Abstract
在實務上，整櫃式貨櫃運輸是利用貨櫃車把貨櫃往來運送於貨主倉庫與貨櫃集散站之間。近年由於客製化服務興起，加上台北港建設完成，降低北部貨櫃從高雄港進出口的需求，台灣的貨櫃運輸模式逐漸由長程的南北轉運，轉變成短程的整櫃式貨櫃運輸。然而，整櫃式貨櫃運輸的貨櫃車在行駛路徑規劃上複雜，還必須因應不同的需求，提供客製化的服務。現行的貨櫃車派遣是以人力為主，但隨著整櫃式貨櫃運輸的需求上升，再加上其運輸路徑的複雜，已成為一個棘手的問題。除此之外，貨櫃運輸業者亦發現貨櫃車行駛時間並不固定，常會因為氣候因素、交通因素，抑或是貨櫃車本身因素等，導致完成任務的行駛時間可長可短，會造成在派車時無法準確掌控貨櫃車的完成任務之時間，因此考量行駛時間具隨機性的路徑規劃問題亦成為目前需解決的課題。 本研究把整櫃式貨櫃運輸模式建構為多派車中心且考量隨機旅行時間的多旅行銷售員問題(Multi-Depot m-TSPST)。在過去文獻中，主要是以貨櫃車總空車行駛時間最小化為目標進行求解，由於在求解路徑規劃問題中，行駛時間具有隨機性，導致須模擬多次以求得其績效期望值，因此期望能減少運算時間並求得較佳的解，故本研究提出基因演算法結合資源分配最佳化來進行貨櫃運輸問題的求解，並針對其相關參數進行分析，且最後利用實務資料進行求解分析。 分析結果發現，本研究所提出之基因演算法結合Optimal Computing Budget Allocation (OCBA)應用於整櫃式貨櫃運輸問題，在考量隨機行駛時間、時窗限制等條件下，不論以測試資料或是實務資料進行求解，其皆可減少運算時間並求得近似最佳解。因此，足證基因演算法結合OCBA方法論可應用於整櫃式貨櫃運輸問題。