出版全華圖書指定用書中華民國物流協會【物流運籌人才-倉儲與運輸管理】教材製作AIBILA 研究室 ・ Allen 老師
第三篇 運輸作業篇

第 10 章 訂單指派與路線規劃

從規則到最佳化

核心管理議題

  1. 「訂單指派」和「路線規劃」是同一件事嗎?為什麼要分兩個動詞、三層決策?
  2. 我的 247 條規則每條都有現場理由,為什麼一條條跑卻會崩掉?何時該升級到 VRP?
  3. VRP、CVRP、VRPTW、VRPPD 各解什麼?NP-hard 為什麼業界還能每天解上千客戶?
  4. 解法有規則式/啟發式/後設啟發式/RL 四階,怎麼依規模與動態選?OR-Tools 夠用嗎?
  5. 車一上路訂單就變,動態改派怎麼做?改派太頻繁司機會不會抓狂?

章前情境故事

2026 年 5 月某週一早上 09:30,台中履約中心二樓小會議室。Route 把 Ch 9 那張延遲熱圖翻出來,旁邊壓著上週五一連假首日的失序班表,臉色不太好看。

▶ 三人對話語音(Allen × Ware × Route)
Allen 顧問Ware 倉儲經理Route 運輸經理
Route
顧問,這套規則庫我親手寫了三年,平常都好好的。1 到 4 月平均每日 850 條路線跑得順順的。怎麼上週五一爆量到 1,200 條就崩了?全省 218 條延遲超過 2 小時、客訴率 4.3%,平日才 0.6%。
Allen
先別急著怪規則。你規則庫總共多少條?
Route
247 條。
Allen
247 條靠人腦排優先序,路線從 850 升到 1,200,規則之間的衝突數是平方成長——247 條就有約 30,000 對潛在衝突。850 條時靠運氣加司機臨場應變化解掉;1,200 條時就沒辦法靠人補救。
Route
那你的意思是,我規則庫要砍?
Allen
不是砍,是換引擎。你今天用的是「規則式」,再寫 100 條也救不了。再上去就是 VRP——車輛路線問題。它保留規則的精神(時窗、容量、車型還是約束),但用數學最佳化或啟發式去找「總成本最低的配置」,而不是硬套規則。
Ware
這跟我們倉內 Slotting 從「人工排」進到「演算法排」是同一個道理吧?
Allen
完全一樣。從規則到最佳化是一條階梯——規則式、啟發式、元啟發式、強化學習。本章就講這條階梯,先把規則式跟啟發式之間的橋搭好。

各節重點內容

§10.0 從訂單到路線:兩動詞分流與三層分工全景

兩動詞、兩決策:訂單指派=「這張訂單該由誰送」(訂單 → 車 × 駕駛 × 時段,日週期);路線規劃=「已指派車內停靠點怎麼排序」(小時週期)(見圖10-1)。

動態場景再加第三層「動態調整」(分鐘週期):負責處理出車後的訂單異動與路線異常,形成三層分工全景。

詞彙速覽(17 詞)+閱讀地圖:§10.1 指派、§10.2–§10.3 規劃解法、§10.4 動態聯合、§10.5 落地路徑。

訂單指派 → 路線規劃 → 動態調整三層分工流程圖
圖10-1訂單指派 → 路線規劃 → 動態調整三層分工流程圖點圖放大

§10.1 訂單指派的規則引擎時代:從 Excel 到 Rule Set

演進三階段:Excel+條件格式+人工拖拉 → Rule Engine → Constraint-based Rule Set。

七類常見指派規則:地理區域對應、車型對貨、時窗優先、駕駛熟區、載重容量、客戶指定、成本最小等,每條都有「資料前提」與「預期效果」。

甜蜜點:每日波動 ≤15%、規則 ≤50 條、客戶結構穩定、演算法團隊尚未成形時,規則式仍是最佳選擇。

天花板:規則 ≥150 條時,規則彼此的優先序衝突隨規模平方成長——不是單一規則寫錯、是規則機制本身的天花板;Route 同時破「規則 ≥150」與「波動 ≥30%」兩紅線。

規則庫治理(延緩天花板):版本控管、稽核、沙盒模擬;把規則分 Hard/Priority/Soft 三層,每季設「規則清理日」刪除一年沒觸發、合併語意重複的規則。

Route 的疑問
那我這 247 條規則認真想其實很合理啊——A 區歸誰、3.5 噸對什麼貨、王大哥跑哪一片,都是經驗累積,為什麼一條條跑卻會崩掉?是哪一條寫錯了嗎?Allen:規則本身大多沒寫錯,是「247 條規則彼此之間的優先序衝突」隨規模平方成長——不是任何單一規則的問題,是規則機制本身的天花板。
Allen 的現場筆記
規則式不是越多越好、是越精越好——我輔導過某 3PL,規則庫長到 380 條後團隊不敢動:改一條怕壞十條、優先序文件半年沒人更新、新調度員看不懂。後來做了三件事:(1) 把規則分成強制(Hard)/優先(Priority)/偏好(Soft)三層、各用不同罰則處理;(2) 上架沙盒模擬器,新規則上線前必跑近 30 天歷史看影響面;(3) 每季「規則清理日」刪掉一年沒被觸發、合併語意重複的規則。半年後規則庫從 380 條精簡到 215 條、衝突率從 12% 降到 3%、新人兩週就能上手。對 Route 也適用:升級 VRP 前先把 247 條梳理一遍、可能剩 150 條,就能爭取三個月喘息空間。

