(3.230.154.160) 您好!臺灣時間:2021/05/08 01:08
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

: 
twitterline
研究生:蘇慧娟
研究生(外文):Hui-Juan, Su
論文名稱:運用反應曲面法提升基因演算法效率探討
論文名稱(外文):Improve the Performance of Genetic Algorithms Using the Response Surface Methodology
指導教授:洪宗乾
指導教授(外文):Chung-Chien, Hong
學位類別:碩士
校院名稱:國立屏東科技大學
系所名稱:工業管理系所
學門:商業及管理學門
學類:其他商業及管理學類
論文種類:學術論文
論文出版年:2013
畢業學年度:101
語文別:中文
論文頁數:66
中文關鍵詞:反應曲面法基因演算法整數規劃高鐵排班
外文關鍵詞:Response Surface MethodGenetic AlgorithmsInteger ProgrammingHigh Speed Rail Scheduling Problem
相關次數:
  • 被引用被引用:3
  • 點閱點閱:251
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:81
  • 收藏至我的研究室書目清單書目收藏:0
基因演算法為模擬生物演化過程所發展出的一套搜尋最佳解的演算法,因為其原理簡單進而容易寫成可執行的程式碼,所以被許多研究用來求解整數規劃問題。然而,在執行基因演算法前需要先設定參數值(例如:初代數量、最大演化代數、選取率、突變率等),而這些參數值的設定決定了整個演算過程的成敗。在過去文獻中常有研究者運用田口方法設定基因演算法的最佳參數值,但是田口方法僅適用於參數的值域為有限點的離散空間,而基因演算法的選取率及突變率等的值域卻在連續空間上,且更大的問題是大部分田口方法設定的最佳參數值都不能通過確認實驗;當要運用在連續空間上設定最佳參數較有效率的反應曲面法時,面臨了基因演算法的另外兩個主要參數-初代數量及最大演化代數-值域沒有上界的問題,這兩個參數的值域為所有正整數,設定的值越大,基因演算法求得的解都會越好,所以若直接使用反應曲面法搜尋這兩個參數的最佳設定值,設定值會往無限大趨近而無法收斂,且這兩個參數越大也代表演算時間越長越沒有演算效率可言。因此,本研究將提出一套克服以上問題的創新方法,藉由此方法讓反應曲面法的技術可以用來設定基因演算法的最佳參數值,最後將用一個複雜且大型的實際整數規劃問題-台灣高鐵排班問題-來證實提出方法的有效性,本研究的結果也將和之前的研究比較,以證明提出的方法的必要性。
Genetic algorithms are processes following the biological evolutionary rules to search optimal solutions. Because genetic algorithms are based on simple principles and easily written into computer programs, the kind of algorithms becomes a popular tool to solve integer programming problems. The parameter setting is the most important issue for the performance of searching process of a genetic algorithm. Since some parameter values of genetic algorithms range in continuous intervals, the response surface method seems to be the best choice to design high performance parameters for a genetic algorithm. However, the surface response method is not popular when one designs the parameters for genetic algorithms. The reason is that parameters, the number of population and the number of iterations, are unbounded and the resulted value of objective function and the values of these two parameters are in the direct proportion. If one considers the parameters of genetic algorithms as the control factors and the resulted value of objective function as the response value, the response surface method will not stop iterating to increase the values of these two parameters. In addition, designing large numbers for these two parameters will result long computation time and that will make an algorithm inefficient. Therefore, this paper introduces a method to define the control factors instead of considers each of parameters of genetic algorithms as a control factor of the response surface method. Then, the response surface method can be used to design the parameters of genetic algorithms. The performance of the parameter setting from the response surface method will be proved by using a large scale integer programming, the Taiwan High Speed Rail Scheduling problem. The result shows that the parameter setting from the response surface method is better than the one from the popular Taguchi method.
摘要 I
Abstract III
謝誌 V
目錄 VI
圖目錄 VIII
表目錄 IX
一、 緒論 - 1 -
1.1研究背景與動機 - 1 -
1.2研究目的 - 4 -
1.3研究架構 - 4 -
二、 文獻探討 - 6 -
2.1 基因演算法之概論與應用 - 6 -
2.2 反應曲面之概論與應用 - 8 -
2.3 田口方法在基因演算法的應用 - 11 -
2.4 田口方法和反應曲面的比較 - 13 -
三、 研究方法 - 17 -
3.1 基因演算法介紹 - 17 -
3.2 反應曲面法介紹 - 20 -
3.3 反應曲面法設定基因演算法參數 - 24 -
四、 實證分析 - 26 -
4.1高鐵北上排班問題 - 28 -
4.2 高鐵南下排班問題 - 32 -
4.3 反應曲面法結果討論及與之前的研究比較 - 36 -
五、結論 - 39 -
參考文獻 - 41 -
附錄一 列車停靠方式組合 - 45 -
附錄二 各起訖點之平均票價表 - 46 -
附錄三 每日各時段起迄點之旅客總數(人次) - 47 -
附錄四 南下與北上高鐵基本運轉時分 - 59 -
附錄五 北上高鐵最佳排班表 - 60 -
附錄六 南下高鐵最佳排班表 - 63 -
作者簡介 - 66 -

