启发式寻优法求解策略.pdf

第四章 啟發式尋優法求解策略 前一章中，建構了車輛排班問題的數學模式，而車輛排班求解模式，因其限制式將 依決策變數數目增加而呈指數增加，屬於 NP-Hard問題。因此，本研究將尋求一啟發式 求解方法，以期在可容忍的時間內求得一可行解。而啟發式尋求較佳解法大致可分為兩 種基本類型：一為建構式搜尋法(Con-structive search)，一為改善式搜尋法 (Improveing search)，建構式搜尋法為一次依循一搜尋準則以建立問題之初始可行解， 改善式搜尋法則以任一可行解起點，設法進行各種改善策略以求得一較佳解。建構式搜 尋法常見方法有：貪心法(Greedy)、插入法(Insertion)及解省法(Saving)等；改善式搜 尋法一般有：區域搜尋法(Local search)、禁制搜尋法(Tabu search)、模擬退火法 (Simulated annealing)、基因演算法(Genetic algorithm)等，一般都是先以構建式搜 尋法產生初始解，再以改善式搜尋法改善解的品質[23] 。 本研究將採禁制搜尋法來改善求解品質之應用，因為禁制搜尋法是一種變化式的啟 發式方法(Meta-Heuristic)[23] ，專門用來處理組合最佳化的問題，此方法透過記憶體 的應用，故常能跳脫區域最佳解(Local Optimal)，且能在合理的時間內求得一近似(或 最佳)解。本章將於 4-1 節介紹禁制搜尋法則；4-2 節說明禁制搜尋法演算步驟及班表改 善方式；4-3 節為提出一範例說明；4-4 節為本章小結。 4.1 禁制搜尋法則（Tabu search） 禁制搜尋法則為 Fred Glover於 1977 年所提出，目前已經應用的領域有排程、旅行 推銷員問題（TSP ）、積體電路設計、時間表設計與類神經網路等組合最佳化之問題 [23] ，由於它是藉由使用一個具有彈性記憶結構（ ），因此 比起固定的記憶體系統或無記憶體系統，在資訊的運用上要來的更具彈性。 41 禁制搜尋法可分為短期與長期二階段。在短期階段，利用禁制限制式（Tabu Constraints）來限制搜尋的狀態，以避免搜尋的重複與反覆，而渴望原則（Aspirtion Level）用來釋放禁制限制，避免搜尋停滯不前。短期的重點在加速達到區域最佳化；長 期階段則使用加強性（Intersification）與多樣性（Diversification）將搜尋帶入新 的區域以求得更佳的解，使得搜尋得以跳脫區域最佳解，進而搜尋整體最佳解。禁制搜 尋法主要由（1）初始解(Staring Solu-tion)；(2) 鄰近解( ； （3）移步(Move)；（4 ）禁制串列(Tabu List)；（5 ）渴望準則(Aspiration Level)； （6）搜尋停止準則（Stopping Criterion），六大模組所組成。以下對此六大模組做一 說明： （1）初始解(Staring Solution) 一般是利用已知的啟發式解法來取得 ，如最鄰近法（Nearest Algorithm）、節省法 (Saving Method)、掃瞄法（Sweep Method）等。 （2 ）鄰近解(Neighborhood Solution) 不屬於記憶架構內之記錄，並符合問題限制之可行解。鄰近解之候選方案可藉由交 換式變動(Swap move)和移入式變動(Insert move)二種方式來改善。 （3）移步(Move) 由所有之鄰近解中，選取最優者作為尋優改善之移動路徑。但所選取之尋優路徑若 已在禁制串列限制內，未能滿足渴望準則的情形時，將由其他不在禁制串列內之鄰 近次佳解作為尋優之移動路徑。 （4 ）禁制串列(Tabu List) 用來記錄過去搜尋中每次發生移步時的屬性，為一個提供禁制限制的記憶結構。一 般而言，禁制串列長度越大則陷入區域最佳解的發生機率將越低，但所需的記憶空 間也將越大，且電腦每次所須的偵測時間將越長，使得求解效率降低。就目前為 止，並無一套固定方法來解決禁制串列尺寸的大小，其中 Glover與 Laguna[8]建議 的記憶次數為 7 ，其他學者亦多採記憶次數為7 ，一般而言記憶次數