§10.2 VRP 問題家族識讀:三大變形與繞開 NP-hard 三招

教學立場(識讀為主):認識 TSP/VRP/CVRP/VRPTW/VRPPD 五名詞、知道各解什麼、知道為何 NP-hard 業界還能用(見圖10-3)。

從 TSP 到 VRP:TSP=1 車 N 城各拜訪一次回起點求最短;VRP=TSP 的多車版本、多車從同倉服務多客戶的最佳化家族。

三大變形:CVRP(容量上限約束)、VRPTW(時窗約束,台灣 B2C 宅配主場景)、VRPPD(先攬後配順序約束,宅急便/逆物流)。

NP-hard 繞過三招:不求精確最優、問題分解、時間預算妥協;VRP 與規則式互補而非互斥——規則式做指派 + VRP 做規劃可並存。

CVRP / VRPTW / VRPPD 三類問題定義對照
圖10-3CVRP / VRPTW / VRPPD 三類問題定義對照點圖放大

§10.3 四階解法階梯:規則式/啟發式/後設啟發式/RL

解法是階梯不是一刀切,依「規模 × 動態」二維矩陣選用(見圖10-2)。

第 1 階 規則式:IF-THEN-ELSE 由人寫死優先序(規模 ≤50、波動小時適用)。

第 2 階 經典啟發式三招:節省演算法(Clarke-Wright, 1964)、掃描演算法(1974)、插入演算法(適合 VRPTW),至今仍是 OR-Tools 內建選項。

第 3 階 後設啟發式(Metaheuristic):GA(基因)、SA(模擬退火)、Tabu(禁忌搜尋),在初始解上加搜尋框架反覆改善,適合多目標權衡。

第 4 階 強化學習(RL):把路線視為序列決策、用神經網路逼近策略函數;產業落地仍在驗證。

解法階梯與適用情境矩陣(規模 × 動態二維)
圖10-2解法階梯與適用情境矩陣(規模 × 動態二維)點圖放大
Allen 的現場筆記
台灣多屬中小企業,就連中大型物流業者也很少自購 Gurobi、CPLEX 等商用求解器——能用這類工具的人微乎其微,買回來常變成 IT 維運負擔、現場只用得到 5% 功能,花百萬導入幾年後算 ROI 還是負的。務實演進路徑是:先與學校產學合作、委由老師用 OR-Tools 跑一輪看效果再決定下一步——OR-Tools 開源、文件齊、Google 維護,解 200 客戶+時窗綽綽有餘;若真有商用級需求,常透過第三方引擎(VROOM、Optimoroute)以 SaaS 採購,或找系統整合商,不必自養 OR researcher。先簡後繁、先開源後(必要時)商用、寧 SaaS 不自建。

§10.4 動態 VRP × 動態 Bin Packing 聯合最佳化

靜態 vs 動態:靜態=規劃前訂單全知、出車後不變;動態=部分訂單動態到來、車輛即時回報、需即時改派(見圖10-4)。

滾動水平規劃(Rolling Horizon):不試圖「一次算對未來 24 小時」,而是「每 N 分鐘重算未來 H 小時、只鎖定執行未來 N 分鐘」。

與 Ch8§8.3 靜態 Bin Packing 整合:路線決定容量、容量反過來影響路線,雙模組互相回授迭代。

即時改派五類觸發:新訂單到達、在途異常(車禍/塞車/故障)、客戶改址/改時窗(佔 30–40%)、超時告警、車輛故障。

動態 VRP 三軸 KPI:回應時效(≤60 秒)、派車異動率(每車每日 ≤2–3 次)、路線執行率(實際 vs 規劃相似度)。

動態 VRP × 動態 Bin Packing 聯合最佳化資料流(含滾動水平規劃時間軸)
圖10-4動態 VRP × 動態 Bin Packing 聯合最佳化資料流(含滾動水平規劃時間軸)點圖放大
Route 的疑問
那個動態改派聽起來很厲害,可是司機真的買單嗎?我們的司機開到一半被通知「下個 stop 改去南港」就會直接打電話來罵:「我都已經開到內湖了你給我改南港?!」這個 30 秒回應時效 vs 司機火氣怎麼平衡?Allen:改派要設「冷卻期(Cooldown)」,剛改派完 N 分鐘內不再對同車改派;改派時附「改派理由」推播給司機(例如「客戶 5 分鐘前改地址、原 stop 改派給 V-024」),不只是新地址;最大改派次數設每車每日 ≤3 次為紅線。系統設計要把人放進迴圈——演算法會跑出更快更省的解,但司機的心理可承受度才是現場的真實天花板。

