臺灣博碩士論文加值系統

營造廠在財務特性上有自有資金偏低及偏好短期融資等特性，而營造廠商通常以建築融資做為興建期間取得營運資金的方式之一，如何在專案生命週期的前端，準確地估計計畫成本，找出適合的融資辦法，為專案生命週期前端的重要課題之一。
本研究以台灣營造業為例，將營建融資加入專案現金流計算，應用FPGA（Fast Pareto Genetic Algorithm）找尋總工期最小化、融資成本最小化、需自備之自有資金最小化以及總利潤最大化多目標下最適融資辦法之排程，並以窮舉法（Enumeration）、粒子群優化法與模擬退火演算法來驗證本系統之可信度、可靠度與實用性。
結果顯示本系統找到之最適解相當位於全域柏拉圖解之前20%，並可減少近達99.99%之花費時間。本研究建立之系統可協助營造廠商於專案生命週期前期找出最適之融資辦法之排程以及其現金流，增進營造廠商之財務管理及專案評估與預測。

For construction companies in Taiwan, low own funds and short-term financing are two of the financial characteristics, and financing from banks is a commonly-used way to obtain working capital during construction stage. To accurately estimate project costs and conduct appropriate project financing plans are considered two important topics in the beginning stage of project’s life cycle.
In this research, case study of Taiwanese construction project is analyzed by FPGA（Fast Pareto Genetic Algorithm）, which combining construction financing and working capital into calculation to define an optimal construction schedule based on four objectives: Minimized total duration, minimized financing cost, minimized own funds, and maximized total profit. Verification is done by applying Enumeration method, Particle Swarm Optimization（PSO）, and Simulated Annealing Arithmetic（SAA） to verify the credibility and reliability, and practicality of this proposed system.
The results show that the optimal solution is equivalently to the top 20% located in the Pareto solutions, and FPGA can reduce nearly 99.99% of the total time spent. The system proposed in this study can assist construction companies in finding an optimal construction schedule with compatible financing plans and cash flows in the early project life cycle, and also facilitating the operation of construction financial plan and increasing efficiency in project management.

口試委員會審定書 #
誌謝 i
中文摘要 ii
ABSTRACT iii
目錄 iv
圖目錄 viii
表目錄 x
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機與目的 4
1.3 研究範圍 4
1.4 研究限制 5
1.5 研究流程 5
第二章 文獻回顧 8
2.1 專案現金流量 8
2.1.1 工程總價與工程成本 9
2.1.2 工程保證金 10
2.1.3 估驗計價與付款方式 13
2.2 營建業融資 15
2.3 多目標最佳化 16
2.3.1 多目標最佳化問題 16
2.3.2 柏拉圖最佳解 17
2.3.3 基因演算法 18
2.3.4 多目標演化最佳化演算法演進 19
2.3.5 Fast Pareto Genetic Algorithm（FPGA） 21
第三章 研究方法 28
3.1 專家意見諮詢 28
3.1.1 業主 28
3.1.2 承包商 30
3.1.3 銀行融資貸款 32
3.2 現金流模型 34
3.2.1 假設條件與限制 36
3.2.2 模型使用之符號說明 37
3.2.3 工程現金支出 39
3.2.4 工程現金流入 40
3.2.5 銀行業務 43
3.3 FPGA之參數設定 46
3.3.1 初始群體 46
3.3.2 分等與適合度值計算 48
3.3.3 交配與突變 49
3.3.4 動態調整計算子 51
3.3.5 停止條件 51
3.4 最適解之選取 52
第四章 系統開發 54
4.1 研究用之軟體介紹 54
4.1.1 Microsoft Project 2013 54
4.1.2 Microsoft Visual Studio 2012 58
4.1.3 C# 59
4.2 系統架構 60
4.3 系統介面與操作 63
第五章 系統驗證與應用 72
5.1 系統驗證 72
5.1.1 虛擬案例概述 72
5.1.2 虛擬案例之參數設定 74
5.1.3 虛擬案例之窮舉法驗證 76
5.1.4 虛擬案例之粒子群優化法驗證 77
5.1.5 虛擬案例之退火模擬演算法驗證 82
5.1.6 結果分析與比較 88
5.2 系統應用 95
5.2.1 案例概述 95
5.2.2 實際案例之參數設定 98
5.2.3 實際案例計算結果 100
第六章 結論與建議 101
6.1 結論 101
6.2 建議 102
參考文獻 103
附錄一 109

