過去在邊界參數數值進行校正多仰賴人工試誤法，但是校正效果普遍不佳。近年來發展不少啟發式演算法，在各個研究領域應用廣泛，比起傳統的演算法，因為具有跳脫區域最佳解的能力，所以有較好的求解效率。而不同的演算法應用於不同維度的問題上有不同的優異。
本研究利用模擬退火法結合水動力潮位模式，針對模式需要的邊界參數數值進行校正，希望減小潮位模式模擬研究範圍內台灣沿海的潮位變化與實際潮位變化的誤差。在優化過程中，以邊界數值分佈符合物理意義為前提，各監測站RMSE總和最小為目標進行參數校正。且在相同條件下比較遺傳演算法與模擬退火法應用於水動力潮位模式參數之校正。整體來說，兩種啟發式演算法對模式模擬的誤差皆有改善，而平均求解效率則是遺傳演算法較佳。另外，本研究也嘗試以遺傳演算法的結果設為模擬退火法的起始解，實驗結果顯示，好的起始解設定確實可以有效提升模擬退火法的求解效率。

The manual trial and error has been widely used in the past, but such approach is inefficient. In recent years, many heuristic algorithms used in a wide range of applications have been developed. These algorithms have more efficiency than traditional ones, because they can locate the best solution. Every algorithm has its own niche application in different problems.

In this study, the boundary parameters of the hydrodynamic-based tidal model are calibrated by using the Simulated Annealing algorithms (SA). The objective is to minimize the deviation between the estimated results acquired from the simulation model and the real tidal data along Taiwan coast. Based on the real physics distribution of the boundary parameters, we aimed to minimize the sum of each station’s root mean square error (RMSE). Genetic Algorithms (GAs) and Simulated Annealing Algorithms on parameters calibration for tidal model are compared under the same condition. GAs is superior on solving the problems mentioned above while both algorithms showed improved results. By setting the initial solution derived from GAs, the solving efficiency of SA can be improved in this study.

第一章 緒論 1
1-1. 研究動機 1
1-2. 研究目的 2
1-3. 研究方法 2
1-4. 研究流程 3
第二章 文獻回顧 4
2-1. 參數校正的相關研究 4
2-2. 啟發式演算法及其應用 6
2-2-1. 遺傳演算法相關研究 6
2-2-2. 模擬退火法相關研究 8
2-3. 文獻探討 9
第三章 研究方法 11
3-1. 水動力潮位模式 11
3-2. 遺傳演算法 12
3-2-1. 遺傳演算法的基本原理與特性 12
3-2-2. 遺傳演算法的組成要素 13
3-2-3. 遺傳演算法的演算流程 17
3-3. 模擬退火法 19
3-3-1. 模擬退火法的理論基礎與特性 19
3-3-2. 模擬退火法的組成要素 20
3-3-3. 模擬退火法的演算流程 22
第四章 模式建立 25
4-1. 水動力潮位模式與遺傳演算法 25
4-2. 水動力潮位模式與模擬退火法 30
4-3. 參數校正法實驗 30
4-3-1. 遺傳演算法於參數校正實驗(1) 32
4-3-2. 模擬退火法於參數校正實驗(2) 33
4-3-3. 模擬退火法於參數校正實驗(3) 34
4-3-4. 遺傳演算法於參數校正實驗(4) 35
4-3-5. 模擬退火法於參數校正實驗(5) 35
4-3-6. 模擬退火法於參數校正實驗(6) 35
第五章 模式驗證 37
5-1. 遺傳演算法於參數校正實驗(1) 37
5-2. 模擬退火法於參數校正實驗(2) 44
5-3. 模擬退火法於參數校正實驗(3) 51
5-4. 遺傳演算法於參數校正實驗(4) 58
5-5. 模擬退火法於參數校正實驗(5) 62
5-6. 模擬退火法於參數校正實驗(6) 66
第六章 結論與建議 73
6-1. 結論 73
6-2. 建議 76
參考文獻 78
附錄一、實驗(1)各監測站校正前後之潮位比較 81
附錄二、實驗(2)各監測站校正前後之潮位比較 85
附錄三、實驗(3)各監測站校正前後之潮位比較 89
附錄四、實驗(4)各監測站校正前後之潮位比較-輪盤法 93
附錄五、實驗(4)各監測站校正前後之潮位比較-比較選取法 99
附錄六、實驗(5)各監測站校正前後之潮位比較-T(K +1)=α ⋅T(K)降溫公式 105
附錄七、實驗(5)各監測站校正前後之潮位比較-T=T0/ln(i) 降溫公式 111
附錄八、實驗(6)各監測站校正前後之潮位比較 117
意見回覆表 121