§10.5 從理論到落地:選型、團隊、避雷

三種落地路徑:TMS 內建模組(整合高、深度有限、客製貴)、第三方優化引擎(OR-Tools/VROOM/Optimoroute,最務實起步)、自建(彈性最大、人才與成本最重)。

選型三問:演算法差異化每年值多少 NTD(<1,000 萬多半別自建)、能否養 ≥3 名 OR researcher 連續 3 年、需求是否真到商用級。

演算法團隊 Three-in-One:OR Researcher(懂 VRP 模型、挑演算法)+Domain Expert(翻譯台灣物流業務為約束)+Engineer(跑得起來),缺一不可。

五大避雷:過早導入 RL(規模 <200 點硬上)、忽視時窗硬約束、忽略司機接受度、資料品質不足硬上、沒有沙盒直接上線。

OR-Tools / LKH / VROOM / Jsprit 四工具特性矩陣
圖10-5OR-Tools / LKH / VROOM / Jsprit 四工具特性矩陣點圖放大

§10.6 工具與技術:三套可印表單

工具一:規則庫 Rule Set 設計檢核表(30 題),給已用規則式的物流商自我檢核規則庫是否夠「精」。

工具二:VRP 問題卡(8 欄:問題類型/輸入資料/輸出格式/目標函數/主要約束/推薦解法…),把現場場景結構化為可對話的 VRP 問題。

工具三:VRP 演算法/工具供應商評估與提問清單,附 Route 全溫層配送商填入示範。

各節重點內容簡報

本章摘要與關鍵詞索引

本章摘要
  • 訂單指派 vs 路線規劃是兩個動詞:指派=「訂單 → 車」(日週期)、規劃=「停靠點 → 序號」(小時週期);動態場景再加第三層「動態調整」(分鐘週期)(§10.0)。
  • 規則式不會被淘汰、有甜蜜點(規模 ≤50、波動 ≤15%、規則 ≤50 條);撞天花板(規則 ≥150+波動 ≥30%)才需升級,Route 的 247 條正是雙紅線同時觸發(§10.1)。
  • VRP 是 NP-hard 家族,業界用「不求精確最優+問題分解+時間預算妥協」三招繞過;台灣 80% B2C 對應 VRPTW;VRP 與規則式互補(§10.2)。
  • 解法是階梯:規則式 → 啟發式(Savings/Sweep/Insertion)→ 後設啟發式(GA/SA/Tabu)→ RL,依「規模 × 動態」選用;先簡後繁、先開源後商用、寧 SaaS 不自建(§10.3)。
  • 動態 VRP × 動態 Bin Packing 聯合最佳化:滾動水平規劃+即時改派+與 Ch8§8.3 整合;改派要設冷卻期、把「人的接受度」放進設計(§10.4–§10.5)。
中文詞彙English說明
訂單指派Order Assignment把訂單分派給特定車輛 × 駕駛 × 時段的決策動詞
路線規劃Route Planning / Optimization在已指派車輛內決定停靠點順序的決策動詞
規則式(規則引擎)Rule-based / Rule Engine以 IF-THEN-ELSE 把現場經驗系統化的決策方法
規則庫Rule Set規則式系統內所有規則的集合與管理機制
規則漂移Rule Drift規則庫上線後因環境/業務變動致前提失效
旅行銷售員問題TSP, Traveling Salesman Problem1 車 N 城各拜訪一次回起點求最短;NP-hard 代表
車輛路線問題VRP, Vehicle Routing ProblemTSP 的多車版本;多車從同倉服務多客戶後返倉
容量 VRPCVRP, Capacitated VRP含車輛容量上限約束的 VRP 變形
時窗 VRPVRPTW, VRP with Time Windows含每客戶點時段約束;台灣 B2C 宅配主場景
攬配 VRPVRPPD, VRP with Pickup and Delivery含「先攬後配」順序約束;宅急便/逆物流
硬時窗Hard Time Window必須在指定時段到達、違反即不可行
軟時窗Soft Time Window違反加罰金但不擋方案可行性
啟發式Heuristic不保證最優但能在合理時間給出可行解
後設啟發式Metaheuristic在啟發式之上加搜尋框架的演算法家族
節省演算法Savings Algorithm (Clarke-Wright, 1964)計算合併路線節省值、貪婪合併的經典啟發式
掃描演算法Sweep Algorithm (1974)以倉庫為中心依角度掃描分群、各群內 TSP
插入演算法Insertion Algorithm依插入成本逐個加入客戶、適合 VRPTW
基因演算法GA, Genetic Algorithm模擬演化(選擇/交配/突變)的後設啟發式
模擬退火SA, Simulated Annealing允許接受劣解以跳脫局部最優的後設啟發式
禁忌搜尋Tabu Search用禁忌表避免回頭的鄰域搜尋後設啟發式
強化學習RL, Reinforcement Learning把序列決策建模為 MDP、用神經網路逼近策略
OR-ToolsOR-ToolsGoogle 開源最佳化工具集,含 VRP/CP-SAT 求解器
LKHLin-Kernighan-HelsgaunTSP/VRP 最強啟發式之一;大規模求解品質頂尖
VROOMVehicle Routing Open-source Optimization Machine開源 VRP 引擎、REST API 吃 GeoJSON、最易整合
動態 VRPDVRP, Dynamic VRP訂單/車輛狀態於規劃中變動、需即時改派
滾動水平規劃Rolling Horizon Planning每隔 N 分鐘重算未來 H 小時計畫的框架
即時改派Real-time Re-dispatch出車後依新訂單/異常/改址即時調整路線
動態 Bin Packing × VRP 聯合最佳化Joint Optimization of Dynamic Bin Packing and VRP路線決定容量、容量反過來影響路線的雙模組回授
靜態 Bin PackingBin Packing Problem承 Ch8§8.3
派車單Dispatch Order / Trip Sheet承 Ch9§9.0
送貨單Delivery Note / DN承 Ch9§9.0
訂單狀態機Order State Machine承 Ch9§9.2

