在實務上,CY貨櫃運輸是利用貨櫃車以整櫃式的方式,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,貨櫃運輸的模式在島內逐漸由長程的南北轉運,轉變成短程的CY貨櫃運輸。然而,CY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CY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。 本研究把CY貨櫃運輸模式建構為多場站且考量時窗限制的多旅行銷售員問題(Multi-Depot m-TSPTW)。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,本研究考量了實務上的狀況,加入了最小化駕駛工作差異的目標,欲減少駕駛之間的工作負荷差異。為求解此雙目標問題,本研究先使用文獻上常用的禁忌演算法與基因演算法,求解以總空車行駛時間最小化為目標的CY貨櫃運輸問題,以期能從這兩種啟發式演算法當中,選出適合實務的貨櫃車路徑規劃演算法。根據上述兩種演算法的比較結果,本研究採用以基因演算法為架構的NSGAII發展多目標啟發式演算法,求解最小化總空車行駛時間與最小化駕駛工作差異的雙目標問題。最後再利用實務上的資料,分析此演算法在不同資料量下的求解情形。 分析結果發現,本研究發展的多目標啟發式演算法在滿足時窗限制、駕駛工時限制……等條件下,隨著資料數量的增加,演算法的求解情形依然穩定,足證此演算法能夠求解雙目標的CY貨櫃運輸問題,並適用於各種不同規模的問題。