臺灣博碩士論文加值系統

臺灣地震活動頻繁，在地震發生時，造成橋梁倒塌、斷裂或損壞的機率極高，除了會危害損及用路人之生命財產安全外，亦會增加災時搶救之困難度，因此於地震災後第一時間派遣巡檢人員檢測橋梁之安全狀況並進行適當之處置措施以避免二次災害的發生，為公路管理單位的首要任務。
目前公路總局震後特別巡檢規劃方式規定，當橋梁所在地地震強度達五級時，需在五小時內完成巡檢，依照橋梁重要度或旅運時間等考量因素，進行檢測，而往往面臨橋梁並非在同一路網或路線上，所以不能直接依照此因素作跳點式巡檢，因此本研究同時考量橋梁通行失敗機率、旅運時間，以及橋梁重要度等因子作為本研究之目標式，應用多目標生物共生演算法(MOSOS)發展「多目標地震災後橋梁特別巡檢旅運路網規劃模式」，解決上述三個因素的路線規劃之排序。
可分別依照帕雷托最適進行路線之規劃排序，提供橋梁管理人員適時採取適當之處置措施避免二次災害的發生，本研究以某工務段轄下之橋梁特別檢測作業作為測試範例，驗證模式與演算法之實用性，可為實務應用之參考。

Taiwan earthquake activity is frequent in the event of earthquakes, resulting in bridge collapse fracture or damage to the high probability in addition to harm and loss of life and property with passers-by will increase the difficulty of disaster rescue so after the earthquake A time to send inspectors to detect the safety of the bridge and the appropriate disposal measures to avoid the occurrence of secondary disasters for the highway management unit's primary task.
At present, the General Administration of Highway of the People's Republic of China after the earthquake, specially stipulated that when the earthquake intensity of the bridge is five. It is necessary to complete the inspection within five hours. The bridge is often faced with the consideration of factors such as the importance of the bridge or the time of travel Network or route. It can not be directly in accordance with this factor for jump point patrol.Therefore, this study also considers the factors such as damage probability of bridge and travel time and importance degree of bridge as the target of this research, and application of Multiple Objective Symbiotic Organisms Search (MOSOS) to develop multi-target earthquake disaster special bridge Planning mode.
Respectively, in accordance with the Pareto the most appropriate route planning order take appropriate measures to take appropriate measures to control the effectiveness of inspection to a regional area of the bridge special test as a test example to verify the practicality of the model and algorithm can be Practical application of reference.

摘要 I
Abstract II
致謝 IV
目錄 VI
表目錄 IX
圖目錄 XI
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 3
1.3 研究範圍與限制 4
1.4 研究內容與流程 5
1.5 論文架構 8
1.6 預期成果 9
第二章 文獻回顧 10
2.1橋梁特別檢定之規範 10
2.1.1 交通部公路總局公路養護手冊之規範 10
2.1.2 公路鋼結構橋梁之檢測及補強規範 12
2.2巡檢路線相關文獻 16
2.2.1 時空網路 16
2.3通行失敗機率 20
2.4橋梁重要度 21
2.5旅行推銷員問題（Travelling salesman problem,TSP） 24
2.5.1 傳統旅行銷售員問題(TSP) 26
2.5.2 傳統車輛路線問題(VRP) 29
2.6人工智慧 29
2.6.1 生物共生演算法(Symbiotic Organisms Search,SOS) 29
2.6.2 多目標生物共生演算法(Multiple Objective Symbiotic Organisms Search,MOSOS) 31
2.6.3帕雷托最佳解(Pareto optimal solutions) 32
