亞洲理工學院工程與科技學院院長Prof. Voratas Kachitvichyanukul演說

活動主題2016125-6日,邀請亞洲理工學院工程與科技學院院長Prof. Voratas Kachitvichyanukul來所裡講學兩天

工管系范書愷主任致贈感謝狀給Prof. Voratas Kachitvichyanukul 

 

第一天:Movement Strategies to Find Pareto Fronts for Multi-objective Problems via Particle Swarm Optimization

 在 1980 年代以前,多目標零工式生產問題(Job shop problems)難以使用人工計算或電腦快速求解,由於問題過於複雜使用人工或電腦求解的時間太過冗長在當時並沒有辦法有效的進行求解。另一方面1980 年代的電腦硬體設備的效能不足以應付複雜的運算,直到後來演化演算法(EvolutionaryAlgorithm, EAs)被提出,再加上硬體設備效能逐漸提升,多目標零工式生產問題才得以有效率的求解。演化演算法後來也被改良成許多更有效率的演算法,如:基因演算法(Genetic Algorithm, GA)、差分演算法(Differential Evolution Algorithm, DE)、粒子群演算法(Particle Swarm Optimization, PSO)使求解更快速,這些演算法近年來也被應用在許多多目標最佳化的問題上。

       多目標最佳化問題一直是個值得探討的議題,必須依據需求考慮不同的最佳化組合問題,並不像單一目標最佳化問題一樣可以單純的解決問題,因為有時候多目標最佳化的解決辦法有可能會產生矛盾,如:在一個生產製造問題中,老闆要求產品必須以最少成本製造且製造出的品質必須在業界中是最好的,但是現實案例中鮮少能做到成本最低且品質又最高的狀況,因此必須在兩項要求中做取捨。在這場演講中,Prof. Voratas 等人提出了一種方法去解決多目標規劃的問題,並提出了使用五種移動策略的粒子群演算法(Particle Swarm Optimization, PSO),找出多目標問題中的柏拉圖前緣解(Pareto fronts)以解決問題。

第二天:Generalized Multi-Depot Vehicle Routing Problem with Multiple Pickup and Delivery Requests

傳統基礎的車輛路徑問題(Vehicle Routing Problem, VRP) ,傳統車輛路徑包含顧客位置、倉儲大小、車輛大小、需求量以上參數需要設定,其次有同時收送貨之車輛途程問題(Vehicle Routing Problem with Simultaneous Pickup and Delivery, VRPSPD),這個問題與VRP 之相異點是除了送貨之外,也在送貨點撿貨並回總倉,再者為專送問題(Pickup and Delivery Problem, PDP),並沒有倉庫的存在,更接近派車公司派車到需求點,配送他們的貨物到指定地點,由淺入深討論每種問題的特性、假設,最後再探討現實中實際所面對的車輛路徑問題-多場站之收送貨問題(Generalized Vehicle Routing problem for multi-depot with Multiple pickup and delivery requests, GVRP-MDMPDR)GVRP- MDMPDR 問題中每個需求點並不只有一種角色,它可以同時是送貨點同時也可以是撿貨點,讓卡車繼續送往其他地方,比前面介紹的幾種方法,更貼近實際的情況。

        這個研究的主要動機是希望能夠找到最有效的方法,解決現實生活中遇到的問題,在Prof. Voratas 教授詳細的介紹後,我們學習到車輛路徑問題的模式有許多種,每個模式有不同的特色,而我們認為最能夠貼近現實生活中問題的是GVRP- MDMPDR,而透過啟發式演算法有效解決GVRP- MDMPDR 問題。


發佈單位: 工管系辦