本章統整與下章預告

本章把「從規則到最佳化」講清楚——兩動詞三層分工、規則式的甜蜜點與天花板、VRP 問題家族、四階解法階梯、動態 VRP × 動態 Bin Packing 聯合最佳化,以及落地選型、Three-in-One 團隊與五大避雷。核心是:解法是階梯不是一刀切,先簡後繁、把人放進迴圈。

下章預告:路線規劃解決了「出車前怎麼排」,但車一上路,塞車、車禍、客戶改址、車輛故障隨時打亂計畫。下一章進入車輛在途管理——GPS/Telematics 如何把在途變成可觀測、可即時介入,讓調度員在異常發生的當下就能反應,把規劃好的路線真正跑完。

反思題與 AIBILA Prompt Box

PBL 體例下,反思題不在於「測讀者記不記得章內定義」,而在於「逼讀者把章內知識套到自己現場」。本章三題反思題依序對應「規則 vs VRP 的判斷準則/人的經驗在哪一階扮演什麼角色/落地路徑該怎麼選」三個本章深層議題。

  1. 回到章前情境——Route 的延遲熱圖 4.3% 客訴率該先檢討規則庫設計、還是直接導入 VRP?理由是什麼?這個決定背後的判斷準則是什麼?(提示:用 §10.1.3 規則式的甜蜜點與天花板四指標、§10.3 圖 10-2 規模 × 動態象限、H.1 規則庫 30 題檢核表三套工具交叉判斷)

    拿去問 AI
  2. 演算法 vs 人的經驗的衝突——演算法跑出的最佳路線跟司機老王 5 年經驗給的路線衝突時,要聽誰的?請從「規則式 vs 啟發式 vs 後設啟發式」的三階度,討論「人的經驗」在哪一階扮演什麼角色——是被取代?被當成約束?還是被當成監督訊號?(提示:對照 §10.3 第 1 階規則式「人寫死規則」vs 第 3 階後設啟發式「人定義目標函數權重」vs 第 4 階 RL「人提供訓練樣本」三種角色差異)

    拿去問 AI
  3. 落地路徑選型——若你是台灣某中型物流商(每日 600 條路線、車隊 80 台、IT 5 人含 1 人懂 Python),你會選 §10.5 哪一條落地路徑?為什麼?你的演算法團隊缺哪個角色(OR/Domain/Engineer)會最致命?(提示:用 §10.5 的三條路徑優劣表 + Three-in-One 警示 + §10.3 Allen 現場筆記「產學合作/工研院」三條台灣特有資源管道交叉判斷)

    拿去問 AI
AIBILA Prompt Box 用 LLM 從 TMS 月度路線報表找出「規則漂移(Rule Drift)」三種徵兆

適合情境:你手上有近 30 天 TMS 路線執行報表(CSV,欄位含路線 ID/規則庫版本/計畫里程/實際里程/OTD 率/派車異動次數/客訴件數,共 1,500 列),規則庫上線已 6 個月、隱約覺得「最近怪怪的」但說不上來。

你是運輸 OR 分析師。我給你 TMS 月度路線執行報表(CSV)。

規則漂移(Rule Drift)三種徵兆:
A. 同一規則歷史 OTD 高、近 30 天 OTD 顯著下降(規則前提變了)
B. 同一規則派車異動次數異常增加(規則無法適配新業務型態)
C. 客訴集中於某幾條規則命中的路線(規則本身可能就是問題源)

請輸出 JSON:
{
  "drift_type_A": [{"rule_id": ..., "baseline_OTD": ..., "recent_OTD": ..., "drop_pct": ...}],
  "drift_type_B": [{"rule_id": ..., "baseline_異動次數": ..., "recent_異動次數": ..., "increase_pct": ...}],
  "drift_type_C": [{"rule_id": ..., "customer_complaint_count": ..., "rule_summary": ...}],
  "diagnostic_questions": [...]
}

