• 學位論文

最小化總完工時間之穩健雙機排程模式

在實務上，通常生產作業都存在高度的不確定性因素，若未將這些不確定性因素考慮至排程作業中，常會導致生產排程的績效不佳。回顧過去文獻，加工時間具有不確定性的單機排程問題較常被討論。因此，本研究探討雙機排程問題，加工時間具有不確定性，以最小化總完工時間為績效指標。利用Bertsimas與Sim [30]在2004年提出的穩健對應最佳化模式(Robust Counterpart Optimization)，建構本研究的穩健雙機排程問題(Robust Two-machine Scheduling Problems)。並且利用完全列舉法(Enumeration)來驗證模擬退火法(Simulated Annealing; SA)以及反覆貪婪(Iterated greedy; IG)演算法在求解穩健排程中彼此之績效。在實驗設計則以工件數大小區分為小型問題以及大型問題， 為小型問題， 則規類為大型問題。實驗結果顯示在小型問題中，SA與IG有相同的求解效果，並且當 下，完全列舉法、SA與IG不超過0.1秒就可求出最佳解。在大型問題中，IG的求解效果較SA佳，但所需的計算時間卻遠大於SA。

• 學位論文

應用和弦演算法求解兩階段混合式流程型工廠綁機問題

在現實環境中兩階段混合式流程型工廠是一種常見的生產型態，而綁機限制正是為近年來半導體製造廠裡生產流程日漸精密之下所產生的現象。在排程學術研究中，相關文獻十分稀少，故引發本研究探討此問題的動機。本研究主要在探討兩階段混合式流程型工廠綁機排程問題，其目標函數為最小化總完工時間，並提出一新型修正的和弦演算法(Revised Harmony Search)，以c語言來求解此問題，研究結果證實，本研究所提出之修正和弦演算法較現存之四種啟發式演算法為佳。因此，本研究所提出的RHS能迅速且穩定求得較佳的解。

• 學位論文

整合粒子群演算法及蜜蜂交配演算法於人工生殖成功率之預測

台灣人工生殖 (In vitro fertilization, IVF) 技術享譽國際醫學界，隨著現代人生活與工作壓力的增加，不孕夫妻的比率越來越高，求助醫療所之不孕症患者日益增加。人工生殖試管嬰兒的整個流程步驟，包括病患的基本資料建檔、病患的藥物注射給予、開刀房手術取卵、受精、胚胎的培養、胚胎的記錄、胚胎的植入、多餘胚胎的冷凍保存、冷凍胚胎的植入、懷孕的最終結果(流產、子宮外孕或足月生產等)紀錄，及實驗室的品質管制 (如CO2培養箱、液態氮桶監內液態氮監控、培養液PH值監控) 等階段，由於內容相當複雜，而且每一細部的環節皆會影響到懷孕率最終成果。 然而試管嬰兒的療程費用是相當昂貴的，且受療者須忍受身心的考驗也易引發一些副作用如：出血、感染、膀胱穿刺等。而且成功懷孕因素眾多，醫師雖可以依病人年齡、卵泡刺激素(Folliclestimulating hormone)及不孕症的診斷等臨床經驗來決定成功懷孕機率的大小，但有許多其他因素也會影響IVF的成功率，如卵子及精子的品質、植入胚胎的數量及是否有子宮卵巢的病變等，醫師卻很難針對每一組IVF受療者擬定個別的治療決策。本研究採用資料探勘(Data mining, DM)的技術，結合粒子群最佳化方法與蜜蜂交配演算法等技術分析IVF資料庫，探討影響IVF成功或失敗主因及成功因素的規則，建構一套預測模式。研究結果以期能提供給醫師及不孕症患者相關診斷時的決策參考。