臺灣博碩士論文加值系統

專案推移理論（PA）為一新興之多重資源分配理論，理論中論述四種專案推進策略，分別為集中化序列推進策略、分散化同步推進策略以及Type I、Type II混合推進策略。本研究引用PA之Type I混合推進策略建構砲兵火力配置問題之試算表模型，並發展以試算表模型為基礎之基因遺傳演算法，建構基礎目標達成度最大化與基礎目標期望價值損失最小化之模型並進行求解。並且為測試本文發展基因遺傳演算法之效能，本研究設計七種不同規模之題型共105個測試例題進行效能測試。最後經測試結果驗證此演算法的信度與效度皆具高度成效。

Project Advancement (PA) is a new theory for multi-project resource allocation. This paper proposes two artillery fire allocation models under adapting Type I mixed advancement strategy (Type I MAS) defined in theory of PA. They are respectively maximum achievement (MA) model and minimum value loss (MVL) model. In order to solve the models, we develop a genetic algorithm (GA) based on spreadsheet method. We design and simulate seven sets of test problems to evaluate the advantages of the proposed GA. There are totally 105 test problems in the sets. After experiments, we show that the proposed GA has the high performance on its validity and reliability.

目錄
摘要 I
ABSTRACT II
目錄 III
表目錄 V
圖目錄 VI
第一章 緒論 1
1.1. 研究背景 1
1.2. 研究動機 1
1.3. 研究範圍與假設 3
1.4. 研究目的 4
1.5. 研究內容與流程 4
第二章 理論背景 7
2.1. 資源轉移控制法則 7
2.2. 攻擊推進策略 7
2.2.1. 集中化序列推進策略 8
2.2.2. 分散化同步推進策略 8
2.2.3. Type I混合推進策略 9
2.2.4. Type II混合推進策略 9
2.3. 基礎目標 10
2.4. 價值期限 10
2.5. 基因遺傳演算法 11
2.6. 基因遺傳演算法應用於排程問題之發展 15
第三章 研究問題 19
3.1. 想定敘述與狀況 19
3.2. 支援火力配置模型 20
3.2.1. 基礎目標期望達成度最大化 20
3.2.2. 基礎目標期望價值損失最小化 23
第四章 演算法設計 25
4.1. 編碼與解碼 25
4.2. 交配率與突變率之選擇 27
4.3. 基礎目標期望達成度最大化模型數值範例 28
4.4. 基礎目標期望價值損失最小化模型數值範例 31
第五章 效能測試 36
5.1. 效能實驗測試 36
5.2. 範例複製設計 38
5.3. MA模型效能測試 39
5.4. MVL模型效能測試 41
第六章 結論與未來研究方向 46
6.1. 研究貢獻 46
6.2. 未來研究方向 47
附錄 49
附錄1　射擊轉換時間表 49
附錄2　攻擊績效表 49
附錄3　射擊時間轉換表 50
參考文獻 51

表目錄
表4-1　求解方式使用說明 27
表4-2　求解方法 28
表5-1　測試例題參數設計表 37
表5-2　計畫時間幅度 40
表5-3　控制參數績效比較 41
表5-4　改善績效 42
表5-5　計畫時間幅度 43
表5-6　控制參數績效比較 44
表5-7　改善績效 45

圖目錄
圖1-1　研究流程圖 6
圖2-1　CSAS示意圖 8
圖2-2　DSAS示意圖 8
圖2-3　Type I MAS示意圖 9
圖2-4　Type II MAS示意圖 9
圖2-5　基因遺傳演算法流程圖 15
圖4-1　MA模型染色體編碼示意圖 26
圖4-2　MVL模型染色體編碼示意圖 26
圖4-3　基礎目標達成度最大化 32
圖4-4　期望價值損失最小化 35

