(3.236.214.19) 您好!臺灣時間:2021/05/10 08:06
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:::

我願授權國圖
: 
twitterline
研究生:許正良
研究生(外文):Cheng-Liang Hsu
論文名稱:應用人工智慧法於居家照顧服務排程路徑規劃問題
論文名稱(外文):Artificial Intelligence Approaches for the Home Care Scheduling Routing Problem
指導教授:謝益智謝益智引用關係
學位類別:碩士
校院名稱:國立虎尾科技大學
系所名稱:工業工程與管理研究所
學門:工程學門
學類:工業工程學類
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:111
中文關鍵詞:週期性車輛路徑問題基因演算法免疫演算法粒子群最佳化演算法居家照護途程問題
外文關鍵詞:Periodic Vehicle Routing ProblemGenetic AlgorithmImmune AlgorithmParticle Swarm Optimizationhome care scheduling routing problem
相關次數:
  • 被引用被引用:11
  • 點閱點閱:748
  • 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:0
  • 收藏至我的研究室書目清單書目收藏:0
本研究探討居家照護服務排程路徑規劃問題,此問題包含服務人員的安排以及週期性服務地點,問題的目標為以最小成本來選擇服務人員組合與服務地點之排程順序,因此此居家照護服務排程路徑規劃問題亦屬於週期性車輛路徑問題(PVRP)。由於週期性車輛路徑問題是屬於NP-hard問題,若利用傳統最佳化的方法,需花費冗時間求解,且無法得到趨近於最佳之解。因此,啟發式演算法(Heuristic)便成為另一個可行的方法,雖然不能保證求出來的解為最佳解,但其有求解快速且能求得近似最佳解的能力。

本研究應用三種啟發式演算法,其包括基因演算法(Genetic Algorithm)、免疫演算法(Immune Algorithm)與粒子群最佳化演算法(Particle Swarm Optimization),針對使用車輛配置的不同、服務人員成本與服務速度不同組合之變化以及服務地點基本時間設置的不同,來求解居家照護排程路徑規劃之最小成本,並將三種演算法做比較。實驗數值結果顯示,免疫演算法之結果較優於其他兩種演算法。

This thesis studies the home care scheduling routing problem which containes the arrangement of servers and periodic service locations. The objective of interest in this thesis is to minimize the total cost based upon the combination of types and number of servers and the service location scheduling. The home care scheduling routing problem is classified into the periodic vehicle routing problem (PVRP). Besides, due to the PVRP is essentially a NP-Hard problem, typical mathematical programming approaches are time consuming for finding the optimal solution of PVRP. Hence, In this study, heuristics are proposed to solve this home care scheduling routing problem. Although we cannot ensure to find the optimal solution, the proposed heuristics are able to obtain approximate optimal solutions fastly.
In this study, we apply three heuristic algorithms, including Genetic Algorithm, Immune Algorithm and Particle Swarm Optimization. Based upon different service times, combinations of vehicles, speeds of service rate (SSR) and costs rate (SSC), we solve several home care scheduling routing problems and discuss the performance of these three heuristic algorithms. Numerical results indicate that the heuristic algorithms can find good solutions for the considered problems. In addition, numerical results also show that the proposed Immune Algorithm performs better than both Genetic Algorithm and Particle Swarm Optimization. Moreover, Genetic Algorithm is also performs better than Particle Swarm Optimization.

摘要 ..................................................... i
ABSTRACT ............................................... ii
誌謝 ................................................... iii
目錄 .................................................... iv
表目錄 ................................................... vi
圖目錄 ................................................... x
第一章 緒論 ............................................... 1
1.1 研究背景與動機 ......................................... 1
1.2 研究目的 .............................................. 2
1.3 研究方法與步驟 ......................................... 2
1.4 論文架構 .............................................. 3
第二章 文獻探討 ............................................ 5
2.1 長期照護服務 ........................................... 5
2.1.1 機構式長期照護服務模式 ................................. 5
2.1.2 社區式長期照護服務模式 ................................. 6
2.1.3 特殊性長期照護服務模式 ................................. 8
2.2 車輛途程問題 ........................................... 9
2.2.1 傳統車輛途程問題 ...................................... 9
2.2.2 週期性車輛途程問題 .................................... 9
2.3 研究方法簡介 .......................................... 10
2.3.1 基因演算法 ......................................... 10
2.3.2 免疫演算法 ......................................... 15
2.3.3 粒子群最佳化演算法 ................................... 18
2.3.4 田口方法 ........................................... 20
第三章 研究問題與方法 ...................................... 26
3.1 研究問題 ............................................. 26
3.1.1 問題描述 ........................................... 26
3.1.2 假設 .............................................. 27
3.2 研究方法 ............................................. 28
3.2.1 編碼方式 ........................................... 28
3.2.2 例題 .............................................. 28
3.2.3 田口實驗設計 ........................................ 32
第四章 測試結果與討論分析 ................................... 36
4.1 軟硬體設備環境及參數設定 ................................ 36
4.2 測試問題 ............................................. 36
4.3 測試結果 ............................................. 38
4.3.1 基因演算法之測試結果 ................................. 38
4.3.2 免疫演算法之測試結果 ................................. 42
4.3.3 粒子群最佳化演算法之測試結果 ........................... 46
4.4 各演算法結果比較與討論 .................................. 50
4.4.1 結果比較與討論 ...................................... 50
4.4.2 統計檢定 ........................................... 54
第五章 結論與未來研究 ...................................... 59
5.1 結論 ................................................ 59
5.2 未來研究方向 .......................................... 59
參考文獻 ................................................. 60
附錄A ................................................... 63
附錄B ................................................... 81
Extended Abstract ...................................... 108
簡歷 ................................................... 111