第三章 多目標地震災後橋梁特別巡檢旅運路網規劃模式 34
3.1建立多目標地震災後橋梁特別巡檢旅運路網規劃模式 34
3.2多目標地震災後橋梁特別巡檢旅運路網規劃模建立 37
3.2.1基本假設 37
3.2.2引用多目標生物共生演算法(MOSOS) 39
3.3案例測試 44
3.3.1 案例說明 44
第四章 最佳化模式之應用 57
4.1建立案例資料庫 57
4.4.1橋梁蒐集及資料處理 57
4.2案例資料輸入 59
4.3輸出結果 62
第五章 結論與建議 82
5.1結論 82
5.2建議 84
參考文獻 85
附錄A 89
A-1 MOSOS 89
表2 - 1 橋梁評等(依各部位損傷模式進行) 12
表2 - 2 橋梁重要等級評定表 23
表2 - 3 最佳解法 26
表2- 4 宅配業貨物配送路線規劃問題之特性 28
表3 - 1 測試橋梁之橋梁重要度及通行失敗機率 45
表3 - 2 橋梁兩兩旅運檢測時間矩陣 46
表3 - 3 F7,61檢測路網矩陣 48
表3 - 4 F7,62檢測路網矩陣 48
表3 - 5 檢測次數檢核矩陣 49
表3 - 6　總旅運檢測時間計算 51
表3 - 7 受支配個數法之最佳解 55
表4 - 1 基本資料數據範例 58
表4 - 2 橋梁旅運檢測時間表 58
表4 - 3 輸入資料 59
表4 - 4 案例基本資料（14座） 60
表4 - 5案例橋梁旅運檢測時間表(14座) 61
表4 - 6 100組路線規劃方案 62
表4 - 7 100組路線規劃方案 65
表4 - 8 100組路線規劃方案 68
表4 - 9 100組路線規劃方案 71
表4 - 10 100組路線規劃方案 74
表4 - 11 100組路線規劃方案 76
表4 - 13 100組路線規劃方案 78
表4 - 15 各種影響因子組合之最佳旅運巡檢路線 81
圖1 - 1 研究流程圖 5
圖2 - 1 車流時空網路圖 18
圖2 - 2 橋梁重要性等級評定架構 22
圖2 - 3 旅行銷售員問題 24
圖2 - 4車輛路線問題 25
圖2 - 5 生物共生演算法(SOS)流程圖 31
圖2 - 6 多目標生物共生演算法(MOSOS)流程圖 32
圖2 - 7 帕雷托最佳解 33
圖3 - 1 多目標地震災後橋梁特別巡檢旅運路網規劃流程圖 34
圖3 - 2 多層旅運路網圖 36
圖3 - 3應用多目標生物共生演算法(MOSOS)之流程 39
圖3 - 4 橋梁所在地實際路網圖 46
圖3 - 5 橋梁旅運檢測時間路網圖 47
圖3 - 6 二層旅運路網圖 49
圖3 - 7 支配個數法二目標最佳化圖 56
圖3 - 8 帕雷托最適圖 56
圖4 - 1旅運時間-通行失敗機率-橋梁重要度帕雷托圖與效率前 緣曲面 64
圖4 - 2 旅運時間-通行失敗機率帕雷托圖與效率前緣曲線 67
圖4 - 3 旅運時間-橋梁重要度帕雷托圖與效率前緣曲線 70
圖4 - 4 通行失敗機率-橋梁重要度帕雷托圖與效率前緣曲線 73

[1]交通部，交通部公路總局公路養護手冊，交通部公路總局頒布，2016。
[2]邱永芳、林雅雯、胡啟文、邱建國、鄭明淵、吳育偉，公路早期防救災決策支援系統維護更新及橋梁耐震耐洪資料管理系統建置，交通部運輸研究，2015。
[3]邱永芳、林雅雯、邱建國、鄭明淵、廖國偉、吳育偉，公路早期防救災決策支援系統精進及橋梁耐震耐洪資料管理系統驗證，交通部運輸研究所，2016。
[4]臺灣地區橋梁管理系統（TBMS），交通部運輸研究所。
[5]蔣偉寧、顏上堯、周建捷、姚乃嘉、許文科、洪東謀，交通部公路總局，橋梁重要程度等級之建立，2004。
[6]Duc-Hoc Tran, Min-Yuan Cheng , Minh-Tu Cao ,‘‘Hybrid multiple objective artificial bee colony with differential evolution for the time–cost–quality trade off problem’’, Knowledge-Based Systems,vol.74,pp.176-186,2015.
[7]交通部，交通技術標準規範公路類公路工程部公路鋼結構橋梁之檢測及補強規範，交通部頒布，2008。
[8]葉錦勳，國道橋梁震損評估及其應用，高速公路橋梁耐震評估補強工程技術研討會，交通部臺灣區國道高速公路局，2014。
[9]顏上堯等，橋樑定期檢測作業排程最佳化模式之研究，運輸計劃季刊，第四十五卷，第一期，P63~P80，2015。
[10]鄭明淵、饒正，交通部運輸研究所港灣技術研究中心，公路防救災決策支援系統建立之研究，2008。
[11]林雅雯、鄭明淵、歐昱辰、邱建國、廖國偉、吳育偉、張于漢、陳家豪，交通部運輸研究所，橋梁通阻檢測分析模式建立之研究，2011。
[12]蔡志強，以蟻群系統建立物流宅配最佳化配送路徑規劃，國立屏東科技大學，碩士論文，2004。
[13]Flood, M. M., “The Traveling Salesman Problem,”Operations Research, Vol.4,pp.61-75, 1955.
[14]Held, M., Karp, R. M., “A dynamic programming approach to sequencing problems,” Journal of Society Industrial and Applied Mathematics, Vol.10, pp.196-210, 1962.
[15]Miroslaw, M., Mohan, G. and Mihir, P., “Serial and parallel simulated annealing and tabu search algorithms for the Traveling Salesman Problem,” Annals of Operations Research, Vol.21, pp.59-84, 1989.