參考文獻
中文文獻

[1]向生平（2002）「軍心士氣影響下集中化序列攻擊策略－模式建構與參數估計」，國防管理學院國防決策科學研究所碩士論文。
[2]李志華（2003）「基因演算法於震災路網搶修排程問題之研究」，成功大學交通管理科學系碩士論文。
[3]周宗信（2005）「專案推移理論之修正與應用－以電腦伺服器維護人力排程問題為例」，國防管理學院國防決策科學研究所碩士論文。
[4]陳燕良（2002）「營建作業流程電腦模擬-資源組合最佳化改良模式」，朝陽科技大學營建工程系碩士論文。
[5]蔡政峰（2000）「求解有限資源專案排程問題最佳化之研究-以基因演算法求解」，成功大學工業管理學系碩士論文。
[6]劉偉遠（2003）「汽電共生廠最佳機組排程研究」，大同大學電機工程研究所碩士論文。

英文文獻

[7]Nearchou, A. C. (2004), “The effect of various operators on the genetic search for large scheduling problems,” Production Economics, Vol. 88, pp.191-203.
[8]Bruzzone, A. G. and R. Signorile. (2000), “Simulation and genetic algorithms for ship planning and shipyard layout.” Simulation, Vol. 171, No.2, pp.74-83.
[9]Cheng, R. W. and M. Gen. (1997), “Parallel machine scheduling problems using memetic algorithms,” Computers & Industrial Engineering, Vol. 33, No. 3, PP.761-764
[10]Carnahan, B. J., M. S. Redfern and B. Norman. (2000), “Designing safe job rotation schedules using optimization and heuristic search” Ergonomics, Vol. 43, No. 4, pp.543-560.
[11]Carter, A. E. and C. T. Ragsdale. (2002), “Scheduling pre-printed newspaper advertising inserts using genetic algorithms,” Omega, Vol. 30, pp. 415-421.
[12]Cheng, T. M., H. T. Wu, Y. F. Ke., and C. W. Feng. (2002), “Applying Genetic Algorithms on the Computer Simulation for Improving Construction Productivity.” The Ninth International Conference on Computing in Civil and Building Engineering, April 3-5, Taipei, Taiwan.
[13]Chang, C. C., R. S. Chen., and J. Z. Shyu. (2006), “Project Advancement and Its Applications to A Case on Multi-Air-Route Quality Budget al.location,” Accepted Journal of Operational Research Society, (SSCI).
[14]Evolver, Newfield (1998), NY: Palisade Corporation, (www.palisade.com).
[15]Funda, S. S. and G. Ulusoy. (1999), “Parallel machine scheduling with earliness and tardiness penalties,” Computers & Operations Research Vol. 26, No.8, PP.773-787
[16]Glass, C. A., C. N. Potts and P. Shade. (1994), “Unrelated parallel machine scheduling using local search,” Mathematical and Computer Modeling, Vol. 20, No. 2, PP.41-52
[17]Holland, J. H. (1992), “Genetic Algorithms,” Scientific American, Vol. 267, pp.66-72.
[18]Liu, M. and C. Wu. (1999), “A genetic algorithm for minimizing the makespan in the case of scheduling identical parallel machines,” Artificial Intelligence in Engineering, Vol. 13, PP.339-403.
[19]Malmborg, C. J. (1996), “A genetic algorithm for service level based vehicle scheduling,” European Journal of Operational Research, Vol. 93, No. 1, pp.121-135.
[20]Maniezzo, V. and A. Colorni. (1999), “The ant system applied to the quadratic assignment problem,” IEEE Transactions on Knowledge and Data Engineering, Vol. 11, No. 5, pp.769-778.
[21]Paul, R. J., and T. S. Chanev. (1998). “Simulation Optimization Using a Genetic Algorithm.” Simulation Practice and Theory, Vol. 6, pp.601-611.
[22]Ponnambalam, S. G., H. Jagannathan, M. Kataria and A. Gadicherla, (2004), “A TSP-GA multi-objective algorithm for flow-shop scheduling,” International Journal of Advanced Manufacturing Technology, Vol. 23, pp.909-915.
[23]Wang, Y. Z. (2003), “Using genetic algorithm methods to solve course scheduling problems.” Expert Systems with Applications, Vol. 25, pp.39-50.