不給結論、給三組數據 + 5 個診斷問題讓我去現場驗證。
把這段提示詞帶去

為何這樣設計 Prompt:(1) 不給結論、給數據 + 診斷問題:LLM 易過度自信、給「應改規則 R-024」這類武斷建議,但它沒看到現場約束、不該下結論。(2) 三類徵兆對應三種根因:A 類是規則前提變了(環境變動)、B 類是規則無法適配(業務型態變動)、C 類是規則本身有問題;三類根因對應三種處置:A 類調規則參數、B 類加新規則、C 類刪舊規則。(3) 派車異動次數作為信號:本章 §10.4 引入的新指標,現在反過來變成 LLM 偵測規則漂移的訊號來源。

延伸提示:把 LLM 輸出的「5 個診斷問題」帶回演算法團隊複盤會、不直接改規則;改規則前先用 §H.1 工具一的沙盒模擬器跑近 30 天歷史資料、確認影響面再上線。LLM 的角色是「擴大調度員的觀察視野」、不是「取代調度員的決策權」——這也是本書對 GenAI 在物流領域應用的一致立場。

章末習題

目前:練習版(作答後才顯示該題答案)

單選題

1. 依本章 §10.0 釐清,下列關於「訂單指派」與「路線規劃」兩動詞的描述,何者正確?

答案:B 解析:依 §10.0 一,訂單指派回答「這張訂單該由誰送」(粒度:訂單→車);路線規劃回答「已被指派同一車的訂單以什麼順序去送」(粒度:停靠點→序號)。兩者緊密耦合但是兩個獨立決策。 |難度 基礎|§§10.0 一

2. 依本章 §10.0 三層分工全景架構,下列何者不屬於該三層?

答案:D 解析:§10.0 三 圖 10-1 三層分工為「訂單指派 → 路線規劃 → 動態調整」三層、決策週期分別為日/小時/分鐘。司機薪資結算屬 HR 範疇、不在運輸計畫三層分工內。 |難度 基礎|§§10.0 三

3. 在三層分工框架下,「路線規劃」層的主要約束不包含下列何者?

答案:D 解析:§10.0 一 表格列示路線規劃的主要約束為「時窗、距離、駕駛工時」三類;倉內揀貨速度屬 Ch 7 揀貨層、與路線規劃決策無直接關聯。 |難度 基礎|§§10.0 一

4. 依§10.1,規則式指派的演進三階段,下列何者不是第 3 階Constraint-based Rule Set 的特徵?

答案:D 解析:依 §10.1 一表格,第 3 階 RuleSet 規模上限是 500 條路線/日;30 條路線/日是第 1 階 Excel 表的規模上限。 |難度 基礎|§§10.1 一

5. 247 條規則之間的潛在衝突數,依 §10.1 ,的計算方式,約為多少對?

答案:B 解析:§10.1 三 + 章前情境計算:規則衝突呈平方成長 247×246/2 ≈ 30,000 對。Route 場景正是規則數破 150 條紅線觸發此計算。 |難度 基礎|§§10.1 三、章前情境

6. 依 §10.1 ,下列何者不屬於七類常見指派規則?

答案:D 解析:§10.1 二列示七類規則為「區域、車型、駕駛、客戶優先級、時段平衡、容量、溫層」;客戶 RFM 分群是行銷分析框架、不屬指派規則。 |難度 基礎|§§10.1 二

7. 依 §10.1 ,「規則品質 = 主資料品質 × 規則設計品質」的論述,下列何者最符合這個公式的精神?

答案:B 解析:§10.1 二末段呼應 Ch 6 §6.2 GIGO 概念——主資料是規則的前提、若主資料髒亂、再精準的規則設計也產出垃圾結果。這是「乘法關係」而非「加法關係」。 |難度 中等|§§10.1 二

8. 依 §10.1 ,下列何者不是規則式撞天花板的四個信號之一?

答案:D 解析:§10.1 三規則式天花板四指標為「規則 ≥ 150、波動 ≥ 30%、多目標衝突、無回歸測試」。客戶數本身不是規則式天花板的直接觸發指標。 |難度 中等|§§10.1 三

9. 依 Allen 現場筆記 1,某 3PL 業者規則庫從 380 條精簡到 215 條使用了哪三招?

答案:B 解析:Allen 現場筆記 1 三招為「(1) 規則三層分類(Hard/Priority/Soft);(2) 沙盒模擬器先跑歷史 30 天;(3) 季度規則清理日」。半年後規則精簡到 215 條、衝突率從 12% 降到 3%。 |難度 進階|§§10.1 四 Allen 現場筆記 1

10. 旅行銷售員問題(TSP)於哪一年提出?

答案:B 解析:§10.2 一 TSP 於 1954 年提出、是運籌學最古老問題之一。1959 年提出的是 VRP(TSP 的多車版本)。 |難度 基礎|§§10.2 一

11. 依 §10.2 ,VRPTW 比 CVRP 多了什麼約束?

答案:C 解析:§10.2 二表格 VRPTW = CVRP + 時窗約束;台灣 80% B2C 宅配場景對應 VRPTW。CVRP 已含容量約束、VRPPD 才是攬配順序約束。 |難度 基礎|§§10.2 二

12. 宅急便(同一車同時跑取件 + 送件)對應哪一個 VRP 變形?