1. 吳宗益(2002),「應用基因演算法及田口實驗法於模具生產排程系統之研究」,碩士論文,國立高雄第一科技大學機械與自動化工程所。
2. 李閔隆(2006),「考慮旅客等候意願之高鐵最適班表」,碩士論文,國立高雄第一科技大學運籌管理系。
3. 李冠廷(2010),「射出成形之功能按鍵彈臂長度影響與疲勞壽命分析」,碩士論文,國立臺灣科技大學機械工程系。
4. 呂美璉(2008),「反應曲面法尋找烘烤參數優化研究以改善基板翹曲-以封裝廠個案公司為例」,碩士論文,元智大學工業工程與管理學系。
5. 林志交(2002),「基因演算法於模型影像套合計算之應用」,碩士論文,國立成功大學測量工程學系。
6. 林宜萱(2007),「應用雙反應曲面法於最佳參數設計之研究」,碩士論文,國立臺灣科技大學工業管理系。
7. 林恒正(2007),「以二階子模型結合實驗設計法進行多晶片模組可靠度之最佳化分析」,碩士論文,國立成功大學工程科學系。
8. 洪銓鴻(2002),「應用平行化基因演算法改進螺槳幾何之設計」,碩士論文,國立海洋大學系統工程暨造船學系。
9. 洪啟偉(2008),「以雙反應曲面法與非線性規劃進行塑膠射出成形作業之最佳化設計」,碩士論文,東海大學工業工程與經營資訊研究所。
10. 洪宗乾、徐學禮(2013),「運用田口方法提升基因演算法效率的創新技術」,創新研討會,國立屏東科技大學工業管理學系。
11. 許家豐(2005),「結合基因演算法與反應曲面法於多重品質特性製程參數最佳化之研究」,碩士論文,雲林科技大學工業工程與管理研究所碩士班。
12. 張家勤(2009),「結合反應曲面法、類神經網路與基因演算法於觸控面板雷射切割製程參數最佳化」,碩士論文,國立清華大學工業工程與工程管理學系。
13. 張瓊璽(2001),「旅客需求變動下高鐵最適排班問題之研究」,碩士論文,國立成功大學交通管理科學研究所。
14. 陳夢倫(2003),「積層陶瓷電容印刷製成機器參數最佳化之研究」,碩士論文,國立成功大學製造工程研究所。
15. 陳智堯(2006),「整合基因演算法及田口方法於火力機組排程之研究」,碩士論文,國立中山大學電機工程學系研究所。
16. 蔡家榮(2011),「應用反應曲面法於面成型快速原型系統製程參數最佳化之研究」,碩士論文,國立臺灣科技大學材料科學與工程學系。
17. 劉承春(1997),「綜合啟發式/基因演算法之混合式專家系統在護理人員排班的應用」,碩士論文,元智大學管理研究所。
18. 謝欣宏(2002),「台鐵司機員排班與輪班問題之研究-以基因演算法求解」,碩士論文,國立成功大學交通管理學系。
19. 謝穎欣(2005),「應用田口方法於基因演算法輸入參數設計--以求解多模式專案排程下資源撫平為例」,碩士論文,國立中央大學工業管理研究所。
20. 蘇朝墩(2002),「品質工程」,中華民國品質學會發行。
21. Ann Sau King Kwan (1999). “Train Driver Scheduling”. The University of Leeds School of Computer Studies August.
22. Anagun, A.S. and Ozcelik, F. (2005). ”Optimization of genetic algorithm parameters for multi-channel manufacturing systems by Taguchi method”. AI'05 Proceedings of the 18th Australian Joint conference on Advances in Artificial Intelligence. pp.1021-1024.
23. Back, T., Eiben, A.E., and Van der Vaart, N.-A. (2000). “An empirical study on GAs without parameters”. In Schenauer, M., Deb, K., Rudolph, G., Yao, X., Lutton, E., Merelo, J.-J., and Schwefel, H-P. (Ed): Parallel Problem Solving from Nature PPSN V. Lecture Notes in Computer Science Vol. 1917. pp.315-324.
24. De Jong, K.A. (1975). “An analysis of the behavior of a class of genetic adaptive systems, Doctoral dissertation”. University of Michigan, Ann Arbor, University Microfilms No 76-9381.
25. Goldberg, D. E. (1989). Genetic Algorithms in Search Optimization and Machine Learning. Addison Wesley.
26. Grefenstette, J.J. (1986). “Optimization of control parameters for genetic algorithms”. In Sage, A. P. (Ed), IEEE Transactions on Systems, Man, and Cybernetics, Volume SMC-16-1, pp 122-128, New York: IEEE.
27. Hinkelmann, K. and Jinnam, J. (1998). “Linear trend-free Box-Behnken designs”. Journal of Statistical Planning and Inference 72. pp. 347-354.
28. Hinterding, R., Michalewicz, Z., and Peachy, T.C. (1996). “Self-Adaptive genetic algorithm for numeric functions”. Proceeding of the Fourth International Conference on Parallel Problem Solving from Nature. in Lecture Notes from Computer Science, Springer Verlag. pp.420-429
29. Holland J. H.(1975). “Adaptation in Natural and Artificial Systems, Ann Arbor”. The University of Michigan Press.
30. Horn, Roger A. and Johnson, C. R..(1985). “Matrix Analysis, Chapter 7”. Cambridge University Press.
31. Myers, R. H., Montgomery, D. C., and Anderson-Cook, C. M. (2009) “Response Surface Methodology: Process and Product Optimization Using Designed Experiments.” John Wiley and sons.
32. Yu, G.R. and Chen, Y.H. (2009). “Integrated Taguchi Method and Genetic Algorithms for the Path Controller Design of a Mobile Robot”. 高雄大學第17屆模糊理論及其應用研討會, pp. 851–856.

連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊
 
系統版面圖檔 系統版面圖檔