具有不同的性質，而針對各種不同目標，使用不同的歸屬度函
數去模擬。本研究將模糊線性規劃法加以改良而提出加權模糊線性規劃法
（Weighted Fuzzy Linear Programming；WFLP）並將其應用在運輸問題
上。與模糊線性規劃法不同的是，本研究在模糊目標的處理上，藉由將歸
屬度函數加權的方式，來改變歸屬度函數的斜率，使得各個目標函數以不
同的速率往理想解逼近，其結果是，不只保持了模糊線性規劃法精簡易用
的特性，亦求得了更『接近』理想解的解。除了提出加權模糊線性規劃法
外，本研究對於上述四種妥協解的求法，作一簡單的回顧。此外，亦列舉
了例子來說明本研究的演算法，並與效用函數法、互動式演算法加以比較
。
|