1. 內政部社會司(2012) http://sowf.moi.gov.tw/04/new04.asp,引用日期:2013.05.08。
2. 台灣長期照護專業協會(2013),http://www.ltcpa.org.tw/,引用日期:2013.05.12。
3. 行政院主計總處(2010),2010年人口及住宅普查結果提要分析,引用日期:2013.05.08。
4. 李怡真(2000),影響老人接受居家照護服務之直接與間接因素,台北醫學院,公共衛生學研究所,碩士論文。
5. 李威儒(2009),應用粒子群演算法於多供應商之聯合補貨問題,逢甲大學工業工程與系統管理研究所,碩士論文。
6. 李新秋(2010),具平衡之週期性車輛派遣問題的探討,虎尾科技大學工業工程與管理研究所,碩士論文。
7. 余耀明(2007),應用類免疫演算法於配電系統饋線三項不平衡之分析與改善,國立高雄應用科技大學電機工程系,碩士論文。
8. 何俊德(2012),同時收送貨存貨途程配銷模式之研究─以混合免疫禁忌演算法求解,龍華科技大學,資訊管理系碩士班,碩士論文。
9. 林豐澤(2005),「演化式計算下篇:基因演算法以及三種應用實例」,東北大學資訊科學與工程學院系統工程學報,3卷,2期,頁25-56。
10. 林雪華(2010),應用粒子群最佳化演算法與免疫演算法為基之動態分群於顧客關係管理研究,台北科技大學工業工程與管理系碩士班,碩士論文。
11. 卓裕仁(2001),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,國立交通大學運輸工程與管理系,博士論文。
12. 范姜智勇(2008),基因演算法中交配與突變交互作用之研究,國立台北科技大學光電工程系碩士班,碩士論文。
13. 陳登銳(2009),適應性基因演算法在主動噪音控制系統之應用,中原大學電機工程學系,碩士論文。
14. 陳士杰,機器學習課程上課投影片,國立聯合大學資訊管理系,引用日期:2013.05.20。
15. 康勝凱(2012),人工智慧法於物體形狀誤差問題之研究,國立虎尾科技大學工業工程與管理研究所,碩士論文。
16. 楊志良(2010),「由活躍老化觀點建構國民健康新願景」,社區發展季刊,132 期,頁26-40。.
17. 廖子銘(2001),類免疫演算法於多目標最佳化問題之研究與應用,大同大學機械工程研究所,碩士論文。
18. 鄧宗倫(2010),應用人工智慧法於最佳消毒作業之時窗限制車輛途程問題,國立虎尾科技大學工業工程與管理研究所,碩士論文。
19. 劉選泓(2010),二階供應鏈聯合補貨策略下週期性車輛途程問題之規劃,雲林科技大學工業工程與管理研究所碩士班,碩士論文。
20. 蘇朝敦(2009), 品質工程,中華民國品質學會,台北。
21. Yu, B. and Yang, Z. Z. (2011). An ant colony optimization model: The period vehicle routing problem with time windows, Transportation Research Part E: Logistics and Transportation Review, Vol.47, Issue 2, pp. 166–181.
22. Bentley, P. J. and Corne, D. W. (2001). Creative Evolutionary Systems, Morgan Kaufmann, Massachusetts, USA. 23. Dantzig G. B. and Ramser J. H. (1959). “The Truck Dispatching Problem”, Management Science, Vol. 6, pp. 80-91.
24. Eberhart, R. C., Hu, X. & Shi, Y. (2003). “Particle swarm with extended memory for multi objective optimization”, IEEE International Conference on Swarm Intelligence Symposium, pp. 193-197.
25. Google map(2013), https://maps.google.com.tw/maps?ct=reset&tab=ll
26. Jerne, N.K. (1973). “The immune system”, Scientific America, Vol. 229, pp. 52-60.
27. Kennedy J. and Eberhart R. C. (1995). “A new optimizer using particle swarm theory”, Proceedings of the Sixth International Symposium on Micro machine and Human Science, pp.39-43.
28. Mourgaya M. and Vanderbeck F. (2007). Column generation based heuristic for tactical planning in multi-period vehicle routing, European Journal of Operational Research, Vol. 183, pp. 1028-1041.
29. Mitsumoto, N., Fukuda, T. & Arai, F. “The immune mechanism, adaptation, learning for the multi agent system”, IEEE Symposium on Emerging Technologies & Factory Automation, pp. 446 - 453.

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