答案:C 解析:§10.2 二表格 VRPPD(VRP with Pickup and Delivery)含「先攬後配」順序約束、適用宅急便、逆物流、客貨運整合。 |難度 基礎|§§10.2 二

13. 依虛擬碼框 1 ,CVRP 概念化骨架,CVRP 的主要約束不包含下列何者?

答案:D 解析:偽碼框 1 列示 CVRP 三大約束「每客戶被服務一次、車容量上限、路線封閉返倉」;時窗約束是 VRPTW 的特色、不在 CVRP 基底版本中。 |難度 基礎|§§10.2 二、偽碼框 1

14. 依 §10.2 ,產業界繞開 NP-hard 的「問題分解」這一招,與§10.1 哪個規則對應?

答案:B 解析:§10.2 三明確指出問題分解(先分區再各區內 VRP)「正是 §10.1 規則式的 Zone-Vehicle Mapping 做的事——規則式與 VRP 不是互斥、是互補」。 |難度 中等|§§10.2 三

15. 依本章 §10.2 ,下列關於 VRP 與規則式的描述,何者最正確?

答案:C 解析:§10.2 末段「VRP 跟規則式不是互斥、是互補——規則式做指派 + VRP 做規劃可以並存」是本章核心立場。 |難度 中等|§§10.2 末段

16. 依 §10.3 ,解法階梯,從低到高的四階順序為何?

答案:B 解析:§10.3 第 1 階規則式 → 第 2 階啟發式 → 第 3 階元啟發式 → 第 4 階 RL。但本章強調「不是後者取代前者、是依問題形貌選用」。 |難度 基礎|§§10.3 一

17. 經典啟發式中的 Savings(Clarke-Wright)演算法於哪一年提出?

答案:B 解析:§10.3 三表格 Savings(Clarke-Wright)於 1964 年提出、計算「合併兩條路線」的節省值、貪婪合併的經典啟發式。 |難度 基礎|§§10.3 三

18. 依 §10.3 ,經典啟發式三招對照表,「客戶呈放射狀分布、區域分群明確」的場景最適合用哪個演算法?

答案:B 解析:§10.3 三表格 Sweep(1974)以倉庫為中心依角度掃描客戶分群、再各群內 TSP;放射狀分布正是其適用場景。 |難度 基礎|§§10.3 三

19. 模擬退火(SA)演算法的核心比喻是什麼?

答案:B 解析:§10.3 四表格 SA(Simulated Annealing)模擬金屬冷卻過程、依溫度允許接受劣解以跳脫局部最優。GA 是演化、Tabu 是禁忌表、RL 是神經網路。 |難度 基礎|§§10.3 四

20. 依 §10.3 ,下列何者不是 RL 在工業落地的三大障礙之一?

答案:D 解析:§10.3 五列示 RL 三大障礙為「訓練穩定性、可解釋性、約束硬性處理」;求解速度反而是 RL 推論階段的相對優勢、不是障礙。 |難度 基礎|§§10.3 五

21. 依 §10.3 ,四工具特性矩陣,下列關於 OR-Tools 的描述何者最正確?

答案:B 解析:§10.3 六表格 OR-Tools 為 Google 開源、CP-SAT + 元啟發式、通用、多語、文件最齊;學習門檻中等。LKH 才是大規模 TSP / VRP 求解品質頂尖。 |難度 中等|§§10.3 六

22. 依 §10.3 ,Allen 現場筆記 2,台灣中小/中大型物流商不必自養 OR researcher 的三條替代路徑不包含下列何者?

答案:D 解析:§10.3 Allen 現場筆記 2 明確指出「就算花百萬導入、可能幾年後算 ROI 還是負的」;三條替代路徑為產學合作、SaaS、系統整合商。Gurobi/CPLEX 不在推薦路徑內。 |難度 中等|§§10.3 六 Allen 現場筆記 2

23. 動態 VRP 與靜態 VRP 最關鍵的差異在哪?

答案:B 解析:§10.4 一表格關鍵差異在「規劃時點」——靜態一次算完、動態滾動重算(典型 15-60 分鐘一輪)。 |難度 基礎|§§10.4 一

24. 依 §10.4 ,滾動水平規劃參數表,重算頻率 N 的典型值範圍為何?

答案:B 解析:§10.4 二表格重算頻率 N 典型值 15–60 分鐘(越短越靈敏、計算成本越高);2–8 小時是規劃水平 H 的典型值。 |難度 基礎|§§10.4 二

25. 「每車每日改派 ≤ 3 次」這條紅線的根本理由是什麼?

答案:C 解析:§10.4 二明確指出「每車每日改派 ≤ 3 次不是技術限制、是人因限制」;Route 的疑問 2 灰框延伸這點:司機開到一半被改派太多次會崩潰。 |難度 中等|§§10.4 二、Route 的疑問 2

26. 依 §10.4 ,聯合最佳化資料流,VRP 與 Bin Packing 互相回授迭代每輪通常多少次收斂?

