Abstract
本研究為了使生產計劃更接近實際的生產問題，將裝置時間、裝置成本，均予以考慮在內，但因為加入此裝置決策後，問題模型便成為混合整數規劃 (Mixed Integer Programming) 問題，使批量問題的求解成指數型困雞問題 (NP-Hard)。所以，嘗試以新的演算法來加速求解的過程。 由於近年來有不少的研究是利用塔布搜尋法來解困難的最佳化問題和排程問題，在和其他現有的經驗法則比較下，能得到很好的結果。所以本篇論文針對多項產品、多種資源、多生產時期，以及含裝置時間、裝置成本的生產規劃問題作探討，提出利用塔布搜尋法的技術以及一個啟發式的演算法縮小塔布搜尋法中求鄰近解的集合，以期加速求解的過程，使問題能快速得到較佳之解答。 我們由決定解題參數的實驗訂出解題參數值，再設計不同題型的隨機問題進行因子變動對演算法的影響，最後將演算法的結果與分枝界限法的最佳解以及其他啟發式演算法的解進行實驗結果比較。 由本論文所提出的演算法，我們可以得到以下的結果：１.和傳統解法相比較，我們的演算法有效減少求解的時間。２.較其他啟發式演算法更逼近鄰近解。３.由實驗結果，我們可以評估出演算法的適用性。所以，對於解大型的問題時，我們的演算法可以更為快速找到較優解，而且與最佳解的差異比其他演算法小，得到相當不錯的結果。