交通部運輸研究所Institute of Transportation, MOTC

　　研究中針對TA 之起始門檻值參數進行修正，將22 題例題之平均誤差由5.256 %降至2.343 %，明顯的改善了TA 之效果。此外，提出一創新性之TA 執行架構--限制型TA (Bounded TA)，提供另一種執行策略，測試結果顯示限制型TA 求解績效非常顯著。整體TA 之22 題最小成本誤差平均為2.176%。

　　本研究亦修正原始GDA 之概念可能忽略更優解之情形，並針對參數--消退速度(DS)與起始水位(WL0)採取不同進行策略測試，並配合低水位策略，進行求解，整體GDA 架構求解各題之最小成本誤差平均為2.508 %(消退速度I)與2.076%(消退速度II)。

　　研究架構應用GIDS 架構求解之概念：先取得起始解後，進行鄰域搜尋，再以TA 與GDA 改善，避免陷入區域最佳解(Local Optimum)，此外，在一區域進行深度化搜尋後，使用FF 對解空間進行擾動，跳躍至另一區域，增加搜尋之廣度，再度進行搜尋，以此概念將TA、GDA、FF 三種巨集啟發式解法進行結合。

　　測試結果發現：此種架構對單獨執行TA 或GDA 之改善績效介於9 % 至22%，但由於多進行一階段的運算，時間增加幅度介於原時間之1.17 至2.02 倍，最小成本誤差平均更降至1.4 %，突破以往使用傳統交換法之屏障3 % 至5%，表示此種結合深度化與廣度化之求解架構有相當之應用潛力。本研究並對FF進行績效測試，將FF 結合Chained Lin-Kernighan演算法進行兩項實驗，發現FF能有效擾動解空間，使後續演算法獲得更精確的解。