一、現金流文獻
中文參考書目
[1]王小龍，2005，《公共建設專案現金管理與控制之研究》，國立中央大學土木工程學系博士論文
[2]王玨，2009，《營建投資估價實務》，詹氏書局
[3]王治平，2001，《民間參與公共建設財務評估模式規劃》，行政院公共工程委員會委託研究計畫
[4]王菊楚，林金波，2003，〈專案成本管理模式探討〉，中華技術電子書，第60期
[5]江筱雯，2004，《考慮工期不確定性之營造廠現金流量預測模式分析》，中華大學營建管理研究所碩士論文
[6]李紀漢，2006，《建築工程現金流量預測模式準確度提升之研究》，逢甲大學土木工程學系碩士論文
[7]柳志龍，2007，《演化式專案現金流量預測模式之研究》，國立臺灣科技大學營建工程系碩士論文
[8]姚乃嘉、楊智斌、郭文達，1998，〈營造公司工程現金流量之預測模式〉，《中國土木水利工程學刊》，第十卷第三期，頁397-405
[9]高潓璇，2011，《建築工程專案財務管理多準則決策評估之研究─以桃園國際航空城華航園區BOT開發專案為例》，國立中央大學土木工程學系碩士論文
[10]張岸&;#30997;，2009，《以專案管理計分卡運用在建築專執行之研究》，國立中央大學土木工程學系碩士論文
[11]黃金田，2008《公共工程全生命週期品質管理整體架構之研訂》，行政院公共工程委員會委託研究計畫
[12]黃&;#26658;榮，2005，《建築工程現金流量預測管理模式之研究》，逢甲大學土木工程學系碩士論文
[13]鄭超文，2000，《營建公司財務績效評估模式之研究》，國立中央大學土木工程學系碩士論文
[14]潘賽智，1996，《營造工程專案之財務規劃》，國立中央大學土木工程學系碩士論文
[15]蔡麗宜，2001，《工程保證金之研究》，國立台北大學法律系碩士論文

外文參考書目
[1]M. Gorog, 2009, “A Comprehensive Model for Planning and Controlling Contractor Cash-flow”, International Journal of Project Management, Vol. 27, pp. 481-492
[2]N. G. Hwee and R. L. K. Tiong, 2001, “Model on Cash Flow Forecasting and Risk Analysis for Contracting Firms”, International Journal of Project Management, Vol. 20, pp. 351-363
[3]A. Maravas and J. P. Pantouvakis, 2012, “Project Cash Flow Analysis in The Presence of Uncertainty in Activity Duration and Cost”, International Journal of Project Management, Vol. 30, pp. 374-384
[4]K. I. Al-Joburi, R. Al-Aomar, and M. E. Bahri, 2012, “Analyzing the Impact of Negative Cash Flow on Construction Performance in the Dubai Area”, Journal of Management in Engineering, Vol. 28, pp. 382-390


&;#8195;
二、營建融資文獻
中文參考書目
[1]徐書謙，2006，《工程技術顧問業融資因素分析之研究》，國立中央大學營建管理研究所碩士論文
[2]財團法人台灣金融研訓院編輯委員會，2010，《銀行授信實務概要》，財團法人台灣金融研訓院
[3]湯士胤，2009，《中小型土地開發商融資利息成本最佳化模式之研究》，國立中央大學土木工程學系碩士論文
[4]劉榮輝，2009，《中小企業融資與行銷實務》，台灣金融研訓院
[5]蘇祐廷，2011，《中小型營造業融資機制之研究》，國立中央大學營建管理研究所碩士論文

外文參考書目
[1]A. M. Elazouni and A. A. Gab-Allah, 2004, “Finance-Based Scheduling of Construction Projects Using Integer Programming”, Journal of Construction Engineering and Management, Vol. 130, No. 1, pp. 15-24
[2]A. M. Elazouni and F. G. Metwally, 2007, “Expanding Finance-Based Scheduling to Devise Overall-Optimized Project Schedules”, Journal of Construction Engineering and Management, Vol. 133, No. 1, pp. 86-90
[3]H. Abdel-Khalek, S. M. Hafez, A. H. M. el-Lakany, Y. Abuel-Magd, 2011, “Financing - Scheduling Optimization for Construction Projects by using Genetic Algorithms”, World Academy of Science, Engineering and Technology, Vol. 59, pp. 289-297
[4]Khalafallah, A. and Abdel-Raheem, M., 2011, “Electimize: New Evolutionary Algorithm for Optimization with Application in Construction Engineering”, Journal of Computing in Civil Engineering, Vol. 25, Issue 3, pp. 192-201
&;#8195;
三、多目標最佳化文獻
中文參考書目
[1]&;#20851;志&;#21326;，2004，〈非支配排序遺傳算法（NSGA）算子分析〉，《管理工程學報》，第18卷第1期，頁64-96
[2]徐業良，1995，《工程最佳化設計》, 宏明圖書有限公司
[3]陳啟嘉，2006，《基因結構探勘於承接式子群體基因演算法求解多目標組合性問題》，元智大學工業工程與管理研究所碩士論文
[4]劉慧敏，2002，《多目標遺傳演算法於基因面選股策略之應用》，國立中央大學資訊管理學系碩士論文