答案:B 解析:§10.4 四末段「實務上這個迭代每輪 2–5 次就收斂」;聯合最佳化不是順序流而是迭代回授。 |難度 中等|§§10.4 四

27. 依 §10.4 , 100 訣對照表,本章「回應時效(≤ 60 秒改派)」延伸自 100 訣的哪個指標?

答案:C 解析:§10.4 六對照表「回應時效」延伸自 §4-4 立即繳交率(≤ 12 小時)——時間粒度從小時下探到秒、從事後統計變成即時觸發。 |難度 進階|§§10.4 六

28. 依 §10.5 ,三條落地路徑表,「自建演算法團隊」最適合下列哪一類業者?

答案:C 解析:§10.5 一表格「自建」適用「大型物流商或科技導向新創」;中小物流商起步用內建、中大型用第三方、自建是大型獨有選項。 |難度 基礎|§§10.5 一

29. 依 §10.5 ,五大踩雷的共同根因是什麼?

答案:B 解析:§10.5 三末段明確指出「五大踩雷的共同根因——把演算法當銀彈、忘了它是一個需要持續維運的系統」;任何一條落地路徑都需要配套監控、稽核、定期重訓。 |難度 中等|§§10.5 三

30. 依 §10.5 ,Ch 10 與 Ch 11 透過什麼機制緊密耦合?

答案:C 解析:§10.5 四末段明確指出兩章透過「動態改派觸發」緊密耦合;Ch 10 產出計畫、Ch 11 執行追蹤、兩章透過動態改派形成回授迴圈。 |難度 進階|§§10.5 四

複選題

31. 依 §10.1 ,下列哪些屬於規則式撞天花板的信號?(應選)

答案:ABCD 解析:§10.1 三規則式天花板四指標為「規則 ≥ 150、波動 ≥ 30%、多目標衝突、無回歸測試」共 4 項;選項 E 客戶數本身不是規則式天花板信號(規模波動才是)。 |難度 中等|§§10.1 三

32. 下列哪些屬於 VRP 問題家族的常見變形?(應選)

答案:ABCD 解析:§10.2 一二,CVRP/VRPTW/VRPPD 是本章三大主流變形;TSP 是 VRP 的單車輛特例、亦屬廣義家族;RFM 是行銷分析框架、與 VRP 家族無關。 |難度 中等|§§10.2 一二

33. 依 §10.3 ,後設啟發式三大家族對照表,下列哪些屬於後設啟發式?(應選)

答案:ABC 解析:§10.3 四元啟發式三大家族為 GA / SA / Tabu Search;Savings 是第 2 階經典啟發式(不是元啟發式);Pointer Networks 是第 4 階 RL 的學術代表。 |難度 中等|§§10.3 四

34. 依 §10.4 ,下列哪些屬於即時改派的常見觸發條件?(應選)

答案:ABCD 解析:§10.4 五觸發條件五類為「新訂單、在途異常、客戶改址、超時告警、上游延遲」;選項 E 司機午休屬正常排程、不是即時改派觸發。本題刻意只列 4 個正確選項以涵蓋五類中的 4 類。 |難度 中等|§§10.4 五

35. 依 §10.5 ,下列哪些屬於 VRP 落地導入的五大踩雷?(應選)

答案:ABCDE 解析:§10.5 三五大踩雷全列:過早 RL、忽視時窗硬約束、無法解釋的黑盒、變動成本失控、上線後規則漂移。本題五個選項皆為正確、考驗讀者對五大踩雷的完整掌握。 |難度 進階|§§10.5 三

簡答題

36. 以章前情境 Route 的場景(247 條規則 + 1,200 條路線 + 假日波動 ≥ 40%)為例,說明為什麼這個場景同時觸發了規則式天花板的兩條紅線、再寫 100 條規則為何救不了?(建議作答 200–250 字)

參考答案:1. 第一條紅線:**規則 247 條 ≥ 150 條紅線**——規則衝突數呈平方成長 247×246/2 ≈ 30,000 對潛在衝突。雖然每條規則單獨看都合理(A 區歸誰、3.5 噸對什麼貨等),但 30,000 對衝突無法靠人腦排優先序消解。 2. 第二條紅線:**假日波動 ≥ 40% > 30% 紅線**——單套規則無法同時適配旺淡季、平日順順的規則庫到了假日就崩。 3. 為何再寫 100 條規則救不了:(a) 規則衝突隨規則數平方成長、新增 100 條只會讓衝突倍增;(b) 規模波動的根因不是規則覆蓋不足、而是「**規則機制本身的天花板**」——機制問題不是用更多同類機制能解的,得換引擎。
評分重點:(1) 點明 30,000 對衝突的計算(5 分);(2) 點明波動 ≥ 30% 紅線(3 分);(3) 機制根因 vs 內容覆蓋的差異(2 分)
|難度 中等|§§10.1 三、章前情境

37. 依偽碼框 1 CVRP 概念化骨架,寫出 CVRP 的「**求解目標 + 主要決策 + 主要約束三項**」三大要素,並說明為什麼本書不展開 Σ Σ 數學式定義?(建議作答 150–200 字)