1. 王皓正，2001，“應用遺傳演算法於長期潮汐預報之研究”，國立交通大學土木工程研究所碩士論文。
2. 吳泰熙、鄭豐聰、趙楷，2007，“以加入升溫機制之模擬退火演算法求解單原片方形物件排列問題”，技術學刊，第22卷，第3期，第253-261頁。
3. 林明杰、張良正，1998，“遺傳演算法應用於擬三維地下水數值模式之參數優選”，第九屆水利工程研討會，G113-G122。
4. 林師檀，2002，“禁忌搜尋法與遺傳演算法混合模式在地下水復育優選問題之應用”，國立中興大學環境工程系研究所碩士論文。
5. 林嘉佑，2005，“應用模擬退火法於QUAL2E模式參數最佳化之研究”，國立台灣大學生物環境系統工程學研究所碩士論文。
6. 林萍珍，2008，“投資分析：含Matlab應用、類神經網路與遺傳演算法模型”，新陸出版。
7. 周哲正，2000，“模擬退火演算法在地下水參數分區與抽水量率定之應用”，國立台灣大學農業工程學研究所碩士論文。
8. 周俊安，2002，“禁忌演算法應用於優選地下水模式參數之分區”，國立台灣大學生物環境系統工程學研究所碩士論文。
9. 柯惠雯，2001，“結合模擬退火法與禁忌搜尋法在流程式生產排程之應用”，大葉大學工業工程研究所碩士論文。
10. 彭聖萍，2003，“平行模擬退火法於配水管網最佳化設計之應用”，國立中興大學環境工程學系研究所碩士論文。
11. 梁亨如，2003，“應用遺傳演算法於ASR井操作之研究”，中原大學土木工程研究所碩士論文。
12. 張育雅，2003，“應用遺傳演算法於大甲溪及大安溪水資源最佳聯合調配模式”，國立交通大學土木工程研究所碩士論文。
13. 張嘉君，2003，“應用模擬退火法求解營建工程專案多重資源排程最佳化之研究”，朝陽科技大學營建工程系碩士論文。
14. 童慶斌，1999~2001，“禁忌與退火演算法在地下水模擬之應用”，行政院國家科學委員會專題研究計畫成果報告。
15. 葉恩仲，2002，“模擬退火演算法在地下水復育優選問題之應用”，國立中興大學環境工程研究所碩士論文。
16. 鍾世強，2006，“應用全域搜尋之遺傳演算法於水動力潮位模式之參數校正”，國立中山大學海洋環境及工程研究所碩士論文。
17. 羅中育，2001，“田口品質工程應用於模擬退火法參數組合-以旅行推銷員問題(TSP)為例”，雲林科技大學工業工程與管理研究所碩士論文。
18. Matlab 網站：http://www.mathworks.co.uk/
19. Chen, C.L., Vempati, V.S., and Aljaber, N.(1995),“An application of genetic algorithms for flow shop problems,” European Journal of operational Research,Vol.80,pp.389-396.
20. Cheng, C.T., Ou, C.P., and Chau, K.W.(2002),“Combining a fuzzy optimal model with a genetic algorithm to solve multi-objective rainfall-runoff model calibration,” Journal of Hydrology,Vol.268,pp.72-86.
21. Cheng, T., Feng, C., and Chen, Y.(2005),“A hybrid mechanism for optimizing construction simulation models,” Automation in Construction,Vol.14,pp.85-98.
22. Dagli, C.H., and Hajakbari A.(1990),“Simulated Annealing Approach for Solving Stock Cutting Problem,” Proceedings of Rensselaer’s Second International Conference on Computer Integrated Manufacturing, IEEE Computer Society Press,pp.221-223.
23. Duggan, J.(2008),“Equation-based policy optimization for agent-oriented system dynamics models,” System Dynamics Review,Vol.24,pp.97-118.
24. Eglese, R.W.(1990),“Simulated Annealing：A tool for Operational Research,” European Journal of Operational Research,Vol.46,pp.271-281.
25. Fazal, M.A.(2005),“Estimating groundwater recharge using the SMAR conceptual model calibrated by genetic algorithm,” Journal of Hydrology,Vol.303,pp.56-78.
26. Kirkpatrick, S., Gelatt, C.D., and Vecchi, M.P.(1983),“Optimization by Simulated Annealing,” Science,Vol.220,No.4598,pp.671-679.
27. Kirkpatrick, S.(1984), “Optimization by Simulated Annealing：Quantitative Studies,” Journal of Statistical Physics,Vol.34,Nos.5/6,pp.975-986.
28. Lakshmi Prasad, K., Rastogi, A.K.(2001), “Estimating net aquifer recharge and zonal hydraulic conductivity values for Mahi Right Bank Canal project area,India by genetic algorithm,” Journal of Hydrology,Vol.243,pp.149-161.
29. Metropolis, N., Rosenbluth, A.W., Rosenbluth, M.N., Teller, A.H., and Teller, E.(1953), “Equation of state calculations by fast computing machines,” The journal of chemical physics,Vol.21,pp.1087-1092.
30. Thomas, G..M., Gerth, R., Velasco, T., and Rabelo, L.C.(1995),“Using Real-Coded Genetic Algorithms for Weibull Parameter Estimation,” Computers and Engng,Vol.29,No.1-4,pp.377-381.
31. Wang, Q.J.(1997),“Using genetic algorithms to optimise model parameters,” Environmental Modelling & Software,Vol.12,N0.1,pp.27-34.
32. Yu, C.S.(1993),“Modelling Shelf Sea Dynamics and Estuarine Circulations,” Ph.D. Thesis, Dept. of Civil Eng., K.U.Leuven.
33. Youssef, H., Sait, S.M. and Adiche, H.(2001),“Evolutionary algorithms,simulated annealing and tabu search：a comparative study,” Engineering Applications of Artificial Intelligence,Vol.14,pp.167-181.