登入選單
返回Google圖書搜尋
基因演算法求解凹形成本函數之隨機軸輻式網路
錢韋宏
出版撰者, 2010
URLhttp://books.google.com.hk/books?id=js64kgEACAAJ&hl=&source=gbs_api
註釋以往軸輻式網路相關研究皆過度簡化規模經濟的推估"212B38"常以線性方式來計算運輸成本"212B38"實務上"212B38"旅客運送單位成本將隨著旅客積聚程度增加而遞減"212B38"成本曲線為凹形"212B38"為了使研究模式符合實際"212B38"本研究將使用非線之凹形成本函數逼近航空網路規模經濟.過去研究在建構航空網路時皆假設需求情境為固定"212B38"而實務上需求具季節性因素"212B38"使用固定需求情境所建構出之航空網路不符合實際情況"212B38"因此本研究使用隨機型航空網路模式進行求解"212B38"隨機型模式考量受隨機影響和不受隨機影響兩部分"212B38"使得模式更符合實務情況.然而"212B38"轉運站之區位指派問題已屬於NP-hard問題"212B38"結合非線性凹形成本函數於模式中將使得問題變得非常複雜"212B38"一旦問題規模擴大"212B38"使用一般數學規劃軟體將無法求得最佳解"212B38"因此本研究將以基因演算法為基礎建立啟發式演算法"212B38"利用基因演算法全域搜尋的能力"212B38"可在極短的時間內求得最佳解"212B38"實例測試將以2007年兩岸市場為背景"212B38"進行確定型和隨機型航空網路建構"212B38"並比較凹形成本和線性方法之求解結果"212B38"顯示出凹形成本之結果具有較佳的流量積聚"212B38"並且還比較基因演算法和數學規劃軟體GAMS求解效率"212B38"結果顯示出本研究發展之啟發式演算法具有良好的求解效率及品質. This study addresses the hub-and-spoke network design problem with uncertain demand and concave costs. The past studies usually use the average demands and linear discounted costs to approximate the demand uncertain and economies of scale in costs. The approximation approaches may provide incorrect hub location and network structure. However, the problem is complicate and complex to be solve by traditional solution methods in reasonable time for a real network. This study developed a solution algorithm to solve the problem based on Genetic Algorithm. The real data is used to test the performance of the proposed algorithm. The results were also compared with traditional approximation approaches.