參考答案:
評分重點:(1) 三要素列全(6 分);(2) 理由含「識讀為主」教學立場(4 分)
|難度 中等|§§10.2 二、偽碼框 1

38. 說明 VRP 是 NP-hard 為什麼工業界 60 年來照常每天解上千客戶的問題、用了哪「三招」繞?(建議作答 200–250 字)

參考答案:1. **不要求精確最優、只要求夠好**:用啟發式 / 元啟發式找「離精確最優 5–15% 內」的解、夠好就出車。多算 3 小時省 1% 成本不划算。 2. **問題分解**:先分區(區域指派、Zone-Vehicle Mapping)把大問題拆成小問題、再各區內小規模 VRP。一個 1,000 點問題拆成 5 個 200 點問題、複雜度從指數降回可控。**這正是規則式 §10.1 Zone-Vehicle Mapping 做的事——規則式與 VRP 互補不互斥**。 3. **時間預算妥協**:給求解器固定時間(例如 5 分鐘)、能找多好就多好、時間到就出當下最好的解。實務上 5 分鐘的解通常已離精確最優不到 5%。
評分重點:(1) 三招命名正確(6 分);(2) 第 2 招點到「規則式 VRP 互補」(2 分);(3) 第 3 招點到「夠好就出車」精神(2 分)
|難度 中等|§§10.2 三

39. 依 §10.3 圖 10-2 解法階梯適用情境矩陣,說明四個象限分別對應哪一階解法、並簡述判斷邏輯。(建議作答 200–250 字)

參考答案:矩陣縱軸 = 問題規模、橫軸 = 動態程度。四象限:
評分重點:(1) 四象限對應四階正確(6 分);(2) 點到「依問題形貌選用、非後者取代前者」(2 分);(3) 對應台灣中小物流商主場景(2 分)
|難度 中等|§§10.3 一、圖 10-2

40. 依 Allen 現場筆記 2,為什麼台灣中小物流商「先用 OR-Tools 起手」是務實的演進路徑?三個替代資源管道是哪些?(建議作答 200–250 字)

參考答案:
評分重點:(1) OR-Tools 四優勢列出(4 分);(2) 三條替代管道列全(4 分);(3) 「寧 SaaS 不自建」立場點出(2 分)
|難度 中等|§§10.3 六 Allen 現場筆記 2

41. 說明 §10.4 四圖 10-4 動態 VRP × 動態 Bin Packing 聯合最佳化的資料流——兩個求解模組如何互相回授?為什麼「不能順序流、必須聯合最佳化」?(建議作答 200–250 字)

參考答案:
評分重點:(1) 雙模組輸入輸出列正確(4 分);(2) 回授迴圈清楚(3 分);(3) LIFO 取貨原則 / 容器限制隨路線動態變化(3 分)
|難度 進階|§§10.4 四、圖 10-4

42. 依 §10.4 五,動態 VRP 的 KPI 三軸是哪三個?「**派車異動率 ≤ 2–3 次/車/日**」這條紅線的根本理由是技術限制還是人因限制?請結合 Route 的疑問 2 說明系統設計如何把「人放進迴圈內」?(建議作答 200–250 字)

參考答案:
評分重點:(1) 三軸 KPI 列全並命名正確(4 分);(2) 點出人因限制(3 分);(3) Allen 四招(3 分)
|難度 中等|§§10.4 二、五、Route 的疑問 2

43. 依 §10.5 二,演算法團隊 Three-in-One 由 OR Researcher / Domain Expert / Engineer 三個角色組成。**少了哪個角色會出什麼最致命的後果**?三個角色當中**哪一個可以外包、哪兩個必須自養**?為什麼?(建議作答 200–250 字)

參考答案:
評分重點:(1) 三角色致命缺角後果列正確(6 分);(2) OR 可外包 / Domain + Engineer 必養(3 分);(3) 為什麼 OR 可外包(產學合作 / 工研院)(1 分)
|難度 進階|§§10.5 二

44. 簡述物流中心生產力評估指標 100 訣的歷史脈絡(作者、年代、地位),並以「**回應時效**」「**路線執行率**」兩個本章新指標為例,說明它們如何延伸自 100 訣傳統指標?(建議作答 200–250 字)

參考答案:
評分重點:(1) 陳慧娟 + 工研院服科中心執行長 + 1994 年(3 分);(2) 兩指標延伸關係正確(4 分);(3) 「靜態 → 動態自然延伸」核心立場(3 分)
|難度 中等|§§10.4 六

45. 以章前情境 Route 的場景為例(247 條規則 + 1,200 條路線 + 假日波動 ≥ 40% + 218 條延遲),整合 §10.1(規則式天花板)+ §10.2(VRP 識讀)+ §10.3(解法階梯選擇)+ §10.5(落地三路徑)+ §10.5(二)(Three-in-One 團隊),規劃一個務實的 6-12 個月演進路徑。(建議作答 250–300 字)

參考答案:
評分重點:(1) 12 個月分四階段、每階段對應章內知識(8 分);(2) 點到 Three-in-One + 產學合作(2 分)
|難度 進階|§跨節(§10.1+§10.2+§10.3+§10.5)