臺灣博碩士論文加值系統

人口老化是目前全球健康的重要議題，目前全世界多數國家已漸漸進入高齡化社會，對於相關老年人照顧議題更是受到重視，規劃長期照護有關的服務為政府需要規劃的重點。台灣於西元1993年開始，65歲以上老年人口已達到全國人口7%，達到聯合國定義「高齡化社會」。而台灣於2017年政府推行到宅沐浴車服務，目前台灣沐浴車基本分為二類到宅沐浴車:一位長照人員、一位護理師及二位長照人員。接受服務人口已達到15萬餘人，近年來醫療發展進度平均年齡提高，使用沐浴車需求提高，其中沐浴需求人口內又以失能人口為五成以上。
本研究之主要目的是希望台灣長期照護中使用沐浴車需求情況進行分析，提供長期照護相關機構規劃之參考。本研究探討具時間窗的週期性沐浴車路徑規劃服務問題，使用三種演算法包含:免疫演算法(Immune Algorithm, IA)、基因演算法(Genetic Algorithm, GA)、粒子群演算法(Particle Swarm Optimization, PSO)，規畫一個期間內每日到宅沐浴車的路徑，以某屏東醫院為例提出一種新的編碼方式將三種演算法求解，在有限的車輛、醫護人員、需求者時間窗、需求者沐浴週期的情況下，最小化完成一個期間內所有需求者到宅沐浴服務的總時間。
本研究結果透過Excel統計變異數分析，結果顯示演算法表現有顯著差異性，其中IA求解品質優於GA、PSO，且GA優於PSO。

Population aging is a significant global health issue. With most countries entering an aging society, the care of elderly individuals has become a major concern, prompting governments to focus on long-term care services. In Taiwan, the elderly population (aged 65 and above) reached 7% of the total population in 1993, meeting the United Nations' definition of an "aging society." In 2017, the Taiwanese government introduced in-home bathing car services, which are divided into two categories: one caregiver, one nurse, and two caregivers. The service has benefited over 150,000 people, especially those with disabilities, constituting more than half of the service recipients. Despite the increasing demand for bathing car services due to the aging population and advancements in medical care, there is limited research on this topic, making it the focus of this thesis.
The primary objective of this study is to analyze the demand for bathing car services in long-term care in Taiwan, providing valuable insights for relevant organizations and institutions. This research investigates the periodic bathing car routing problem with time windows and explores three algorithms: Immune Algorithm (IA), Genetic Algorithm (GA), and Particle Swarm Optimization (PSO). The study proposes a new encoding method for these algorithms using a case study from a hospital in Pingtung, Taiwan. The aim is to minimize the total service time for all recipients within a specified period, considering limited vehicles, healthcare personnel, recipient time windows, and bathing intervals.
Statistical analysis using Excel and analysis of variance reveal significant differences among the algorithms. The results indicate that in terms of minimizing the average objective value, IA outperforms GA and GA outperforms PSO.

摘要......i
Abstract......ii
誌謝......iii
目錄......iv
表目錄......vi
圖目錄......vii
第一章 緒論......1
1.1研究背景與動機......1
1.2研究目的......2
1.3 研究方法與步驟......2
1.4 論文架構......3
第二章 文獻探討......5
2.1長期照護相關文獻......5
2.1.1長期照護起源......5
2.1.2台灣長期照護發展......6
2.1.3長期照護服務方式......6
2.1.4到宅沐浴車發展......7
2.1.5到宅沐浴車與沐浴服務......7
2.2演算法文獻......10
2.2.1免疫演算法......10
2.2.1.1免疫機制......10
2.2.1.2人工免疫系統......11
2.2.2基因演算法......13
2.2.2.1基因演算法特性......13
2.2.2.2基因演算法流程......14
2.2.3粒子群演算法......17
2.2.3.1粒子群演算法特性......18
2.2.3.2粒子群演算法流程......18
第三章 研究問題與研究方法......20
3.1 週期性沐浴車路徑規劃問題......20
3.2 編碼方法......21
3.3 田口法......25
3.3.1 田口法品質損失函數(Loss Function)......25
3.3.2 直交表......26
3.3.3 信號雜音比(S/N比)......27
3.3.4 田口法步驟......28
3.4 演算法參數設定......29
3.4.1 免疫演算法與基因演算法參數設定......29
3.4.2 粒子群演算法參數設定......31
第四章 測試問題與結果分析......33
4.1 參數設定及設備環境......33
4.2 測試問題......33
4.3 測試結果與分析......34
4.4 統計檢定......35
第五章 結論與建議......38
5.1 結論......38
5.2 未來研究方向......38
參考文獻......39
附錄A......42
附錄B......54
Extended Abstract......57