外文參考書目
[1]C. A. C. Coello, 2003, “Evolutionary Multiobjective Optimization: Current and Future Challenges”, Advances in Soft Computing, pp.243-256, Springer London
[2]E. Zitzler , 1999, “Evolutionary Algorithms for Multiobjective Optimization: Methods and Applications”, A dissertation submitted to the Swiss Federal Institute of Technology Zurich for the degree of Doctor of Technical Sciences
[3]E. Zitzler and L. Thiele, 1999, “Multiobjective Evolutionary Algorithms: A Comparative Case Study and the Strength Pareto Approach”, IEEE Transactions on Evolutionary Computation , Vol. 3, Issue 4, pp. 257-271
[4]E. Zitzler, M. Laumanns, and L. Thiele, 2001, “SPEA2: Improving the Strength Pareto Evolutionary Algorithm”, Evolutionary Methods for Design, Optimisation, and Control with Applications to Industrial Problems, pp. 95-100, Athens, Greece, International Center for Numerical Methods in Engineering
[5]E. Zitzler, M. Laumanns, and S. Bleuler, 2004, “A Tutorial on Evolutionary Multiobjective Optimization”, Metaheuristics for Multiobjective Optimisation, Vol. 535, pp.3-37
[6]H. Eskandari, 2006, “Multiobjective Simulation Optimization Using Enhanced Evolutionary Algorithm Approach”, A dissertation submitted in partial fulfillment of the requirements for the degree of Doctor of Philosophy in the Department of Industrial Engineering and Management Systems in the College of Engineering and Computer Science at the University of Central Florida
[7]H. Eskandari and C. D. Geiger, 2008, “A Fast Pareto Genetic Algorithm Approach for Solving Expensive Multiobjective Optimization Problems”, Journal of Heuristics, Vol. 15, Issue 3, pp.203-241
[8]K. Deb, S. Agrawal, A. Pratap, and T. Meyarivan, 2000, “A Fast Elitist Non-Dominated Sorting Genetic Algorithm for Multi-Objective Optimization: NSGA-II”, Parallel Problem Solving from Nature PPSN VI, Vol. 1917, pp. 849-858
[9]M. A. Abido and A. Elazouni, 2011, “Multiobjective Evolutionary Finance-Based Scheduling: Entire Projects’ Portfolio”, Journal of Computing in Civil Engineering, Vol. 25, Issue 1, pp.85-97
[10]Q. Xie, S. Li, G. Yang, 2008, “Studies on Fast Pareto Genetic Algorithm Based on Fast Fitness identification and External Population Updating Scheme”, Global Design to Gain a Competitive Edge, pp.539-548, Springer London
&;#8195;
四、其他
中文參考書目
[1]方崇仰，2000，《以基因法改良研究分子結構的退火法》，國立中山大學物理研究所碩士論文
[2]吳忠倫，2009，《以粒子群優化法求解多模資源受限的專案排程問題》，國立勤益科技大學電子工程研究所碩士論文
[3]李世炳、鄒忠毅，2002，〈簡介導引模擬退火法及其應用〉，《物理雙月刊》，第24卷第2期，頁307-319
[4]李建緯，2007，《以多目標粒子群最佳化演算法探勘分類法則》，國立成功大學工業與資訊管理研究所碩士論文
[5]洪郁凱，2010，《基於多片圖形顯示器加速之粒子群優化法》，國立台灣大學數學系碩士論文
[6]&;#36213;娜、沈吟&;#19996;，2008，〈基于精英策略的多目&;#26631;模&;#25311;退火算法〉，《武漢科技學院學報》，第21卷第3期，頁13-17
[7]郭信川、張建仁、劉清祥，2004，〈粒子群演算法於最佳化問題之研究〉，第一屆台灣作業研究學會學術研討會暨2004年科技與管理學術研討會，頁419-432
[8]黃郁授，2007，《自適應慣性權重改良粒子群演算法之研究》，中原大學資訊管理研究所碩士論文

外文參考書目
[1]R. Battiti, M. Brunato, and F. Mascia, 2007, “Reactive Search and Intelligent Optimization”, Version 1.02