[16]許晉嘉，宅配業貨物配送路線規劃問題之研究，國立成功大學，交通管理科學研究所，碩士論文，2003。
[17]Bodin, L., Golden, B., Assad, A. and Ball, M., “Routing and scheduling of vehicles and crews: the state of the art,” Computers and Operations Research, Vol.10, pp.63-211, 1983.
[18]Fukahori, K. and Kubota, Y., “Consistency evaluation of landscape design by a decision support system”, Computer-Aided Civil and Infrastructure Engineering, Vol.15(5),pp.342-354, 2000.
[19]M.-Y. Cheng, L.-C. Lien, “Hybrid Artificial Intelligence–Based PBA for Benchmark Functions and Facility Layout Design Optimization’’, Journal of Computing in Civil Engineering Vol.26 (5),pp. 612-624, 2012.
[20]M.-Y. Cheng, D. Prayogo, Y.-W. Wu, M.M. Lukito, “A Hybrid Harmony Search algorithm for discrete sizing optimization of truss structure’’, Automation in Construction Vol.69,pp.21-33, 2016.
[21]M.-Y. Cheng, D. Prayogo, “ A novel fuzzy adaptive teaching–learning-based optimization (FATLBO) for solving structural optimization problems’’, Engineering with Computers,pp.1-15, 2016.
[22]M.-Y. Cheng, D. Prayogo, D.-H. Tran, “Optimizing Multiple-Resources Leveling in Multiple Projects Using Discrete Symbiotic Organisms Search’’. Journal of Computing in Civil Engineering, 04015036, 2015.
[23]M.-Y. Cheng, D. Prayogo, Prayogo D., “ Symbiotic Organisms Search: A new metaheuristic optimization algorithm’’. Computers & Structures, Vol.139,pp.98-112, 2014.
[24]D. Prayogo, “An Innovative Parameter-Free Symbiotic Organisms Search (SOS) for Solving Construction-Engineering Problems’’, PhD thesis, Department of Construction Engineering, National Taiwan University of Science and Technology, 2015.
[25]G.G. Tejani, V.J. Savsani, Patel V. K., “ Adaptive symbiotic organisms search (SOS) algorithm for structural design optimization’’. Journal of Computational Design and Engineering, 2016.
[26]M.-Y. Cheng, D. Prayogo, D.-H. Tran, “Optimizing Multiple-Resources Leveling in Multiple Projects Using Discrete Symbiotic Organisms Search’’Journal of Computing in Civil Engineering,04015036, 2015.
[27]D.-H. Tran, M.-Y. Cheng, D. Prayogo, “ A novel Multiple Objective Symbiotic Organisms Search (MOSOS) for time–cost–labor utilization trade off problem’’Knowledge-Based Systems, Vol.94,pp.132-145, 2016.
[28]M.-Y. Cheng, C.-K. Chiu, Y.-F. Chiu, Y.-W. Wu, Z.-L. Syu, D. Prayogo, C.-H. Lin,“SOS optimization model for bridge life cycle risk evaluation and maintenance strategies’’. Journal of the Chinese Institute of Civil and Hydraulic Engineering, Vol.26(4),pp. 293-308, 2014.
[29]S. Duman,“ Symbiotic organisms search algorithm for optimal power flow problem based on valve-point effect and prohibited zones’’. Neural Computing and Applications: pp.1-15, 2016.
[30]H. Kamankesh, V.G. Agelidis, A. Kavousi-Fard,“Optimal scheduling of renewable micro-grids considering plug-in hybrid electric vehicle charging demand. Energy’’, Vol.100,pp.285-297, 2016.
[31]E. Ruskartina, V.F. Yu, B. Santosa, A.A.N.P. Redi,“Symbiotic Organism Search (SOS) for Solving the Capacitated Vehicle Routing Problem’’. International Journal of Mechanical, Aerospace, Industrial, Mechatronic and Manufacturing Engineering, Vol.101,pp.857-861, 2015.
[32]A. Panda, S. Pani,“ A Symbiotic Organisms Search algorithm with adaptive penalty function to solve multi-objective constrained optimization problems. Applied Soft Computing,Vol. 46,pp.344-360, 2016
[33]Deb, K., Pratap, A., Agarwal, S., and Meyarivan, T., “ A fast and elitist multiobjective genetic algorithm’’,NSGA-II. IEEE Transactions on Evolutionary Computation, Vol.6(2), pp. 182-197,2002.
[34]Zitzler, E. and Thiele, L., “ Multiobjective evolutionary algorithms: a comparative case study and the strength Pareto approach’’. IEEE Transactions on Evolutionary Computation,Vol.3(4) ,pp. 257-271 , 1999.
[35]吳獻堂，人工智慧多目標最佳化程式模組系統之開發－以基因演算法為基礎(III)研究成果報告，行政院國家科學委員會，2011。