[1]國家發展委員會。(2022)。《中華民國人口推估（2022年至2070年）》。國家發展委員會。發布日期：2022年8月。
[2]曲同光。(2015)。《規劃長照保險重要基礎資料庫─國民長期照護需要調查》。衛生福利部。
[3]吳宜昆。(1998)。《老人日常活動層級性量表之建構與分析》。嘉義國立中正大學社會福利學系碩士論文。
[4] 衛生福利部統計處。(2018)。《老人狀況調查報告》。衛生福利部。
[5] 林政賢。(2002)。《高齡者進住長期照護機構意願之探討-以台北市為例》。台北：長庚大學碩士論文。
[6] 邱美琪。(2005)。《台灣一般民眾選擇長期照護態度之探討》。國立台北大學社會學系在職專班碩士論文。
[7] 呂寶靜。(2001)，老人照顧，五南圖書出版股份有限公司。
[8] Branch, L.G. (1982)，A Prospective study of long-tern care institutionalization among the aged，Am J Public Health Vol.72, pp.1373-1379.
[9] 嶋田芳男．(2017)．「地域巡迴入浴サービスの展開に關する研究：民間活動の観點から」．社会志林, 63(4)，161-174。
[10] 衛生福利部統計處(2018，9月)．老人狀況調查報告．衛生福利部。
[11] 屏基醫療財團法人屏東基督教醫院. (2020)．《屏基團隊部門》。
[12] 簡銓蔚。(2013)。《粒子群演算法應用於據容量限制的開放式車輛途程問題》。元智大學工業工程與管理學系碩士論文。
[13] Li, L. (2022). A survey of artificial immune algorithms for multi-objective optimization. Neurocomputing, 489(C), 211–229.
[14] 郭方。(2021)。求解航母甲板取送武器運輸保障調度問題的雙種群免疫算法。中國山東海軍航空大學。
[15] De Castro, L. N., & Von Zuben, F. J. (2002). Learning and optimization using the clonal
selection principle. IEEE transactions on evolutionary computation, 6(3), 239-251.
[16] 陳維德。(2008)。《應用免疫演算法最佳化火力機組調派》。國立臺北科技大學電機工程系碩士班碩士論文。
[17] 周家興。(2018)。《以關聯式法則建立共生式人工免疫系統之抗體集合》。國立交通大學電機與控制工程研究所碩士論文。
[18] 沈峻緯。(2017)。應用人工智慧演算法於多處理最佳化工作排程問題之研究，國立虎尾科技大學工業管理系工業工程與管理學系碩士論文。
[19] Ma, M. (2023). Signal detection of large scale MIMO physical layer space optical communication system based on genetic algorithm. Results in Physics, p.107055.
[20] 莊峻瑋. (2006)。《以基因演算法快速尋找最佳解之研究》。國立臺灣海洋大學機械與電機工程學系碩士論文。
[21] T. S. Ghoshray and K. K. Yen, “More efficient genetic algorithm for solving optimization problems”, IEEE International Conference on Systems, Man and Cybernetics, Vol. 5, pp. 4515-1520, 1975.
[22] J. R. Levenick, “Inserting introns improves genetic algorithms success rate: taking a cue from biology”, Proceedings of the Fourth International Conference on Genetic Algorithms, pp. 123-127, 1991.
[23] Y. P. Wang, D. R. Hur, H. H. Chung, N. R. Watson, J. Arrillaga and S. S. Matair, “A genetic algorithms approach to design an optimal PI controller for static Var compensator”, International Conference on Power System Technology, Vol. 3, pp. 1557-1562, 2000.
[24] W. D. Potter, B. E. Tonn, M. R. Hilliard, G. E. Liepins, S. L. Purucker and R. T. Goeltz, “Diagnosis, parsimony, and genetic algorithms”, Proceedings of the 3rd international conference on Industrial and engineering applications of artificial intelligence and expert systems, Vol. 1, pp. 1-8, 1990.
[25] A. Kenneth and D. Jong, “Using genetic algorithms to solve NP-complete problems”, Proceedings of the Third International Conference on Genetic Algorithms, pp. 124-132, 1989.
[26] H. H. Chin and A. A. Jafari, “Genetic algorithm methods for solving the best stationary policy of finite Markov decision processes”, Proceedings of the Thirtieth Southeastern Symposium on System, pp. 538-543, 1998.
[27] Lin.Shiwei(2023)，An improved fault-tolerant cultural-PSO with probability for multi-AGV path planning，Faculty of Engineering and Information Technology, University of Technology Sydney, Sydney, NSW, Australia.
[28] Eberhart, R., & Kennedy, J. (1995). A new optimizer using particle swarm theory. In Proceedings of the sixth international symposium on micro machine and human science (Vol. 1, pp. 39-43).
[29] 林春妙。 (2012)。《應用田口方法於咖啡沖製最佳化》。私立南華大學資訊管理學系碩士論文。
[30] 蘇郁荏。 (2017)。《應用田口法於置件良率改善》。逢甲大學機械與電腦輔助工程學系碩士在職專班碩士論文。
[31] 蔡柏彥.。(2016)。《以田口方法探討奈米光柵結構射出成形參數最佳化之研究》。國立中正大學工學院工程學系碩士論文。